卡内基机载观测站 (CAO) 的建立是为了满足宏观测量的需求,以揭示地球生态系统的结构、功能和有机组成。2011 年,我们完成并启动了 CAO-2 下一代机载分类制图系统 (AToMS),其中包括高保真可见光至短波红外 (VSWIR) 成像光谱仪 (380 – 2510 nm)、双激光波形光检测和测距 (LiDAR) 扫描仪以及高空间分辨率可见光至近红外 (VNIR) 成像光谱仪 (365 – 1052 nm)。在这里,我们描述了如何使用硬件和软件协同对准和处理技术融合来自这些传感器的多个数据流。通过这些数据流,我们定量地证明了精确的数据融合极大地提高了从遥感中获得的生态信息的维度。我们比较了两个截然不同场景的数据维度——斯坦福大学的建筑环境和亚马逊低地热带森林。主成分分析显示,斯坦福案例中有 336 个维度(自由度),亚马逊案例中有 218 个维度。亚马逊案例呈现的遥感数据维度可能是有史以来森林生态系统的最高水平。模拟数据流错位使有效信息内容减少了 48%,凸显了在进行多传感器
他用多个章节的篇幅讨论了他的观点:教育工作者和教育心理学家进行的大部分游戏研究所使用的游戏类型和特质类别与其他学科和许多动物研究中使用的理论定义不一致。佩利格里尼的结论是,儿童研究中使用的游戏研究方法可能需要重新思考。对游戏的历史、文化和理论与研究争议感兴趣的读者将获得丰富的视角。然而,与游戏类型相关的章节的连贯性似乎不太有效,这可能是因为作者试图涵盖关于这些主题的许多不同观点。例如,在关于运动、假装、游戏和物体游戏的章节中,细节程度有所不同:章节包括一些新的和一些较旧的研究的长篇描述,而其他重要的近期研究只是简要提及或根本没有提及。有趣的是,尽管对许多研究进行了详尽的回顾,佩里格里尼并没有提到使用技术增强材料的游戏:增强假装、虚拟物体和运动游戏以及电脑游戏。关于社交游戏的章节写得特别好,它讨论了作者自己对打闹游戏的广泛研究。这个讨论似乎真的变得生动起来,它提出了一些令人信服的论点,即这种游戏是一种比说教式的“社交技能计划”更有效的社交技能教学方式。佩里格里尼在几章中提出了另一个重要观点,即游戏和人类发展的研究主要集中在幼儿生命的几年里,而不是包括后来的童年岁月。他主张有必要