HAL 是一个多学科开放存取档案馆,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
卫星遥感为地面和航空测绘的挑战提供了有效的补救措施,这些挑战以前阻碍了对全球海草范围的定量评估。商业卫星平台提供精细的空间分辨率,这是不均匀海草生态系统的一个重要考虑因素。目前,没有用于商业数据图像处理的一致协议,限制了可重复性和跨空间和时间的比较。此外,商业卫星传感器的辐射性能尚未根据沿海水域特有的黑暗和多变目标进行评估。本研究比较了来自两颗商业卫星的数据产品:DigitalGlobe 的 WorldView-2 和 Planet 的 RapidEye。每个平台都在美国佛罗里达州圣约瑟夫湾获得了一个场景,对应于 2010 年 11 月的实地活动。开发了一种可重复的处理方案,将各公司提供的基本产品图像转换为可用于各种科学应用的可分析数据。将卫星获得的表面反射与现场测量值进行了比较。WorldView-2 图像在沿海蓝色和蓝色光谱带中表现出高度不一致,长期预测过高。RapidEye 表现出比 WorldView-2 更好的一致性,但在所有光谱带上都略微预测过高。使用深度卷积神经网络将图像分为深水、陆地、水下沙地、海草和潮间带类别。将分类结果与从照片解释的航空影像中得出的海草图进行了比较。这项研究首次对 WorldView-2 和 RapidEye 在沿海系统上进行了辐射测量评估,揭示了 WorldView-2 较短波长中固有的校准问题。尽管分辨率不同,但两个平台都显示出与空中估计值高达 97% 的一致性。因此,WorldView-2 中的校准问题似乎不会干扰分类准确性,但如果估计生物量可能会有问题。这里开发的图像处理程序为 WorldView-2 和 RapidEye 图像提供了可重复的工作流程,该流程已在另外两个沿海系统中进行了测试。随着更多传感器的出现,这种方法可能会变得独立于平台。
摘要 — 在本文中,我们借助 MATLAB 模拟器研究了在 IBM-Q 硬件上运行的 Harrow-Hassidim-Lloyd (HHL) 量子算法中的错误传播和生成。HHL 是一种量子算法,在解决线性方程组 (SLE) 时,它可以比最快的经典算法(共轭梯度法)提供指数级加速。但是,如果没有错误校正,由于其复杂性,即使在 2 变量系统中也无法给出正确的结果。在本研究中,在 IBM-Q 中实现了 2 变量 SLE 的 HHL 量子电路,并在电路的每个阶段之后提取错误并与 MATLAB 模拟器进行比较。我们确定了三个主要的错误来源,即单量子位翻转、门不保真和错误传播。我们还发现,在辅助位旋转阶段,错误变大,但编码解决方案仍然具有高保真度。然而,在逆量子相位估计之后,解决方案大部分丢失,而逆量子相位估计是有效提取解决方案所必需的。因此建议,如果纠错资源有限,则应将其添加到电路的后半部分。
摘要 – 遥控航空系统 (RPAS) 用于遥感,是获取地理数据的重要方式,具有实时性、适应性、高分辨率、成本效益等优点,并且可以在危险环境中获取数据而不会危及机组人员。它具有巨大的潜力和光明的未来,因为 RPAS 遥感是机载和星载遥感的强大伴侣。这项工作全面介绍了具有机器学习功能的遥控航空系统 (RPAS) 领域的最新进展。重点是一些特定领域:面部跟踪、物体检测、监视。本文介绍了用于这些应用的方法和算法,讨论了它们的性能和准确性,并强调了在实施此类系统时面临的挑战。本文还概述了用于开发这些系统的各种平台和工具,包括硬件和软件组件。最后,回顾了该领域未来的研究和发展方向。索引词 – 遥控航空系统;遥感应用;物体检测;面部跟踪;
摘要:海岸线是重要的地理边界,监测海岸线变化在海岸综合管理中起着重要作用。随着遥感技术的发展,许多研究已经利用光学图像来测量和提取海岸线。然而,一些因素限制了光学成像在海岸线测绘中的应用。考虑到机载激光雷达数据可以提供更精确的地形信息,已经有一些研究使用机载激光雷达来绘制海岸线。然而,尚未进行将机载激光雷达与海岸线测量和提取方法相结合的文献综述。本文的目的是对使用机载激光雷达进行海岸线测绘进行叙述性回顾,包括激光扫描系统、数据可用性以及过去二十年来当前的提取技术。因此,我们进行了广泛的搜索,最终总结了 130 多篇关于机载激光雷达技术用于海岸线测量和海岸线提取的文章。我们发现利用机载 LiDAR 进行海岸线测绘仍面临诸多挑战,例如客观条件限制、数据可用性限制和自身特性限制。目前的海岸线提取方法有很大的改进潜力;特别是当与新兴的当前最先进的 LiDAR 点云处理技术(例如深度学习算法)相结合时,它们将具有巨大的潜力
执行摘要 砖瓦行业简介 印度是世界第二大烧结粘土砖生产国,每年生产约 2500 亿块砖。从事砖瓦生产的微型和小型企业超过 100,000 家,雇佣工人超过 1000 万人。这是一个季节性行业,一年中仅在非季风月份(通常是从 11 月到 6 月)运营 6 到 8 个月份。中型和大型企业(生产能力 > 200 万块砖/年)的烧成通常在连续窑中进行,例如固定烟囱牛槽窑或曲折窑,而小规模生产(生产能力 < 200 万块砖/年)则使用各种间歇窑,例如夹窑和下吸窑。砖瓦制造是印度最大的能源消耗型中小微型企业行业之一。据估计,每年有 3500-4500 万吨煤和生物质燃料用于烧砖。印度的制砖过程 制砖过程包括粘土混合、成型、干燥、烧成和冷却。印度砖瓦行业主要是无组织和非机械化的。除了一些机械化/半机械化单位(主要在印度南部)外,该行业主要采用手工成型方法来成型绿砖,全国 98% 的砖块都是通过手工成型生产的。从农田挖出的表层土壤以及从河流和水箱中沉积的淤泥是粘土的主要来源。干燥大多在露天阳光下进行。由于砖块在雨季无法干燥,因此该行业是季节性的。它仅在一年中的六到八个旱月(通常是从 11 月到 6 月)运营。大中型企业(生产能力 > 200 万块砖/年)通常使用连续窑,如牛沟窑(大多为固定烟囱)或之字形窑,而小规模生产(生产能力 < 200 万块砖/年)则使用各种夹具和间歇窑。燃料(主要是煤)和粘土是制造粘土砖的两种最重要原料。砖瓦行业在采购粘土方面面临问题,近年来煤和粘土的成本均大幅上涨。在微型和中小型企业中,砖瓦行业也是颗粒物和碳(气态 - CO 2 和固态 - 黑碳)排放量较大的污染源之一。因此,采取资源效率措施对该行业至关重要。然而,缺乏意识、必要的机构结构和能力以及资金成为砖瓦行业采用清洁生产技术的障碍。通过各种计划采取的举措近年来,人们对环境保护和资源保护相关问题的认识不断提高,从而促使邦和中央政府各部门制定了相关政策。环境、环境和气候变化部制定了排放标准。各邦政府制定了砖厂选址标准。能源效率局通过试点技术实施,在中小微型企业集群启动了节能项目;根据这一举措,北方邦瓦拉纳西的砖厂集群实施了之字形技术。最近,能源效率局为砖厂引入了节能企业 (E3) 认证计划,以
现代电子系统依赖于具有纳米级特征尺寸的组件,这些组件的故障可能由原子级电子缺陷引起。这些缺陷可能会在更大的长度尺度上引发剧烈的结构变化,从而完全掩盖此类事件的起源。透射电子显微镜 (TEM) 是少数几个可以轻松获得原子分辨率成像的成像系统之一,使其成为对纳米级系统进行故障分析的主力工具。配备光谱附件时,TEM 擅长确定样品的结构和成分,但缺陷的物理表现与其对电子结构的影响相比通常非常微妙。扫描 TEM 电子束感应电流 (STEM EBIC) 成像可产生与电子结构直接相关的对比度,作为标准 TEM 技术提供的物理信息的补充。最近的 STEM EBIC 进展使得能够以高分辨率获得各种新型电子和热对比度,包括电导率映射。在这里,我们讨论了 STEM EBIC 电导率对比机制,并展示了其在故障和原始设备中映射电子传输的能力。
致谢:本研究由印度空间研究组织-印度理工学院(B)空间技术小组(STC)通过赞助项目(RD/0119-ISROC00-001)提供支持。作者还感谢海得拉巴国家遥感中心(NRSC)主任、奥里萨邦政府水资源部(DoWR)和奥里萨邦空间应用中心(ORSAC)提供开展研究的相关数据。作者感谢 NRSC 允许访问 CartoDEM。计算资源支持由孟买印度理工学院提供。
摘要:冠层燃料特性对于评估林分中的火灾危险和潜在严重程度至关重要。模拟工具为防火规划提供了有用的信息,以减少野火的影响,前提是存在具有足够空间分辨率的可靠燃料图。许多国家正在提供免费的机载 LiDAR 数据,为大规模改善燃料监测提供了机会。在本研究中,我们建立了模型,以估计松林区机载 LiDAR 的冠层基高 (CBH)、燃料负荷 (CFL) 和体积密度 (CBD),其中以不同的脉冲密度获取了四个点云数据集。使用来自 1 p/m 2 数据集的 LiDAR 指标对 CBH、CFL 和 CBD 进行拟合的最佳模型分别得出调整后的 R 2 为 0.88、0.68 和 0.58,RMSE (MAPE) 为 1.85 m (18%)、0.16 kg/m 2 (14%) 和 0.03 kg/m 3 (20%)。拟合模型的可转移性评估表明,根据 LiDAR 脉冲密度(高于和低于校准数据集)和模型公式(线性、幂和指数),精度水平不同。与较低(0.5 p/m 2 )或较高回波密度(4 p/m 2 )相比,指数模型和类似脉冲密度(1.7 p/m 2 )的结果最佳。还观察到冠层燃料属性方面的差异。
ARD 产量详情 ................................................................................................................................................ 21 鸡蛋产量详情 ................................................................................................................................................ 22 牛奶产量详情 ................................................................................................................................................ 22 肉类产量详情 ................................................................................................................................................ 23