摘要:本研究介绍了一种基于卷积神经网络的高效深度学习模型,该模型结合了联合自编码器和对抗结构,用于从二维地表观测数据进行三维地下测绘。该方法被用于描绘澳大利亚沙漠景观中的古河谷。该神经网络在 6400 平方公里的区域内进行训练,使用地表地形作为二维输入,使用航空电磁 (AEM) 得出的古河谷存在概率图作为三维输出。训练后的神经网络在 99% 的训练域内平方误差 < 0. 10,在 93% 的验证域内平方误差 < 0. 10,表明它在重建训练区域以外的三维古河谷模式方面是可靠的。本研究设计的神经网络结构和训练算法由于其通用结构,具有广泛的应用潜力,可以从二维地表观测数据构建三维地质特征(如矿体、含水层)。
该程序的第二步需要有效访问多时相遥感雪图像。本研究开发的 Snow Inspector 网络应用程序使用户能够从中分辨率成像光谱仪 (MODIS) 中检索地球上任何一点的分数积雪时间序列。时间序列检索方法基于从 Web 地图图块服务 (WMTS) 提供的图块图像中自动提取数据。使用此技术检索 100 天数据的平均所需时间为 5.4 秒,这比需要下载大型卫星图像文件的其他方法要快得多。所提出的数据提取技术和时空可视化用户界面可用作与其他多时相水文或气候数据 WMTS 服务配合使用的模型。
海洋政策委员会 (OPC) 于 2018 年根据第 13840 号行政命令“促进美国经济、安全和环境利益的海洋政策”成立,旨在协调联邦在海洋相关事务上的行动,由科学技术政策办公室 (OSTP) 主任和环境质量委员会 (CEQ) 主席共同担任主席。行政命令指示 OPC 与海洋界就海洋相关事务进行接触和合作,确定优先的海洋研究和技术需求,并利用资源和专业知识最大限度地提高联邦对海洋研究的投资效率。有关 OPC 工作的更多信息,请参阅 CEQ 网站上的海洋政策页面:https://www.whitehouse.gov/ceq/。
摘要:本研究采用基于知识的模糊分类方法,通过分析从数字高程模型 (DEM) 获得的形态参数 (地形属性) 对城市地区可能的土壤地貌进行分类。以柏林市区为例,比较了两种不同分辨率的 DEM 在寻找地貌、土壤类型之间的特定关系以及这些 DEM 用于土壤制图的适用性方面的潜力。几乎所有的地形参数都是从高分辨率光探测和测距 (LiDAR)-DEM (1 m) 和先进星载热发射和反射辐射计 (ASTER)-DEM (30 m) 获得的,这些参数被用作对选定研究区域内地貌进行分类的阈值,总面积约为 39.40 km 2 。通过将地面点样本作为地面真实数据与分类结果进行比较,评估了两种分类的准确性。基于 LiDAR-DEM 的分类在将城市地区的地貌分类为地貌(子)类别方面表现出良好的效果。总体准确度为 93%,这说明该分类结果令人满意。而基于 ASTER-DEM 的分类准确度为 70%。基于 ASTER-DEM 的分类较为粗糙,需要与土壤形成因素直接相关的更多详细信息来提取地貌参数。在对地貌进行分类时,使用 LiDAR-DEM 分类的重要性尤为明显
高光谱长波红外遥感与区域三维重建相结合,可提高探测可靠性,减少在山区和丘陵地区搜寻地下物体(杀伤人员地雷、简易爆炸装置和未爆炸弹药)时的误报频率,因为这些地区难以使用扫雷器。多角度遥感使我们能够排除被遮蔽并以一定角度放置的物体的跳跃,并将含有异常物体的土壤与普通土壤和表面不规则物分开。给出了用于雷区测绘的光学数字综合体的概念,其主要基础是高光谱设备,该设备从两个光学通道接收数据,并将它们分成长波红外范围内的数十个光谱通道。一个光学通道扫描天底,第二个通道以一定角度扫描土壤表面。该综合体还包括一个可见光范围的相机,用于接收不同空间平面中的一系列图像以进行进一步的三维重建。描述了一种获取分段高光谱数据并将其与重建的数字地形模型相结合的方法,用于解决隐藏地面和地下物体的探测、侦察以及在不同坡度地形上规划人道主义排雷任务的问题。
这些连接根据其影响程度进行分类,并涂成绿色或红色,以表示一个因素对另一个因素的非常积极、积极或消极影响(取决于连接箭头方向);没有使用非常消极,因为我们没有发现与该属性的任何联系。还有几个灰色连接,其中影响是偶然的,可能产生积极或消极的影响。与其他连接一样,当出现这种情况时,Kumu 中会提供连接背后的解释,可以通过单击它来访问(例如图 8)。
用于月球开拓者任务的月球热测绘仪。 NE Bowles 1 (neil.bowles@physics.ox.ac.uk)、BL Ehlmann 2,3、RL Klima 4、D. Blaney 3、S. Calcutt 1、J. Dickson 2、KL Donaldson Hanna 5,1、CS Edwards 6、R. Evans 1、R. Green 3、W. Frazier 3、R. Greenberger 2、MA House 7、C. Howe 8、J. Miura 2、C. Pieters 9、M. Sampson 10、R. Schindhelm 10、E. Scheller 2、C. Seybold 3、DR Thompson 3、J. Troeltzsch 10、TJ Warren 1、K. Shirley 1 和 J. Weinberg 10。 1 英国牛津大学物理系、2 加州理工学院,美国加利福尼亚州帕萨迪纳市、3 加州理工学院喷气推进实验室,美国加利福尼亚州帕萨迪纳市、4 约翰霍普金斯应用物理实验室,美国马里兰州劳雷尔市、5 中佛罗里达大学物理系,美国佛罗里达州奥兰多市、6 北亚利桑那大学,美国亚利桑那州弗拉格斯塔夫市、7 帕萨迪纳城市学院,美国加利福尼亚州帕萨迪纳市、8 STFC RAL 空间公司,英国迪德科特市、9 布朗大学,美国罗德岛州普罗维登斯市、10 Ball Aerospace & Technologies Corporation,美国科罗拉多州博尔德市。
测量与空间科学研究所 (SSSI) 结合了土地、水文、工程和采矿测量、摄影测量、制图、大地测量、遥感和空间信息科学等学科。研究所的成员参与实践社区,例如土地管理、土地开发、自然资源管理、地球观测、应急管理、林业、农业、国防、海洋环境、地方政府、卫生、教育、旅游、交通等。测量师和空间科学家处理与空间相关的陆地和海洋信息的政策、管理、收集、测量、分析、解释、描绘和传播,以及相关的规划、设计和管理。他们还获取、整合、管理、分析、解释、绘制或分发有关空间和时间位置的信息。他们开发、设计和提供相关设备、软件和增值服务;进行应用研究、知识管理和技术开发;以及管理、教育和培训他人。研究所的主要目标是:• 使成员能够努力在测量和空间科学的应用和实践中追求卓越,为