XiaoMi-AI文件搜索系统
World File Search System空间信息
空军地理空间信息管理系统 (AFGIMS)
计划描述：AISG 是 AFMC 的主要物流数据载体，通过 NIPRNET 在全球范围内传输 AFMC 供应系统数据。AISG 路线由业务规则设置，规定哪些信息需要从一个（多个）系统传输到另一个（多个）系统。AISG 将数据从一种格式转换为另一种格式，以便获取系统正确理解数据。如果需要新的接口，则必须完成新的编程才能进行转换。AISG 使用 DoD 和 AF 国防消息系统 (DMS) 标准通过 SFTP 传输数据。CDRS 是一种元数据管理工具，其中包含有关 AFMC 数据系统、这些数据系统支持的 AFMC 功能、系统之间的接口以及系统使用的标准化数据元素的信息。CDRS 为元素级别的接口控制文档 (ICD) 提供了存储库。它为 AFMC 提供有关数据系统指示器 (DSD) 的详细信息。JDRS 是一个基于 Web 的自动化应用程序，旨在启动、处理和跟踪缺陷报告 (DR)，从提交到调查过程。NAVAIR 为空军和其他军种的航空部门管理 JDRS。
技术硕士（空间信息技术）
PO4：能够运用必要的技术、先进的设备和软件工具来实现自然资源管理的最先进的工程方法。 PO5：培养地理空间技术的编程技能，以获得就业机会。 项目具体成果（PSO）： PSO1：将地理空间技术知识作为教育的基本目标。 PSO2：运用设计原则和最佳实践来开发地理空间技术应用的优质产品。 PSO3：适应新兴信息和通信技术（ICT），创新现有/新颖的想法和解决方案。 PSO4：一种科学的态度，让学生创造开放的思想和好奇心。 PSO5：培养实际工作、软件、实验室设备的技能以及地理空间数据的收集和解释技能。 项目教育目标（PEOS）：
从上丘的脉冲和局部场电位活动解码空间信息的时间过程
摘要 位置码表征在编码空间参数的电路中普遍存在。对于视觉引导的眼球运动，当刺激出现在大脑的感受野中和/或当运动进入大脑的运动场时，许多大脑区域的神经元都会发出脉冲。至关重要的是，单个神经元会对远离最佳向量的广泛方向或偏心率做出反应，这使得很难从每个细胞的活动中解码刺激位置或扫视向量。我们研究了是否有可能通过群体水平的分析来解码空间参数，即使最佳向量在神经元之间相似。当猴子对八个沿方向等距径向分布的目标之一执行延迟扫视任务时，用层状探针记录了上丘 (SC) 中的脉冲活动和局部场电位 (LFP)。随着试验从感觉到动作，离线应用分类器来解码空间配置。对于脉冲活动，在视觉和运动时期，所有八个方向的解码性能最高，而在延迟期间，解码性能较低但远高于偶然性。分类性能也遵循 LFP 活动的类似模式，只是延迟期间的性能主要限于首选方向。增加群体中的神经元数量可以持续提高两种模态的分类器性能。总体而言，这项研究证明了群体活动对解码单个神经元无法实现的空间信息的能力。
通过聚合多级地理空间信息来学习经济指标
高分辨率日间卫星图像已成为研究经济活动的有希望的来源。这些图像显示了大面积的详细地形，并允许放大到较小的社区。然而，现有的方法只利用了单级地理单元中的图像。这项研究提出了一种深度学习模型，通过汇总从多级地理单元观察到的特征来预测经济指标。该模型首先通过有序回归来测量小社区的超本地经济。下一步通过总结超本地经济体之间的互联来提取区级特征。在最后一步，该模型通过汇总超本地和区信息来估算区的经济指标。我们的新多级学习模型在预测人口、购买力和能源消耗等关键指标方面大大优于强大的基线。该模型对数据短缺也很有抵抗力；当使用从马来西亚、菲律宾、泰国和越南收集的数据进行评估时，一个国家的训练特征可以推广到其他国家。我们讨论了多层次模型对衡量不平等的影响，这是关于不平等和贫困的政策和社会科学研究的重要第一步。
引用本文：Modeste Meliho、Abdellatif Khattabi、Driss Zejli、Collins Ashianga Orlando 和 Caleb E. Dansou (2022) 人工智能和遥感用于每日气温的空间预测：以摩洛哥苏斯流域为例，地理空间信息科学，25:2，244-258，DOI：10.1080/10095020.2021.2014765
摘要 气温（Tair）是气候研究和气候影响管理中的一个基本变量。由于气象站分布稀疏且不均匀，传统的实地观测无法准确捕捉其空间分布，尤其是在局部变异性较高的偏远地区。为了解决这个问题，本研究利用遥感和气象站数据估算了摩洛哥苏斯流域的 Tair。采用两种统计方法（包括线性回归和偏最小二乘 (PLS)）和四种机器学习算法（即 k-最近邻、随机森林 (RF)、极端梯度提升和立体主义）对 Tair 进行建模和预测，并使用随机子集和交叉验证评估其性能。中分辨率成像光谱仪预测因子包括 Terra 波段 32 发射率、Terra 夜间地表温度、Terra 当地夜间观测时间、Aqua 波段 31 发射率、Aqua 白天地表温度和 Aqua 夜间地表温度 (ALSTN)，以及辅助输入包括天空视野、海拔、坡度和山体阴影，被用作建模的输入。结果表明，Cubist 和 RF 是最准确的模型（RMSE = 2.09°C 和 2.13°C，R 2 = 0.91 和 0.90），而 PLS 的预测能力最低（RMSE = 2.71°C；R 2 = 0.83）。模型在研究区域估算 Tair 的整体性能普遍令人满意，所有模型的 RMSE 都在 3°C 以下。尽管如此，站点数据的可靠性仍然是一个问题，七个站点中只有四个站点拥有完整的气象数据。
地理空间信息科学技术（GIST）副学士学位
什么是 GIST？地理空间信息科学与技术 (GIST) 是一个不断发展的研究领域，包括地理信息系统 (GIS)、遥感 (RS)、无人机和全球定位系统 (GPS)。GIST 使我们能够获取数据并将其用于分析、建模和可视化。GIST 是每个人日常生活的一部分（寻找最近的餐馆）、营销、政治和环境。薪水？GIST 专业人员做什么？预计到 2028 年的增长*将高于平均水平。中期职业平均工资† 50-88K 美元/年。
设计人工智能辅助交互式地图显示以探索空间信息 Merve Keskin a, * , Pyry Kettunen a
尽管如今我们能够通过快速数据收集方法（例如手机、传感器、GPS）生成大量空间或地理参考数据，但理解收集到的大数据对人们来说仍然是一个巨大的挑战。可视化分析和探索性地理可视化工具已被用于识别非结构化和不一致数据中未知的地理空间现象，并有助于提高我们理解这些现象的根本原因和参与者的能力（Andrienko & Andrienko，1999；Jeansoulin，2016）。一方面，可视化参数（例如视觉变量；Bertin，1967）和图形显示的质量在解释视觉场景和发现不太突出的信息方面发挥着重要作用。另一方面，选择正确的方法来指导有效的地图使用并利用对人类视觉空间认知的研究来定义人机交互水平至关重要。在这种情况下，我们需要系统地了解影响空间认知的人为因素，以便能够提供个性化的显示，其中人与机器作为一个团队工作，特别是创建适应用户行为而不是相反的界面。正如 Basole (2019) 所解释的那样，未来基于人工智能的可视化系统可以从用户行为中学习并根据用户的选择和偏好推荐进一步的操作，而不是规定显示什么和如何显示。
可互操作的信息伞：共享空间信息技术
在1996年，约瑟夫·奈（Joseph Nye）和威廉·欧文斯（William Owens）预见了信息技术和数据共享的重要性，警告说，如果美国没有共享其信息系统中获得的知识，尤其是卫星，那么其他国家就会增加自己开发自己的动机。但是，他们的分析并未考虑冗余系统提供的弹性的潜在益处。决策者应既应该考虑数据共享的软功率优势，又要考虑与冗余，可互操作系统相关的弹性优势，以使在信息时代获得和保留能力的更强大的途径。本文研究了NYE和OWENS预测的数据限制对数据的缺点，以及三种太空行业信息技术的冗余的意外益处：雷恩斯·苏斯·卫星卫星，全球导航卫星系统和太空领域意识系统。