XiaoMi-AI文件搜索系统
World File Search System观测数据
利用地球观测数据进行森林碳动态评估的为期一周的在线课程
森林吸收了大量的碳，在全球气候系统中发挥着至关重要的作用。因此，量化森林生物量和碳通量对于碳预算核算、碳通量监测以及了解森林生态系统对气候变化的反应至关重要。估算森林生物量/碳储量不仅有助于减少毁林和森林退化造成的排放 (REDD) 计划，也有助于森林的可持续管理。遥感数据与森林清单相结合已成为一种有效的方法，可以结合涡流协方差观测来估算森林生物量/碳储量和通量研究。在联合国 REDD+ 和可持续发展目标 (SDG) 目标 15.2 的背景下，空间技术在测绘和监测应用中的作用得到了明确强调。随着新传感器的发展，空间、光谱、辐射和时间分辨率的提高，EO 数据可以在森林生物量/碳和碳通量的测绘和监测中发挥重要作用。还需要更好的数据集成方法来准确、空间明确地估计森林生态系统的碳动态。
使用量子技术对地球观测数据进行分类...
随着遥感技术的进步，地球观测 (EO) 已进入大数据时代，但在使用复杂的机器学习模型分析获得的 EO 数据时，所需的计算能力成为一个障碍。量子机器学习 (QML) 可能有助于在未来应对这一挑战，因为量子计算的主要期望是有效地解决计算任务。然而，QML 是否优于其经典对手仍未得到充分研究。关于使用 QML 进行 EO 数据分类，一些研究使用了量子退火器 [1, 2]。此外，应用量子电路分析 EO 图像也引起了广泛关注。到目前为止，一些研究依靠经典特征工程算法来获取关键特征，并使用量子电路进行特征转换和分类。Gawron 等人 [3] 提出了一种用于土地覆盖分类的量子神经网络，该网络依靠主成分分析 (PCA) 算法从多光谱图像中获取关键特征。除了特征工程算法外，本文还研究了使用经典深度学习算法进行特征提取。Sebastianelli 等人 [4] 使用经典 CNN 从图像中提取高级特征，并使用量子电路进行最终预测。
案例研究：CloudFerro 为地球观测数据构建高可靠性公共云
©2020-22 Western Digital Corporation 或其附属公司。保留所有权利。Western Digital、Western Digital 徽标、ArcticFlow、IsoVibe 和 Ultrastar 是 Western Digital Corporation 或其附属公司在美国和/或其他国家/地区的注册商标或商标。Ceph 是 Red Hat, Inc. 或其子公司在美国和其他国家/地区的商标或注册商标。OpenStack ® 文字商标和 OpenStack 徽标是 OpenStack Foundation 在美国和其他国家/地区的注册商标/服务标记或商标/服务标记，并经 OpenStack Foundation 许可使用。所有其他商标均为其各自所有者的财产。
IR-08-048 班达亚齐——地球观测数据的价值...
2004 年 12 月 26 日，印度尼西亚班达亚齐遭遇了人类历史上最严重的自然灾害之一。由于灾害性质极端，政府提供了大量资金和支持，规模之大前所未有。根据 RAN（亚齐 - 尼亚斯恢复）数据库 (http://www.rand.brr.go.id/RAND/)，截至 2008 年 1 月 10 日，共有 490 个机构承诺提供 38 亿美元 (USD)。在这笔巨额支持中，有各种类型的地球观测数据（即正射影像、卫星场景以及成立一个小组 — 空间信息和测绘中心 (SIM-Centre) 来管理这些数据）。收集最新的地理信息并为规划援助计划奠定基础，对于有效利用紧急援助资金以及随后的基础设施重建（道路、港口、桥梁等）至关重要（BlomInfo，2006 年）。