XiaoMi-AI文件搜索系统
World File Search System高程
使用高分辨率数字高程模型上的监督学习检测沟渠
排干的湿地可能成为温室气体排放的主要来源，但这些湿地的排水网络大部分都未绘制地图，需要更好的地图来帮助森林生产并更好地了解气候后果。我们开发了一种在基于 LiDAR 扫描的高分辨率数字高程模型中检测沟渠的方法。使用数字地形指数的阈值方法可用于检测沟渠。但是，单个阈值通常无法捕捉景观的变化，并且会产生许多误报和漏报。我们假设，通过使用监督学习结合数字地形指数，我们可以在景观尺度上改善沟渠检测。除了数字地形指数之外，还可以通过转换数据以包含相邻单元来生成其他特征，以便更好地预测沟渠。使用随机森林分类器来定位沟渠，并对其概率输出进行处理以消除噪音，然后进行二值化以产生最终的沟渠预测。评估图之间的 Cohen's Kappa 指数的置信区间范围为 [0.655 , 0.781]，置信度为 95%。研究表明，使用机器学习结合一系列数字地形指数的信息，可以提供一种有效的景观尺度自动沟渠检测技术，有助于实际的森林管理和应对气候变化。
使用高分辨率数字高程模型上的监督学习检测沟渠
排干的湿地是温室气体排放的主要来源，但这些湿地的排水网络大部分都未绘制地图，需要更好的地图来帮助森林生产并更好地了解气候后果。我们开发了一种在基于 LiDAR 扫描的高分辨率数字高程模型中检测沟渠的方法。使用数字地形指数的阈值方法可用于检测沟渠。但是，单一阈值通常无法捕捉景观的变化，并且会产生许多假阳性和假阴性。我们假设，通过使用监督学习结合数字地形指数，我们可以在景观尺度上改善沟渠检测。除了数字地形指数外，还可以通过转换数据以包含相邻单元来生成其他特征，以便更好地预测沟渠。随机森林分类器用于定位沟渠，并处理其概率输出以消除噪声，并进行二值化以产生最终的沟渠预测。评估图之间的 Cohen's Kappa 指数的置信区间为 [0.655 , 0.781]，置信度为 95%。研究表明，使用机器学习结合一系列数字地形指数的信息，可以提供一种有效的景观尺度自动沟渠检测技术，有助于实际的森林管理和应对气候变化。
国家咨询服务，用于准备Fuvahmulah City的数字高程模型
由气候变化部，环境与能源部（Moccee）代表的马尔代夫政府是欧盟联盟项目“预测海平面上升：从冰纸到当地含义的人”的成员。为项目实施工程收到的一部分用于“国家咨询服务，以准备Fuvahmulah City的数字高程模型”。该部现在邀请合格和合格竞标者的密封竞标，以供此咨询公司。
通过稳定地形的空间推断对数字高程模型进行不确定性分析
摘要 — 随着数字高程模型 (DEM) 的可用性和分辨率不断提高，对地球和行星表面高程的更大和更精细尺度的监测正在迅速发展。表面高程观测正被用于越来越多的领域，以研究地形属性及其随时间的变化，特别是在冰川学、水文学、火山学、地震学、林业和地貌学中。然而，DEM 通常包含大规模仪器噪声和不同的垂直精度，从而导致复杂的错误模式。在这里，我们提出了一个经过验证的统计工作流程来估计、建模和传播 DEM 中的不确定性。我们回顾了 DEM 准确度和精度分析的最新进展，并定义了一个概念框架来一致地解决这些问题。我们展示了如何通过量化高程测量的异方差来表征 DEM 精度，即随地形或传感器相关变量而变化的垂直精度，以及可能在多个空间尺度上发生的误差的空间相关性。随着高精度观测的日益普及，我们基于在稳定地形上获取的独立高程数据的工作流程几乎可以应用于地球上的任何地方。我们以地形坡度和冰川体积变化为例，说明了如何传播像素尺度和空间高程导数的不确定性。我们发现文献中大大低估了 DEM 中的不确定性，并主张新的 DEM 精度指标对于确保未来陆地高程评估的可靠性至关重要。
持续更新的数字高程模型 (CUDEM) 以支持沿海洪水建模
摘要：美国国家海洋和大气管理局 (NOAA) 国家环境信息中心 (NCEI) 生成从本地到全球范围的数字高程模型 (DEM)。总的来说，这些 DEM 对于确定沿海洪水的时间和范围以及改善社区准备、事件预报和预警系统至关重要。我们在 NCEI 启动了一个综合框架，即持续更新 DEM (CUDEM) 计划，其中包含无缝裸地、地形测深和测深 DEM，涵盖整个美国 (U.S.) 大西洋和墨西哥湾沿岸、夏威夷、美国领土和美国太平洋沿岸的部分地区。CUDEM 是目前公共领域中分辨率最高的整个美国大西洋和墨西哥湾沿岸的无缝描绘；沿海地形测深 DEM 的空间分辨率为 1/9 弧秒（~3 米），而离岸测深 DEM 则粗化为 1/3 弧秒（~10 米）。我们使用 NASA 的先进地形激光测高系统 (ATLAS) 仪器（该仪器安装在冰、云和陆地高程卫星 2 (ICESat-2) 观测站上）独立验证了 CUDEM 的陆地部分，并计算出相应的垂直平均偏差误差为 0.12 米 ± 0.75 米（一个标准差），总体 RMSE 为 0.76 米。我们使用免费开源软件 (FOSS) 通过标准化流程生成 CUDEM，并提供对我们代码存储库的开放访问。CUDEM 框架由系统化的平铺地理范围、空间分辨率以及水平和垂直基准组成，以便使用新的数据集合快速更新目标区域，尤其是风暴和海啸事件后。CUDEM 框架还能够将本地规模 DEM 中采集的高分辨率数据集合快速整合到 NOAA NCEI 的区域和全球 DEM 套件中。未来的研究工作将侧重于生成其他数据产品，例如空间明确的垂直误差估计和形态变化计算，以增强 CUDEM 计划的实用性和科学效益。
Guernsey年度温室气公告 2024013_SK_002提议的2楼计划 +高程
在1990年至2023年之间的运输排放量减少了34.9％（52.5kt的二氧化碳等效），在2022年至2023年之间增加了1.9％至97.9kt的二氧化碳等效物（见图4.1.3和表6.1.1.1至6.1.4）。在根西岛岛内，根西岛与其他王室依赖关系和英国之间的旅行包括在这些计算中。前往欧洲的旅行被归类为“国际掩体”，不包括在内。在2020年和2021年的大部分时间里，空气和海上旅行限制都适当，以减少19日的蔓延，这对航班和渡轮航行的数量产生了重大影响。在此期间，用于公路运输的汽油和柴油的数量也减少了，以及在岛上进行的公交旅行数量。可以在www.gov.gg/ff的事实和人物手册中找到更详细的空气，海上和公交乘客人数。
海平面上升的投影和数字高程模型的发展，以支持SLR决策
在过去的几十年中，海平面上升（SLR）已成为世界上岛屿和沿海国家的人们越来越关注的问题。SLR被认为是与气候变化有关的所有外部驱动因素中孟加拉国最大的威胁。再次，相当多的社会经济现实，例如，高密度的人口，高水平的贫困和生计依赖对气候敏感部门（农业，渔业和水资源）可能会加剧沿海孟加拉国沿海孟加拉国的SLR脆弱性。孟加拉国的海岸线很长，有19个沿海地区面对约400万人口的沿海地区。考虑到脆弱性，环境部（DOE）感到对SLR进行研究的紧迫性。2016年，基于潮汐量规数据，DOE通过趋势分析进行了一项关于“评估孟加拉国海岸海平面上升”的研究。但是，未安装现有的潮汐量规站，以监测海平面变化，因此，在该研究中发现不足以进行趋势分析。
法国阿尔卑斯山极端降雪的投影是高程和全球变暖水平的函数
摘要。在预计极端预言的预计增加之后，例如高纬度地区或高海拔高度时，寒冷地区可能会增加极端降雪。相比之下，在低至中等区域中，由于变暖条件，预计经历降雨而不是降雪的可能性会增加。然而，在山区，尽管可能存在这些对比趋势，但根据海拔的趋势，量化的降雪变化仍然很差。本文评估了在法国阿尔卑斯山的平均年度最大值和100年回报水平的大降雪和极端降雪的预计变化，这是海拔和全球温暖水平的函数。我们将最近的方法基于具有非平稳性极值模型的年度最大值的肛门，以从代表性的8.5（RCP8.5）场景下的20个调整后的一般循环模型 - 区域气候模型（GCM – RCM）对。对于法国阿尔卑斯山的23个地块中的每一个，在水文意义上（8月1日至7月31日）的最大值是从1951年到2100，每300 m的高度在900至3600 m之间。依赖于按块量表和所有按摩中的量表和平均年龄计算出的相对或绝对变化（在此对应于当前的气候条件（在此对应于 + 1℃）。在 + 4℃，平均年度最大值和100-总体而言，预计每日平均降雪年度最大值将降低到3000 m以下，并增加到3600 m以上，而100年的回报水平预计将降低到2400 m以下，并增加到3300 m以上。在介于两者之间的高度上，值平均预计会增加，直到 + 3℃全球变暖，然后降低。
高程：利用元素的产品，用于设计高效且轻巧的视觉变压器
我们引入了Elevit，这是一种新颖的视觉变压器，可用于图像处理任务。与可持续计算的趋势保持一致，高架可以解决对轻质和快速模型的需求，而不必通过主要使用元素智能产品而不是传统的矩阵乘法来重新定义多头注意机制，而不是损害多头注意机制。这种修改保留了敏捷功能，同时在卷积投影框架内启用多个多头大小块，从而导致具有较少参数和提高训练和推理效率的模型，尤其是对于模仿者复杂的数据集。针对最先进的视觉变形金刚的基准测试在低数据制度数据集（如CIFAR-10，CIFAR-100和TINY-IMAGENET-200）上展示了竞争性能。