- 简介中国雪深长时间序列数据集（1979-2020）提供1979年1月1日到2020年12月31日逐日的中国范围的积雪厚度分布数据，其空间分辨率为25km，是“中国雪深长时间序列数据集（1978-2012）”的升级版本。前言 – 人工智能教程用于反演该雪深数据集的原始数据来自美国国家雪冰数据中心（NSIDC）处理的SMMR（1979-1987年)，SSM/I（1987-2007年)和SSMI... 简介中国雪深长时间序列数据集（1979-2020）提供1979年1月1日到2020年12月31日逐日的中国范围的积雪厚度分布数据，其空间分辨率为25km，是“中国雪深长时间序列数据集（1978-2012）”的升级版本。前言 – 人工智能教程用于反演该雪深数据集的原始数据来自美国国家雪冰数据中心（NSIDC）处理的SMMR（1979-1987年)，SSM/I（1987-2007年)和SSMI...
- 简介：中国陆地生态系统服务价值空间分布产品是以全国陆地生态系统类型遥感分类为基础，生态系统类型包括：旱地、农田、针叶林、针阔混交林、阔叶林、灌木林、草原、灌草丛、草甸、湿地、荒漠、裸地、水系、冰川积雪、人工表面（包括建筑用地、工矿用地）15个二级类（农田、森林、草地、湿地、荒漠、水域6个一级类）。前言 – 人工智能教程参考谢高地等生态服务价值当量因子法，依据全国净初级生产力NPP、降水量... 简介：中国陆地生态系统服务价值空间分布产品是以全国陆地生态系统类型遥感分类为基础，生态系统类型包括：旱地、农田、针叶林、针阔混交林、阔叶林、灌木林、草原、灌草丛、草甸、湿地、荒漠、裸地、水系、冰川积雪、人工表面（包括建筑用地、工矿用地）15个二级类（农田、森林、草地、湿地、荒漠、水域6个一级类）。前言 – 人工智能教程参考谢高地等生态服务价值当量因子法，依据全国净初级生产力NPP、降水量...
- 简介：中国长序列地表冻融数据集——双指标算法(1978-2015)采用SMMR（1978-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）逐日亮温数据，由双指标（TB,37v，SG）冻融判别算法生成。前言 – 人工智能教程分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为中国大陆主体部分，空间分辨率为25.067525 km，EASE-Grid... 简介：中国长序列地表冻融数据集——双指标算法(1978-2015)采用SMMR（1978-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）逐日亮温数据，由双指标（TB,37v，SG）冻融判别算法生成。前言 – 人工智能教程分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为中国大陆主体部分，空间分辨率为25.067525 km，EASE-Grid...
- 简介：植被功能型（PFT）是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合，每一种植被功能型共享相似的植物属性，是将植物种的多样性简化为植物功能和结构的多样性,用以预测全球变化情景下生态系统结构与功能的变化。前言 – 人工智能教程目前，植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型，如美国国家大气研究中心（NCAR）的陆面过程模型已... 简介：植被功能型（PFT）是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合，每一种植被功能型共享相似的植物属性，是将植物种的多样性简化为植物功能和结构的多样性,用以预测全球变化情景下生态系统结构与功能的变化。前言 – 人工智能教程目前，植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型，如美国国家大气研究中心（NCAR）的陆面过程模型已...
- 简介：中国区域地面气象要素驱动数据年度合成产品，包括近地面气温、近地面气压、近地面空气比湿、近地面全速、地面向下短波辐射、地面向下长波辐射、地面降水率共7个要素。数据为NETCDF格式，时间分辨率为年，水平空间分辨率为0.1°。可为中国区陆面过程模拟提供驱动数据。前言 – 人工智能教程气象要素是指大气层中各种物理量或者化学成分，它们是描述大气现象和气象预报的基本单位和要素，主要包括以下几个... 简介：中国区域地面气象要素驱动数据年度合成产品，包括近地面气温、近地面气压、近地面空气比湿、近地面全速、地面向下短波辐射、地面向下长波辐射、地面降水率共7个要素。数据为NETCDF格式，时间分辨率为年，水平空间分辨率为0.1°。可为中国区陆面过程模拟提供驱动数据。前言 – 人工智能教程气象要素是指大气层中各种物理量或者化学成分，它们是描述大气现象和气象预报的基本单位和要素，主要包括以下几个...
- 简介：中国区域2000至2022年月度植被覆盖度产品的空间分辨率250米，合成方式采用月最大值合成。本产品采用基于归一化植被指数（NDVI）像元二分模型，根据土地利用类型确定纯植被像元值和纯裸土像元值，计算中去除湖泊、河流、冰川/永久积雪等区域，实现植被覆盖度计算。通过时空变化趋势分析检验法分析，该数据集符合时间变化趋势和空间变化趋势。前言 – 人工智能教程植被覆盖度是指在某一区域内，植物... 简介：中国区域2000至2022年月度植被覆盖度产品的空间分辨率250米，合成方式采用月最大值合成。本产品采用基于归一化植被指数（NDVI）像元二分模型，根据土地利用类型确定纯植被像元值和纯裸土像元值，计算中去除湖泊、河流、冰川/永久积雪等区域，实现植被覆盖度计算。通过时空变化趋势分析检验法分析，该数据集符合时间变化趋势和空间变化趋势。前言 – 人工智能教程植被覆盖度是指在某一区域内，植物...
- 简介：中国30米年度土地覆盖产品（annual China Land Cover Dataset, CLCD）是基于三十万景Landsat影像，结合现有产品自动稳定样本和目视解译样本生产获得。前言 – 人工智能教程该数据集基于5463个独立参考样本，产品整体精度为79.31% 。该数据集反映了中国快速的城市化和一系列生态工程，揭示了在气候变化下人类活动对区域地表覆盖的影响。土地覆盖和土地利... 简介：中国30米年度土地覆盖产品（annual China Land Cover Dataset, CLCD）是基于三十万景Landsat影像，结合现有产品自动稳定样本和目视解译样本生产获得。前言 – 人工智能教程该数据集基于5463个独立参考样本，产品整体精度为79.31% 。该数据集反映了中国快速的城市化和一系列生态工程，揭示了在气候变化下人类活动对区域地表覆盖的影响。土地覆盖和土地利...
- 简介：中国逐年干燥度指数，空间分辨率为1km，时间为1901-2022，为比值，没有单位。该数据集是基于中国1km逐月潜在蒸散发（PET）和降水量（PRE）采用比值法计算式得到（年AI =年PET/年PRE）。AI是表征一个地区干湿程度的指标，一般来说，根据AI分类可以概括地把区域分为湿润（AI<1，相当于森林）、半湿润（AI在1-1.5，相当于森林草原）、半干旱（AI在1.5-4，相当... 简介：中国逐年干燥度指数，空间分辨率为1km，时间为1901-2022，为比值，没有单位。该数据集是基于中国1km逐月潜在蒸散发（PET）和降水量（PRE）采用比值法计算式得到（年AI =年PET/年PRE）。AI是表征一个地区干湿程度的指标，一般来说，根据AI分类可以概括地把区域分为湿润（AI<1，相当于森林）、半湿润（AI在1-1.5，相当于森林草原）、半干旱（AI在1.5-4，相当...
- 简介：中国1km土壤特征数据集（2010）是基于第二次全国土壤调查的中国1:1000000比例尺土壤图和8595个土壤剖面图，以及美国农业部（USDA）中国区域土地和气候模拟标准，开发了一个多层土壤粒度分布数据集（砂、粉土和粘土含量）。采用多边形链接方法，结合土壤剖面和地图多边形之间的距离、剖面的样本大小和土壤分类信息，推导出砂、粉土和粘土的含量分布图。该数据集分辨率为1公里，可用于区域范... 简介：中国1km土壤特征数据集（2010）是基于第二次全国土壤调查的中国1:1000000比例尺土壤图和8595个土壤剖面图，以及美国农业部（USDA）中国区域土地和气候模拟标准，开发了一个多层土壤粒度分布数据集（砂、粉土和粘土含量）。采用多边形链接方法，结合土壤剖面和地图多边形之间的距离、剖面的样本大小和土壤分类信息，推导出砂、粉土和粘土的含量分布图。该数据集分辨率为1公里，可用于区域范...
- 简介：中国逐月降水量数据集（1901-2021）是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国地区降尺度生成的。使用了496个独立气象观测点数据进行验证，验证结果可信。数据集的空间分辨率为0.0083333°（约1km），降水单位为0.1mm，包含全国主要陆地（包含港澳台地区），不含南海岛礁等区域。https:... 简介：中国逐月降水量数据集（1901-2021）是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国地区降尺度生成的。使用了496个独立气象观测点数据进行验证，验证结果可信。数据集的空间分辨率为0.0083333°（约1km），降水单位为0.1mm，包含全国主要陆地（包含港澳台地区），不含南海岛礁等区域。https:...
- 简介：中国1km分辨率月最低温和高温度数据集（1901-2020）是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国地区降尺度生成的。使用了496个独立气象观测点数据进行验证，验证结果可信。数据集的空间分辨率为0.0083333°（约1km），时间为1901.1-2020.12，数据单位为0.1℃。包含全国主要陆地... 简介：中国1km分辨率月最低温和高温度数据集（1901-2020）是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国地区降尺度生成的。使用了496个独立气象观测点数据进行验证，验证结果可信。数据集的空间分辨率为0.0083333°（约1km），时间为1901.1-2020.12，数据单位为0.1℃。包含全国主要陆地...
- 简介长序列高时空分辨率月尺度温度和降水数据集，基于中国及周边国家共1153个气温站点和1202个降水站点数据，利用ANUSPLIN软件插值，重建了1951−2011年中国月值气温和降水量的高空间分辨率0.025°（~2.5km）格点数据集（简称LZU0025）。LZU0025可作为研究全球气候变化下区域气候变化和精准农业气候的基础数据。基于ANUSPLIN插值后的月值气象要素.nc文件包括... 简介长序列高时空分辨率月尺度温度和降水数据集，基于中国及周边国家共1153个气温站点和1202个降水站点数据，利用ANUSPLIN软件插值，重建了1951−2011年中国月值气温和降水量的高空间分辨率0.025°（~2.5km）格点数据集（简称LZU0025）。LZU0025可作为研究全球气候变化下区域气候变化和精准农业气候的基础数据。基于ANUSPLIN插值后的月值气象要素.nc文件包括...
- 简介：中国高分辨率高质量地面臭氧数据集（2013-2020，日值）利用人工智能技术，以太阳辐射强度和空气温度为主要预测因子，结合地基观测、大气再分析和排放清单等大数据生产得到2013年至2020年全国无缝隙地面最大8小时滑动平均O3数据。数据十折交叉验证决定系数R2为0.87，均方根误差RMSE为17.1 µg/m3。主要范围为整个中国地区，空间分辨率为10 km，单位为µg/m3。前言... 简介：中国高分辨率高质量地面臭氧数据集（2013-2020，日值）利用人工智能技术，以太阳辐射强度和空气温度为主要预测因子，结合地基观测、大气再分析和排放清单等大数据生产得到2013年至2020年全国无缝隙地面最大8小时滑动平均O3数据。数据十折交叉验证决定系数R2为0.87，均方根误差RMSE为17.1 µg/m3。主要范围为整个中国地区，空间分辨率为10 km，单位为µg/m3。前言...
- 中国高分辨率高质量地面二氧化硫数据集（2013-2020，日/月/年）利用人工智能技术，考虑了空气污染的时空异质特性，从大数据（如地基观测、卫星遥感产品、大气再分析和模式模拟资料等）中生产得到2013年至2020年全国无缝隙地面SO2数据，数据十折交叉验证决定系数R2为0.84，均方根误差RMSE为10.07 µg/m3。主要范围为整个中国地区，空间分辨率为10km。https://ww... 中国高分辨率高质量地面二氧化硫数据集（2013-2020，日/月/年）利用人工智能技术，考虑了空气污染的时空异质特性，从大数据（如地基观测、卫星遥感产品、大气再分析和模式模拟资料等）中生产得到2013年至2020年全国无缝隙地面SO2数据，数据十折交叉验证决定系数R2为0.84，均方根误差RMSE为10.07 µg/m3。主要范围为整个中国地区，空间分辨率为10km。https://ww...
- 简介一氧化碳（CO）是一种无色、无味、无臭的气体，由一分子碳和一分子氧组成。它是一种有毒气体，在高浓度下容易危及人体健康，可以影响心脏、中枢神经系统和呼吸系统的正常功能。一氧化碳是一种主要的空气污染物之一，通常由机动车辆、燃烧化石燃料的工业过程和家庭烹饪所产生。在室内空气中长期超标也会影响人体健康。因此，应该采取措施减少一氧化碳的排放和室内积聚。前言 – 人工智能教程中国高分辨率高质量地... 简介一氧化碳（CO）是一种无色、无味、无臭的气体，由一分子碳和一分子氧组成。它是一种有毒气体，在高浓度下容易危及人体健康，可以影响心脏、中枢神经系统和呼吸系统的正常功能。一氧化碳是一种主要的空气污染物之一，通常由机动车辆、燃烧化石燃料的工业过程和家庭烹饪所产生。在室内空气中长期超标也会影响人体健康。因此，应该采取措施减少一氧化碳的排放和室内积聚。前言 – 人工智能教程中国高分辨率高质量地...
上滑加载中
推荐直播
-
-
华为AI技术发展与挑战：集成需求分析的实战指南2024/11/26 周二 18:20-20:20
Alex 华为云学堂技术讲师
本期直播将综合讨论华为AI技术的发展现状，技术挑战，并深入探讨华为AI应用开发过程中的需求分析过程，从理论到实践帮助开发者快速掌握华为AI应用集成需求的框架和方法。
去报名 -
华为云DataArts+DWS助力企业数据治理一站式解决方案及应用实践2024/11/27 周三 16:30-18:00
Walter.chi 华为云数据治理DTSE技术布道师
想知道数据治理项目中，数据主题域如何合理划分？数据标准及主数据标准如何制定？数仓分层模型如何合理规划？华为云DataArts+DWS助力企业数据治理项目一站式解决方案和应用实践告诉您答案！本期将从数据趋势、数据治理方案、数据治理规划及落地，案例分享四个方面来助力企业数据治理项目合理咨询规划及顺利实施。
去报名
热门标签