- ASTER L2 Surface Radiance - VNIR and Crosstalk Corrected SWIR V003简介ASTER 地表辐射度可见近红外和串扰校正 SWIR (AST_09XT) 是一个多文件产品 (https://lpdaac.usgs.gov/documents/996/ASTER_Earthdata_Search_Order_Instructions... ASTER L2 Surface Radiance - VNIR and Crosstalk Corrected SWIR V003简介ASTER 地表辐射度可见近红外和串扰校正 SWIR (AST_09XT) 是一个多文件产品 (https://lpdaac.usgs.gov/documents/996/ASTER_Earthdata_Search_Order_Instructions...
- 本报告主要内容如下：1、全国气象概况（本月平均气温和降水量）；2、本月干旱情况概述；3、本月FYDI干旱指数分析；4、其他亚洲国家的本月干旱监测情况。2024年7月全国气象概况2024年7月份，全国平均气温为23.2℃，较常年同期偏高1.0℃，为1961年以来历史同期最高，全国大部分地区平均气温接近常年或偏高1～4℃（图1左），新疆东南部、江淮东南部、江南大部、华南北部等地高温日数较常... 本报告主要内容如下：1、全国气象概况（本月平均气温和降水量）；2、本月干旱情况概述；3、本月FYDI干旱指数分析；4、其他亚洲国家的本月干旱监测情况。2024年7月全国气象概况2024年7月份，全国平均气温为23.2℃，较常年同期偏高1.0℃，为1961年以来历史同期最高，全国大部分地区平均气温接近常年或偏高1～4℃（图1左），新疆东南部、江淮东南部、江南大部、华南北部等地高温日数较常...
- 简介大语言模型的英文全称为：Large Language Model，缩写为 LLM，也被称为大型语言模型，主要指的是在大规模文本语料上训练、包含百亿级别参数的语言模型，它用来做自然语言相关任务的深度学习模型。自然语言的相关任务简单理解为：给到模型一个文本输入，经过训练的模型会给出相应的输出文本。通常被用来解决常见的语言问题，如：文本分类、问答、总结和文本生成等。 大语言模型的局限性随着 ... 简介大语言模型的英文全称为：Large Language Model，缩写为 LLM，也被称为大型语言模型，主要指的是在大规模文本语料上训练、包含百亿级别参数的语言模型，它用来做自然语言相关任务的深度学习模型。自然语言的相关任务简单理解为：给到模型一个文本输入，经过训练的模型会给出相应的输出文本。通常被用来解决常见的语言问题，如：文本分类、问答、总结和文本生成等。 大语言模型的局限性随着 ...
- 简介gNATSGO（网格化国家土壤调查地理数据库）由于图像收集的范围和规模，该数据集将分批更新。 在采集和测试过程中，这些数据集将主要在内部人员专用数据集中提供。 一旦所有栅格集合都被采集，社区目录的所有用户都可以使用这些数据集。数据集说明gNATSGO（网格化国家土壤调查地理数据库）数据库是一个综合数据库，完整覆盖了美国所有地区和岛屿领土的最佳可用土壤信息。 本数据集仅提供栅格数据。 ... 简介gNATSGO（网格化国家土壤调查地理数据库）由于图像收集的范围和规模，该数据集将分批更新。 在采集和测试过程中，这些数据集将主要在内部人员专用数据集中提供。 一旦所有栅格集合都被采集，社区目录的所有用户都可以使用这些数据集。数据集说明gNATSGO（网格化国家土壤调查地理数据库）数据库是一个综合数据库，完整覆盖了美国所有地区和岛屿领土的最佳可用土壤信息。 本数据集仅提供栅格数据。 ...
- 加拿大森林生态系统高分辨率年度林地覆盖图（1984-2022 年）简介年度时间序列森林土地覆被图是全国性的（整个 6.5 亿公顷的森林生态系统），代表了从 1984 年到 2022 年每年从墙到墙的土地覆被特征。 这些时间序列土地覆被图是按照 Hermosilla 等人（2022 年）所述的框架，根据 Landsat 图像合成的年度时间序列、森林变化信息以及辅助地形和水文数据制作的，该框架... 加拿大森林生态系统高分辨率年度林地覆盖图（1984-2022 年）简介年度时间序列森林土地覆被图是全国性的（整个 6.5 亿公顷的森林生态系统），代表了从 1984 年到 2022 年每年从墙到墙的土地覆被特征。 这些时间序列土地覆被图是按照 Hermosilla 等人（2022 年）所述的框架，根据 Landsat 图像合成的年度时间序列、森林变化信息以及辅助地形和水文数据制作的，该框架...
- 加拿大卫星森林资源调查 (SBFI)简介卫星森林资源清查（SBFI）提供了 2020 年加拿大森林覆盖、干扰恢复、结构、物种、林分年龄以及 1985-2020 年林分替代干扰的信息。 SBFI 多边形代表了与战略森林资源清查中划定的林分相似的同质森林状况。 使用多分辨率分割算法对 2020 年大地遥感卫星表面反射 BAP 复合影像（30 米空间分辨率）、火灾年份和采伐年份图层进行了划分，... 加拿大卫星森林资源调查 (SBFI)简介卫星森林资源清查（SBFI）提供了 2020 年加拿大森林覆盖、干扰恢复、结构、物种、林分年龄以及 1985-2020 年林分替代干扰的信息。 SBFI 多边形代表了与战略森林资源清查中划定的林分相似的同质森林状况。 使用多分辨率分割算法对 2020 年大地遥感卫星表面反射 BAP 复合影像（30 米空间分辨率）、火灾年份和采伐年份图层进行了划分，...
- 简介国家结构清单国家结构清单（NSI）是一个数据库系统，其中包含不同质量和空间覆盖范围的结构清单。 NSI 数据库的目的是促进存储和共享用于评估和分析自然灾害的点式结构清单。 洪水风险是主要用途，但每个结构都有足够的数据来计算其他危害类型造成的损失和生命安全风险。 本文件介绍了国家结构清单数据结构以及生成 2022 年国家结构清单基础数据的过程。 国家结构清单基础图层由美国陆军工程兵部队... 简介国家结构清单国家结构清单（NSI）是一个数据库系统，其中包含不同质量和空间覆盖范围的结构清单。 NSI 数据库的目的是促进存储和共享用于评估和分析自然灾害的点式结构清单。 洪水风险是主要用途，但每个结构都有足够的数据来计算其他危害类型造成的损失和生命安全风险。 本文件介绍了国家结构清单数据结构以及生成 2022 年国家结构清单基础数据的过程。 国家结构清单基础图层由美国陆军工程兵部队...
- 简介加拿大 2023 年的野火季是加拿大现代史上单个火灾季燃烧面积最大的一次。 利用 "追踪年内和年际变化（TIIC）"算法，以 30 米的分辨率检测了 2023 年火灾季期间加拿大森林生态系统内发生的野火。 用于识别野火的时间序列数据来自 Sentinel-2A 和 -2B，以及 Landsat-8 和 -9。火灾根据探测时间分为两类：夏季火灾和秋季火灾。 夏季火灾的探测时间为 5 月... 简介加拿大 2023 年的野火季是加拿大现代史上单个火灾季燃烧面积最大的一次。 利用 "追踪年内和年际变化（TIIC）"算法，以 30 米的分辨率检测了 2023 年火灾季期间加拿大森林生态系统内发生的野火。 用于识别野火的时间序列数据来自 Sentinel-2A 和 -2B，以及 Landsat-8 和 -9。火灾根据探测时间分为两类：夏季火灾和秋季火灾。 夏季火灾的探测时间为 5 月...
- 简介城市热岛强度 (UHII)数据集说明城市热岛效应（UHI）的特点是城市地区局部变暖，是城市化对气候造成的一个重要后果。 传统的估算 UHI 强度（UHII）的方法受到一些限制，例如只关注晴空表面 UHII，而忽略了全天空表面和冠层（气温）UHII。 这些方法往往忽略了人为干扰，导致估算结果的不确定性。 为了克服这些挑战，本研究引入了一种新的动态等面积（DEA）方法，旨在通过动态循环过程... 简介城市热岛强度 (UHII)数据集说明城市热岛效应（UHI）的特点是城市地区局部变暖，是城市化对气候造成的一个重要后果。 传统的估算 UHI 强度（UHII）的方法受到一些限制，例如只关注晴空表面 UHII，而忽略了全天空表面和冠层（气温）UHII。 这些方法往往忽略了人为干扰，导致估算结果的不确定性。 为了克服这些挑战，本研究引入了一种新的动态等面积（DEA）方法，旨在通过动态循环过程...
- ASTER L2 Surface Temperature V00简介ASTER 地表动能温度 (AST_08) 是利用 8 至 12 µm 光谱范围内的五个热红外波段（白天或夜间获取）生成的 (https://lpdaac.usgs.gov/documents/996/ASTER_Earthdata_Search_Order_Instructions.pdf)。 它只包含陆地地区 90 ... ASTER L2 Surface Temperature V00简介ASTER 地表动能温度 (AST_08) 是利用 8 至 12 µm 光谱范围内的五个热红外波段（白天或夜间获取）生成的 (https://lpdaac.usgs.gov/documents/996/ASTER_Earthdata_Search_Order_Instructions.pdf)。 它只包含陆地地区 90 ...
- ASTER L2 Surface Reflectance VNIR and Crosstalk Corrected SWIR V003ASTER L2 表面反射率 VNIR 和串扰校正 SWIR V003简介ASTER 表面反射率 VNIR 和串扰校正 SWIR (AST_07XT) 数据集 (https://lpdaac.usgs.gov/documents/996/ASTER_Ear... ASTER L2 Surface Reflectance VNIR and Crosstalk Corrected SWIR V003ASTER L2 表面反射率 VNIR 和串扰校正 SWIR V003简介ASTER 表面反射率 VNIR 和串扰校正 SWIR (AST_07XT) 数据集 (https://lpdaac.usgs.gov/documents/996/ASTER_Ear...
- 2024年8月30日，上午10点的J1面签，我9点从学校出发，出了地铁站到了走到美国使领馆还得10分钟，过马路对面存包，包是30，光手机是10元，虽然我去的也算比较晚了，排队人依旧很多，主要是办理旅游签证的。拐角处先刷身份证，然后排队武警检查预约单和DS160以及护照信息，然后就是进里面排队，今天最高34度，你可以可以一直拿水到给你护照贴签的地方，过安检之前把水丢掉就行了。然后就是过安检，除... 2024年8月30日，上午10点的J1面签，我9点从学校出发，出了地铁站到了走到美国使领馆还得10分钟，过马路对面存包，包是30，光手机是10元，虽然我去的也算比较晚了，排队人依旧很多，主要是办理旅游签证的。拐角处先刷身份证，然后排队武警检查预约单和DS160以及护照信息，然后就是进里面排队，今天最高34度，你可以可以一直拿水到给你护照贴签的地方，过安检之前把水丢掉就行了。然后就是过安检，除...
- ASTER L2 Surface Reflectance SWIR and ASTER L2 Surface Reflectance VNIR V003ASTER L2 表面反射率 SWIR 和 ASTER L2 表面反射率 VNIR V003简介ASTER 表面反射率 VNIR 和 SWIR (AST_07) 数据产品 (https://lpdaac.usgs.gov/document... ASTER L2 Surface Reflectance SWIR and ASTER L2 Surface Reflectance VNIR V003ASTER L2 表面反射率 SWIR 和 ASTER L2 表面反射率 VNIR V003简介ASTER 表面反射率 VNIR 和 SWIR (AST_07) 数据产品 (https://lpdaac.usgs.gov/document...
- 使用Python实现智能建筑能效管理 使用Python实现智能建筑能效管理
- 基于深度学习的游客满意度分析与评论分析 介绍随着旅游业的不断发展，游客对旅游服务和体验的期望也在不断提高。为了更好地了解游客的需求和反馈，基于深度学习的游客满意度和评论分析成为了一个重要的研究方向。该技术通过对游客评论数据进行分析，从中提取有价值的信息，用以改进旅游服务质量。 应用使用场景酒店和住宿：分析游客对酒店设施、服务等方面的满意度。旅游景点：了解游客对景点的评价，帮助景点管理者作出... 基于深度学习的游客满意度分析与评论分析 介绍随着旅游业的不断发展，游客对旅游服务和体验的期望也在不断提高。为了更好地了解游客的需求和反馈，基于深度学习的游客满意度和评论分析成为了一个重要的研究方向。该技术通过对游客评论数据进行分析，从中提取有价值的信息，用以改进旅游服务质量。 应用使用场景酒店和住宿：分析游客对酒店设施、服务等方面的满意度。旅游景点：了解游客对景点的评价，帮助景点管理者作出...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签