- ATom: CAM-chem/CESM2 Model Outputs Along Flight Tracks, 2016-2018ATom：2016-2018 年沿飞行轨迹的 CAM-chem/CESM2 模型输出简介该数据集包含沿 ATom 飞行轨迹的 CAM-chem（带化学的共同体大气模型）模型输出。 CAM-chem 是共同体地球系统模式第二版（CESM2）的一个组成部分，用于模... ATom: CAM-chem/CESM2 Model Outputs Along Flight Tracks, 2016-2018ATom：2016-2018 年沿飞行轨迹的 CAM-chem/CESM2 模型输出简介该数据集包含沿 ATom 飞行轨迹的 CAM-chem（带化学的共同体大气模型）模型输出。 CAM-chem 是共同体地球系统模式第二版（CESM2）的一个组成部分，用于模...
- ATom: Cloud and Coarse Aerosol Measurements from CAPS Instrument, 2016-2018ATom：2016-2018 年来自 CAPS 仪器的云和粗气溶胶测量数据简介该数据集包含维也纳大学第二代云气溶胶和降水分光仪（CAPS）仪器在2016年至2018年的四次ATom活动中测量的云类型和粗气溶胶含量，该仪器安装在NASA DC... ATom: Cloud and Coarse Aerosol Measurements from CAPS Instrument, 2016-2018ATom：2016-2018 年来自 CAPS 仪器的云和粗气溶胶测量数据简介该数据集包含维也纳大学第二代云气溶胶和降水分光仪（CAPS）仪器在2016年至2018年的四次ATom活动中测量的云类型和粗气溶胶含量，该仪器安装在NASA DC...
- ATom: In Situ Tropical Aerosol Properties and Comparable Global Model Outputs简介该数据集提供了（1）在NASA空中大气层层析（ATom）活动期间，收集的太平洋和大西洋遥远热带地区的原位气溶胶颗粒属性测量结果，适用于ATom-1和ATom-2，以及（2）来自四个化学传输模型的可比气溶胶属性、气候化学和气象的建模输... ATom: In Situ Tropical Aerosol Properties and Comparable Global Model Outputs简介该数据集提供了（1）在NASA空中大气层层析（ATom）活动期间，收集的太平洋和大西洋遥远热带地区的原位气溶胶颗粒属性测量结果，适用于ATom-1和ATom-2，以及（2）来自四个化学传输模型的可比气溶胶属性、气候化学和气象的建模输...
- ATom_ATHOS_Instrument_Data_V2_1930ATom：机载对流层氢氧化物传感器（ATHOS）的测量结果，V2简介该数据集提供了机载对流层氢氧化物传感器（ATHOS）在 ATom 1-4 活动期间测量的氢氧化物混合比。 ATHOS 使用激光诱导荧光 (LIF) 同时测量氢氧化物 (OH) 和氢过氧化物 (HO2)。 测量包括氢氧化物和氢过氧化物的混合比，以及通过化学... ATom_ATHOS_Instrument_Data_V2_1930ATom：机载对流层氢氧化物传感器（ATHOS）的测量结果，V2简介该数据集提供了机载对流层氢氧化物传感器（ATHOS）在 ATom 1-4 活动期间测量的氢氧化物混合比。 ATHOS 使用激光诱导荧光 (LIF) 同时测量氢氧化物 (OH) 和氢过氧化物 (HO2)。 测量包括氢氧化物和氢过氧化物的混合比，以及通过化学...
- ATom: L2 In Situ Measurements from the NCAR Airborne Oxygen Instrument (AO2), V2ATom：来自 NCAR 机载氧气仪器 (AO2) 的 L2 现场测量数据，V2简介该数据集提供了美国国家航空航天局（NASA）的大气层断层扫描（ATom）任务在机载活动期间由 NCAR 机载氧气仪器（AO2）测量的原位大气氧气和... ATom: L2 In Situ Measurements from the NCAR Airborne Oxygen Instrument (AO2), V2ATom：来自 NCAR 机载氧气仪器 (AO2) 的 L2 现场测量数据，V2简介该数据集提供了美国国家航空航天局（NASA）的大气层断层扫描（ATom）任务在机载活动期间由 NCAR 机载氧气仪器（AO2）测量的原位大气氧气和...
- 简介注（2024-04-19）： 由于哥白尼气候数据存储的现代化工作受到影响，ECMWF 数据集的生产可能会中断。 提供商未说明计划完成日期，详情请参见用户论坛。 ERA5-陆地是一个再分析数据集，以比ERA5更高的分辨率提供了几十年陆地变量演变的一致视图。 ERA5-陆地是通过重放 ECMWF ERA5 气候再分析的陆地部分而生成的。 再分析利用物理定律将模式数据与世界各地的观测数据相结合... 简介注（2024-04-19）： 由于哥白尼气候数据存储的现代化工作受到影响，ECMWF 数据集的生产可能会中断。 提供商未说明计划完成日期，详情请参见用户论坛。 ERA5-陆地是一个再分析数据集，以比ERA5更高的分辨率提供了几十年陆地变量演变的一致视图。 ERA5-陆地是通过重放 ECMWF ERA5 气候再分析的陆地部分而生成的。 再分析利用物理定律将模式数据与世界各地的观测数据相结合...
- ATTREX-Aircraft_navigational_and_meteorological_Measurements简介ATTREX-飞机导航和气象测量是在全球鹰无人机系统（UAS）上收集的原位导航和气象测量数据，这些数据是在空中热带对流层顶实验（ATTREX）活动期间收集的。该数据集包括在2011年和2013年加利福尼亚州的部署以及2014年关岛的部署期间，由气象测量系统（MMS）... ATTREX-Aircraft_navigational_and_meteorological_Measurements简介ATTREX-飞机导航和气象测量是在全球鹰无人机系统（UAS）上收集的原位导航和气象测量数据，这些数据是在空中热带对流层顶实验（ATTREX）活动期间收集的。该数据集包括在2011年和2013年加利福尼亚州的部署以及2014年关岛的部署期间，由气象测量系统（MMS）...
- 本报告通过对2024年9月中国及周边部分亚洲国家干旱情况的监测统计分析，展示了我公司干旱监测产品的按区域持续精准监测以及未来预测能力。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9月全国气象概况2024年9月份，全国平均气温为18.3℃，较常年同期偏高1.6℃；全国大部农... 本报告通过对2024年9月中国及周边部分亚洲国家干旱情况的监测统计分析，展示了我公司干旱监测产品的按区域持续精准监测以及未来预测能力。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9月全国气象概况2024年9月份，全国平均气温为18.3℃，较常年同期偏高1.6℃；全国大部农...
- ATTREX-Aircraft_insitu_Cloud_property_MeasurementsATTREX-飞机原位云属性测量系统简介ATTREX-飞机在位云层属性测量是在空中热带对流层顶实验（ATTREX）活动期间，在全球鹰无人机系统（UAS）上收集的在位云层测量。这一收集包括在2011年和2013年加利福尼亚州部署期间，以及2014年在关岛部署期间，由Hawkeye-FCDP（... ATTREX-Aircraft_insitu_Cloud_property_MeasurementsATTREX-飞机原位云属性测量系统简介ATTREX-飞机在位云层属性测量是在空中热带对流层顶实验（ATTREX）活动期间，在全球鹰无人机系统（UAS）上收集的在位云层测量。这一收集包括在2011年和2013年加利福尼亚州部署期间，以及2014年在关岛部署期间，由Hawkeye-FCDP（...
- 简介要提取AI采样区域内的林地，可以使用遥感影像和图像处理技术来完成。以下是一种可能的方法：获取高分辨率遥感影像：使用卫星或无人机获取高分辨率的遥感影像，确保影像能够清晰地显示采样区域内的地表特征。影像预处理：对获取的遥感影像进行预处理，包括辐射校正、大气校正和几何校正等。这些处理步骤可以提高影像的质量，并消除遥感数据中的一些噪声和偏差。影像分割：将预处理后的遥感影像进行分割，将图像分成具... 简介要提取AI采样区域内的林地，可以使用遥感影像和图像处理技术来完成。以下是一种可能的方法：获取高分辨率遥感影像：使用卫星或无人机获取高分辨率的遥感影像，确保影像能够清晰地显示采样区域内的地表特征。影像预处理：对获取的遥感影像进行预处理，包括辐射校正、大气校正和几何校正等。这些处理步骤可以提高影像的质量，并消除遥感数据中的一些噪声和偏差。影像分割：将预处理后的遥感影像进行分割，将图像分成具...
- 简介AI技术可以应用于风机检测和识别的任务中，以实现自动化和智能化的风机监控。以下是AI采样区域的风机检测和识别的一般步骤：数据采集：收集风机的各种图像或视频数据，可以包括正常运行状态下的风机图像、故障状态下的风机图像等。数据预处理：对采集到的数据进行预处理，包括图像的去噪、图像增强、图像标注等。特征提取：使用前沿的计算机视觉算法，例如卷积神经网络（CNN），对图像数据进行特征提取。通过训... 简介AI技术可以应用于风机检测和识别的任务中，以实现自动化和智能化的风机监控。以下是AI采样区域的风机检测和识别的一般步骤：数据采集：收集风机的各种图像或视频数据，可以包括正常运行状态下的风机图像、故障状态下的风机图像等。数据预处理：对采集到的数据进行预处理，包括图像的去噪、图像增强、图像标注等。特征提取：使用前沿的计算机视觉算法，例如卷积神经网络（CNN），对图像数据进行特征提取。通过训...
- 简介光伏面板提取是一种将光伏面板从图像或视频中准确地分割出来的任务，可以通过使用深度学习算法来实现。以下是一种基于深度学习的光伏面板提取的实现步骤：1. 数据准备：收集足够的包含光伏面板的图像或视频数据集，并手动标注光伏面板的位置信息。2. 数据预处理：对数据进行预处理，包括图像大小调整、色彩空间转换、数据增强等，以提高算法的鲁棒性和泛化能力。3. 构建模型：选择合适的深度学习模型，如基于... 简介光伏面板提取是一种将光伏面板从图像或视频中准确地分割出来的任务，可以通过使用深度学习算法来实现。以下是一种基于深度学习的光伏面板提取的实现步骤：1. 数据准备：收集足够的包含光伏面板的图像或视频数据集，并手动标注光伏面板的位置信息。2. 数据预处理：对数据进行预处理，包括图像大小调整、色彩空间转换、数据增强等，以提高算法的鲁棒性和泛化能力。3. 构建模型：选择合适的深度学习模型，如基于...
- 简介AI实现道路提取分析是指利用人工智能技术，通过对图像或地理数据的处理和分析，自动识别和提取道路信息。实现道路提取分析的关键步骤包括：1. 数据准备：收集或获取包含道路信息的图像或地理数据。2. 数据预处理：对数据进行预处理，如图像去噪、图像增强、地理数据格式转换等。3. 特征提取：利用机器学习技术，提取图像或地理数据中与道路相关的特征。4. 道路识别：使用机器学习算法对数据进行分类和判别... 简介AI实现道路提取分析是指利用人工智能技术，通过对图像或地理数据的处理和分析，自动识别和提取道路信息。实现道路提取分析的关键步骤包括：1. 数据准备：收集或获取包含道路信息的图像或地理数据。2. 数据预处理：对数据进行预处理，如图像去噪、图像增强、地理数据格式转换等。3. 特征提取：利用机器学习技术，提取图像或地理数据中与道路相关的特征。4. 道路识别：使用机器学习算法对数据进行分类和判别...
- 简介AI可以通过图像处理和机器学习算法实现地块提取。首先，AI可以对高分辨率遥感图像进行预处理，包括图像校正和去噪等处理。然后，AI可以使用图像分割算法，如卷积神经网络（CNN）或区域生长算法，来将图像分割成不同的区域。接下来，AI可以根据区域的特征，如颜色、纹理和形状等，将相邻的区域合并成地块。最后，AI可以使用基于规则的方法，如阈值或形态学操作，来进一步筛选和优化提取的地块。通过这些步... 简介AI可以通过图像处理和机器学习算法实现地块提取。首先，AI可以对高分辨率遥感图像进行预处理，包括图像校正和去噪等处理。然后，AI可以使用图像分割算法，如卷积神经网络（CNN）或区域生长算法，来将图像分割成不同的区域。接下来，AI可以根据区域的特征，如颜色、纹理和形状等，将相邻的区域合并成地块。最后，AI可以使用基于规则的方法，如阈值或形态学操作，来进一步筛选和优化提取的地块。通过这些步...
- 中科星图GVE（案例）——AI实现光伏选址简介光伏选址是一项复杂而重要的任务，需要考虑多个因素，包括地形地貌、气候条件、土地利用情况、附近电网的容量和可靠性等。人工智能可以帮助优化光伏选址过程，以下是一些AI算法和技术可以应用于光伏选址：数据分析和模型预测：使用机器学习算法对大量的历史气象数据和土地利用数据进行分析，建立气候条件和土地适宜度的预测模型。这些模型可以预测未来一段时间内的太阳辐... 中科星图GVE（案例）——AI实现光伏选址简介光伏选址是一项复杂而重要的任务，需要考虑多个因素，包括地形地貌、气候条件、土地利用情况、附近电网的容量和可靠性等。人工智能可以帮助优化光伏选址过程，以下是一些AI算法和技术可以应用于光伏选址：数据分析和模型预测：使用机器学习算法对大量的历史气象数据和土地利用数据进行分析，建立气候条件和土地适宜度的预测模型。这些模型可以预测未来一段时间内的太阳辐...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
即将直播
热门标签