Global Vision Media Focus
Das Unternehmen wurde insgesamt 15 Mal im chinesischen Staatsfernsehen CCTV erwähnt und erreichte über Parteimedien, zentrale Medien und lokale offizielle Medien insgesamt 50 Millionen Menschen.
Nachrichtenkategorien
Von groß angelegten Sprachmodellen bis hin zu multimodaler Fernerkundungsintelligenz
Dieser Artikel zeichnet die technologische Entwicklung großflächiger Modelle nach, von LLM und multimodalen großflächigen Modellen bis hin zu Fernerkundungsmodellen und Fernerkundungsagenten. Er stellt grundlegende Fernerkundungsmodelle wie EarthGPT, GeoChat, Prithvi und SkySense vor und untersucht die Fusion von Fernerkundungsdaten aus verschiedenen Quellen sowie die Kombination von RAG- und GIS-Werkzeugen für intelligente Fernerkundungsanwendungen in Ökologie, Landwirtschaft und Katastrophenmanagement.
Berechnung der hyperspektralen Eintrittspupillenstrahlungssimulation und Überprüfung des Kalibrierungsfeldes
Die Vorwärtssimulation der Eintrittspupillenstrahlung der hyperspektralen Nutzlast erfolgte auf Basis des MODTRAN-Modells. Die Validierung wurde mit RadCalNet-Daten des automatischen Kalibrierungsfelds Gobabeb durchgeführt. Das Modell erreichte über das gesamte Spektralband einen RMSE-Wert von 0,0192 und einen R²-Wert von 0,9623 und eignet sich somit für die radiometrische Kalibrierung und Fehleranalyse der hyperspektralen Nutzlast im Orbit.
Die „Offenbarung“ von Spartina alterniflora: Ein dreistufiger Prozess von der Grobextraktion zur verfeinerten Identifizierung
Auf Basis hyperspektraler Daten des Satelliten ZY-1 02E und unter Einbeziehung zeitlicher optischer Daten von Sentinel-2 sowie Radardaten von Sentinel-1 wurde ein dreistufiges Verfahren aus Random Forest, phänologischen Regeln und SNIC-Superpixel-Segmentierung angewendet, um eine präzise Fernerkundung von Spartina alterniflora entlang der Küste Fujians zu ermöglichen. Die Ergebnisse liefern räumliche Unterstützung für das ökologische Management von Feuchtgebieten.
Ein Überblick über die Klassifizierung hyperspektraler Bilder: Von CNN und Transformer bis hin zu Mamba
In diesem Beitrag wird die vollständige Entwicklung der hyperspektralen Bildklassifizierung skizziert, die Vor- und Nachteile von traditionellem maschinellem Lernen, Convolutional Neural Networks, Transformer und Mamba-Zustandsraummodellen verglichen, Standard-Datensätze vorgestellt, bestehende Herausforderungen wie Stichprobenknappheit und unzureichende Generalisierung analysiert und zukünftige Entwicklungsrichtungen für Few-Shot- und selbstüberwachtes Lernen diskutiert.
Die hyperspektrale Kompression darf nicht allein anhand der „Ähnlichkeit“, sondern muss auch anhand der „Trennbarkeit“ beurteilt werden.
Pixelgenaue Identifizierung und Extraktion von Mohnblumen anhand multitemporaler und multispektraler Fernerkundungsbilder
Warum ist hyperspektrale Kompression wichtig? Von Hunderten von Bändern zu wenigen Merkmalen (Teil 1)
Wenn panchromatische auf hyperspektrale Technologie trifft: Die Entwicklung und Reflexion über einen Fusionsweg
Es wurde ein Simulationsmodell eines Methan-Spektrointerferometers auf Basis von GHGSat-D erstellt.
Ausgehend vom Methan-Detektionssatelliten GHGSat-D wurde auf Basis des Fabry-Pérot-Interferometerprinzips ein vollständiges numerisches Simulationsmodell erstellt, das atmosphärischen Strahlungstransport, optisches System und Detektorantwort umfasst und technische Unterstützung für die Entwicklung von Inversionsalgorithmen für die Methan-Fernerkundung sowie die Optimierung von Nutzlastindikatoren bietet.
