Enfoque de los medios de comunicación de Global Vision
La empresa apareció en CCTV un total de 15 veces, y su alcance a través de los medios del Partido, los medios centrales y los medios oficiales locales llegó a un total de 50 millones de personas.
Categorías de noticias
Desde modelos de lenguaje a gran escala hasta inteligencia de teledetección multimodal
Este artículo analiza la evolución tecnológica de los modelos a gran escala, desde los modelos lineales generalizados (LLM) y los modelos multimodales a gran escala hasta los modelos de teledetección a gran escala y los agentes de teledetección. Presenta modelos básicos de teledetección como EarthGPT, GeoChat, Prithvi y SkySense, y explora la fusión de datos de teledetección de múltiples fuentes y la combinación de herramientas RAG y SIG para aplicaciones inteligentes de teledetección en ecología, agricultura y gestión de desastres.
Cálculo de simulación de la radiancia de la pupila de entrada hiperespectral y verificación en campo de calibración
La simulación directa de la radiancia de la pupila de entrada de la carga útil hiperespectral se realizó con el modelo MODTRAN. La validación se completó utilizando datos de RadCalNet del campo de calibración automática de Gobabeb. El modelo obtuvo un RMSE de 0,0192 y un R² de 0,9623 en toda la banda, lo que permite la calibración radiométrica en órbita y el seguimiento de errores de la carga útil hiperespectral.
La "revelación" de Spartina alterniflora: un proceso de tres pasos desde la extracción inicial hasta la identificación precisa.
Basándose en datos hiperespectrales ZY-1 02E e integrando datos ópticos temporales de Sentinel-2 y datos de radar de Sentinel-1, se adoptó un método de tres pasos (bosque aleatorio, reglas fenológicas y segmentación de superpíxeles SNIC) para lograr una identificación precisa mediante teledetección de Spartina alterniflora a lo largo de la costa de Fujian. Los resultados pueden proporcionar información espacial para la gestión ecológica de los humedales.
Una revisión de la clasificación de imágenes hiperespectrales: de CNN y Transformer a Mamba
Este artículo describe el desarrollo completo de la clasificación de imágenes hiperespectrales, compara las ventajas y desventajas del aprendizaje automático tradicional, las redes neuronales convolucionales, Transformer y los modelos de espacio de estados Mamba, presenta conjuntos de datos públicos estándar, analiza los desafíos existentes, como la escasez de muestras y la generalización insuficiente, y discute las futuras direcciones de desarrollo para el aprendizaje con pocos ejemplos y el aprendizaje autosupervisado.
La compresión hiperespectral no puede juzgarse únicamente por la "similitud", sino también por la "separabilidad".
Identificación y extracción de amapolas a nivel de píxel a partir de imágenes de teledetección multitemporales y multiespectrales.
¿Por qué es importante la compresión hiperespectral? De cientos de bandas a unas pocas características (Parte 1)
Cuando lo pancromático se encuentra con lo hiperespectral: la evolución y la reflexión en una ruta de fusión.
Se estableció un modelo de simulación de un espectrointerferómetro de metano basado en GHGSat-D.
Tomando como objeto de estudio el satélite de detección de metano GHGSat-D, se construyó un modelo de simulación numérica completo que incluye la transferencia radiativa atmosférica, el sistema óptico y la respuesta del detector, basado en el principio del interferómetro Fabry-Pérot, lo que proporciona apoyo técnico para el desarrollo de algoritmos de inversión de teledetección de metano y la optimización de los indicadores de carga útil.
