- 博客(39)
- 收藏
- 关注
RSS订阅原创 【顶刊级科研绘图】AI支持下Nature级数据可视化（如何画图、如何标注、如何改图、如何美化、如何组合、如何排序）
据统计，超过 60% 的拒稿与图表质量直接相关，而传统绘图工具效率低下、设计规范缺失、多维数据呈现困难等问题，正成为研究者的普遍痛点。通过深入理解其组成和重要性，掌握正确的使用方法，不断学习和实践，科研人员能够借助这一强大工具，更有效地展示研究成果，提高论文的质量和发表成功率，在科研领域中脱颖而出。AI 驱动的科研绘图系统突破了传统工具的限制，通过多模态数据解析引擎，可自动识别 CSV、JSON、GeoJSON 等 20 余种数据格式。3、图形的基本元素（尺寸、格式、分辨率、字体、配色、高分论文案例）
2025-04-03 17:07:16
801
原创 解锁 DeepSeek 与 Matlab：攻克科研难题的技术利刃
1、MATLAB Deep Learning Toolbox概览2、实时脚本（Live Script）与交互控件（Control）功能介绍与演示3、批量大数据导入及Datastore类函数功能介绍与演示4、数据清洗（Data Cleaning）功能介绍与演示5、深度网络设计器（Deep Network Designer）功能介绍与演示6、实验管理器（Experiment Manager）功能介绍与演示7、MATLAB Deep Learning Model Hub简介。
2025-04-03 16:57:07
864
原创 检索增强生成（RAG）：强化 AI 智能体的知识 “武装”
5、微调（Fine-Tuning）技术详解（微调的基本原理、微调在大语言模型中的作用、准备一个用于微调的数据集、常见的微调方法，如PEFT、LoRA等、不同任务的微调策略、微调过程中的常见问题与解决方案）1、检索增强生成（RAG）技术详解（RAG的基本原理、RAG在大语言模型中的作用和优势、RAG的系统架构、RAG检索结果与生成结果相结合的方法、RAG知识库的构建方法）7、量化技术详解（量化的基本概念、量化在模型优化中的重要性、量化的不同方法，如：静态量化、动态量化、混合量化等、量化处理的步骤）
2025-04-01 18:14:00
657
原创 ChatGPT 与 DeepSeek：学术科研的智能 “双引擎”
1、（实操演练）传统信息检索方法与技巧总结（Google Scholar、ResearchGate、Sci-Hub、GitHub、关键词检索+同行检索、文献订阅）2、（实操演练）利用ChatGPT-4o实现联网检索文献3、（实操演练）利用ChatGPT-4o阅读与总结分析学术论文内容（论文主要工作、创新点、局限性与不足、多文档对比分析等）4、（实操演练）利用ChatGPT-4o解读论文中的系统框图工作原理5、（实操演练）利用ChatGPT-4o解读论文中的数学公式含义。
2025-04-01 18:07:29
1195
原创 解锁 BIOMOD2：开启物种分布模拟的 R 语言新征程
（1）机器学习原理；（2）常见机器学习算法与流程基于单一机器学习算法的物种分布特征模拟（以最大熵算法为例）。biomod2程序包介绍与使用：原理、构成实际操作：构建第一个物种分布模型，包括选择模型类型和调整参数。模型评估方法：通过ROC曲线、AUC值等方法评估模型的有效性和准确性。
2025-03-31 18:15:09
988
原创 解锁物种分布模拟新技能：MaxEnt 模型与 R 语言的奇妙融合
在本次培训班中，将有更多关于 MaxEnt 模型与 R 语言融合应用的精彩内容，从数据获取与预处理，到模型优化、结果分析以及论文写作，全方位助力大家提升科研能力，让我们一起开启这场充满挑战与惊喜的学习之旅吧！在上述代码中，maxent函数是dismo包中用于构建 MaxEnt 模型的核心函数，env_raster是环境变量栅格数据，bird_occurrence是物种出现数据，args参数可以指定 MaxEnt 软件的路径以及其他运行参数。3、模型评价： ROC、AUC、TSS等参数进行模型结果评价。
2025-03-31 18:14:56
710
原创 RWEQ + 集成技术：破解土壤风蚀模数估算的智能密码
ArcGIS版本介绍，安装；ArcGIS软件界面，常用功能介绍；lArcGIS工作空间环境设置。
2025-03-27 09:42:01
1083
原创 探秘 WRF DA：多维度剖析其在气象研究中的卓越效能
混合同化技术是 WRF DA 的一大亮点，它结合 ETKF 与 3DVAR 优势，动态调整背景误差协方差的流依赖属性，在台风、暴雨等极端天气中，同化效果提升 35% 以上，极大增强了对极端天气的预报能力。1、结合实际的天气个例，重点掌握WRF DA和WRF ETKF-3DVAR混合同化系统的同化、预报的参数设置、新资料的同化方法和系统运行、结果分析，以及与其他模块的耦合等。5、背景误差协方差的作用和常用的构造方法，如新息向量法（以GRAPES模式为例）、NMC方法等（WRF DA的三维变分程序为例。
2025-03-21 18:23:00
897
原创 WRF/Chem 模式技术解读：为大气污染治理提供有力支撑
实践操作上，需完成 Linux 环境配置、模式编译、数据处理，利用 WPS 模块预处理气象数据，处理排放源数据。最后，合理设置运行文件，借助 NCL、ARWPOST 等软件提取和可视化结果，为研究和业务应用提供直观数据支持。大气污染形成的物理、化学机制复杂，WRF/Chem 模式虽强大，但其中物理过程、化学机制设置复杂，参数众多且难以精准确定。研究成果多基于理想或特定区域条件，普适性差。1、WRF-Chem模式在大气环境（PM2.5、臭氧、能见度）、生态（污染物/元素成分的干湿沉降）等领域的应用个例解析。
2025-03-21 18:22:02
725
原创 掌握 WRF/Chem 模式：突破大气环境研究技术瓶颈的关键
最后进行模式运行和结果分析，做好数据准备，合理设置运行控制文件，运用 NCL、ARWPOST 等软件提取和可视化模拟结果，为研究和业务应用提供直观的数据展示。其功能涵盖气象场模拟，如风速、温度、湿度等气象要素的模拟，以及大气化学过程模拟，包括污染物的生成、转化、去除等过程。在生态领域，该模式可计算污染物和元素成分的干湿沉降通量，评估大气污染对植被、土壤等生态系统的潜在影响，如酸雨对森林生态系统的危害程度评估等。WRF/Chem 模式虽强大，但模式中的物理过程、化学机制设置复杂，参数繁多且难以精准确定。
2025-03-20 17:33:54
1010
原创 WRF DA：突破气象科研困境的关键技术解析
1、结合实际的天气个例，重点掌握WRF DA和WRF ETKF-3DVAR混合同化系统的同化、预报的参数设置、新资料的同化方法和系统运行、结果分析，以及与其他模块的耦合等。5、背景误差协方差的作用和常用的构造方法，如新息向量法（以GRAPES模式为例）、NMC方法等（WRF DA的三维变分程序为例。数据融合困境：常规观测、卫星遥感、无人机探测等多源数据格式繁杂，传统同化方法难以实现有效融合，导致观测资料利用率不足 30%4、WRF DA的环境变量和动态库的配置等；
2025-03-20 17:33:33
864
原创 FVCOM流域、海洋水环境数值模拟方法及应用
一、FVCOM水动力数值模拟流程二、FVCOM温盐数值模拟流程三、FVCOM水质数值模拟流程四、总结。
2025-03-07 16:44:50
920
原创 WOFOST模型与PCSE模型实践技术应用
WOFOST模型（World Food Studies）是一种农业气候模拟模型，主要用于评估气候变化对作物生长和产量的影响。它通过模拟作物的生长过程，考虑了温度、水分、光照等气候因素对作物的影响。WOFOST模型广泛应用于作物生长模拟、农业气候预测以及农业决策支持系统。PCSE模型（Process-based Crop Simulation Environment）是一个集成的作物模拟系统，结合了多个作物模型和气候模型，能够分析作物的生长、发育及其与环境的互动。
2025-03-07 16:37:27
838
原创 HSPF模型应用
HSPF（Hydrological Simulation Program—Fortran）模型是一种广泛应用于水文和水资源管理领域的数学模型。它主要用于模拟流域的水文过程，包括降水、蒸发、土壤水分运移和径流生成等。HSPF模型通过模拟这些水文过程，能够预测流域内水文变量（如流量、蓄水量等）的变化，进而为水资源的合理利用和水环境的保护提供科学依据。HSPF模型的应用领域包括但不限于流域水资源管理、洪水预警与防控、城市排水系统规划、环境保护及生态恢复等。
2025-03-07 16:23:16
256
原创 环境多介质逸度模型实践技术与应用
环境多介质逸度模型是一种基于逸度概念的数学模型，用于预测污染物在空气、水、土壤等不同介质中的分布和迁移路径。逸度模型通过计算污染物在各介质中的逸度，反映其逸出倾向，并基于热力学原理假设各介质逸度相等，从而实现动态平衡模拟。该模型广泛应用于挥发性有机物（VOCs）和多环芳烃（PAHs）等有机污染物的环境行为研究，能够有效评估其环境归趋和生物累积风险。近年来，逸度模型从Level I到Level IV不断升级，复杂度和适用性逐步提升。
2025-02-28 11:44:40
176
原创 基于ArcGIS Pro、R、INVEST等多技术融合下生态系统服务权衡与协同动态分析实践应用
随着生态系统服务评估和生态安全格局构建需求的增加，多技术融合方法成为研究热点。ArcGIS Pro作为新一代GIS平台，结合Python和R语言的强大数据处理能力，为生态系统服务的动态分析提供了高效工具。同时，INVEST模型通过量化生态系统服务（如水源涵养、土壤保持、碳储量和生境质量）的空间分布，支持生态安全格局的构建。在实践中，研究者通过ArcGIS Pro和Python进行数据预处理和空间分析，利用INVEST模型评估生态系统服务的时空变化。
2025-02-28 11:35:06
909
原创 基于ArcGIS Pro、Python、USLE、INVEST模型等多技术融合的生态系统服务构建生态安全格局高阶应用
随着生态环境问题的日益突出，构建生态安全格局成为保障区域生态功能和服务的重要手段。近年来，多技术融合方法在生态系统服务评估和生态安全格局构建中得到了广泛应用。ArcGIS Pro作为新一代的GIS工具，继承了传统ArcGIS的强大功能，并新增了二三维融合、大数据处理和时空立方体等特色功能。结合Python语言的高效数据处理能力，ArcGIS Pro能够快速完成地理数据的编辑、分析和制图。此外，USLE模型被广泛用于评估土壤侵蚀情况，而INVEST模型则用于估算生态系统服务，如碳储量和生境质量。
2025-02-28 11:06:13
1253
原创 Python深度学习：遥感影像目标识别中的数据标注技巧
随着高分辨率对地观测系统的发展，遥感影像数据量呈爆炸式增长，对高效、精准的影像处理技术提出了更高要求。Python结合深度学习框架（如TensorFlow和PyTorch）已成为遥感影像分析的重要工具。在地物分类方面，卷积神经网络（CNN）通过自动提取影像特征，显著提升了分类精度。例如，使用VGG16和ResNet等预训练模型，可以高效完成多光谱影像的场景分类。此外，深度学习在目标识别中也表现出色，如Faster R-CNN和YOLO等模型能够快速检测和定位遥感影像中的特定目标。
2025-02-23 11:14:48
671
原创 近地面无人机遥感：植被生理参数反演中的辐射传输模型
近地面无人机植被定量遥感技术近年来在农业、生态学和环境监测等领域得到了广泛应用。该技术结合了无人机的高灵活性和遥感传感器的高精度，能够快速获取植被的高分辨率影像和生理参数。通过搭载多光谱、高光谱和热红外相机等传感器，无人机可以实时监测植被的生长状况、叶绿素含量、水分状况和营养元素。在数据处理方面，无人机遥感技术包括影像拼接、辐射校正和几何校正等步骤，以确保数据的准确性和可靠性。通过机器学习算法和辐射传输模型（如SAIL模型），可以反演植被的叶面积指数（LAI）、植被覆盖度和生理参数。
2025-02-23 11:13:49
870
原创 Faster-RCNN与DETR：遥感影像目标检测的对比与选择
遥感影像目标检测技术近年来经历了从传统卷积神经网络（CNN）到基于Transformer架构的演进。CNN，尤其是Faster-RCNN，凭借其强大的特征提取能力，在遥感影像目标检测中取得了显著成果。然而，Faster-RCNN在处理遥感影像时仍面临挑战，如对多尺度、多角度目标的检测效率较低，且对复杂背景和遮挡的适应性不足。随着Transformer架构的引入，目标检测技术迎来了新的突破。
2025-02-23 11:12:24
1148
原创 Python深度学习：如何利用卷积神经网络进行遥感影像分析？
随着高分辨率对地观测系统的发展，遥感影像数据量呈爆炸式增长，对高效、精准的影像处理技术提出了更高要求。Python结合深度学习框架（如TensorFlow和PyTorch）已成为遥感影像分析的重要工具。在地物分类方面，卷积神经网络（CNN）通过自动提取影像特征，显著提升了分类精度。例如，使用VGG16和ResNet等预训练模型，可以高效完成多光谱影像的场景分类。此外，深度学习在目标识别中也表现出色，如Faster R-CNN和YOLO等模型能够快速检测和定位遥感影像中的特定目标。
2025-02-21 16:23:01
860
原创 近地面无人机遥感：如何利用高光谱数据反演植被生理参数？
近地面无人机植被定量遥感技术近年来在农业、生态学和环境监测等领域得到了广泛应用。该技术结合了无人机的高灵活性和遥感传感器的高精度，能够快速获取植被的高分辨率影像和生理参数。通过搭载多光谱、高光谱和热红外相机等传感器，无人机可以实时监测植被的生长状况、叶绿素含量、水分状况和营养元素。在数据处理方面，无人机遥感技术包括影像拼接、辐射校正和几何校正等步骤，以确保数据的准确性和可靠性。通过机器学习算法和辐射传输模型（如SAIL模型），可以反演植被的叶面积指数（LAI）、植被覆盖度和生理参数。
2025-02-21 16:10:38
1805
原创 从CNN到Transformer：遥感影像目标检测的未来趋势
遥感影像目标检测技术近年来经历了从传统卷积神经网络（CNN）到基于Transformer架构的演进。CNN，尤其是Faster-RCNN，凭借其强大的特征提取能力，在遥感影像目标检测中取得了显著成果。然而，Faster-RCNN在处理遥感影像时仍面临挑战，如对多尺度、多角度目标的检测效率较低，且对复杂背景和遮挡的适应性不足。随着Transformer架构的引入，目标检测技术迎来了新的突破。
2025-02-21 15:50:58
1504
原创 无人机遥感：如何助力智慧农业中的农林信息提取？
无人机遥感技术在农林信息提取中的应用已成为智慧农业和生态监测的重要手段。通过搭载多光谱相机和高光谱传感器，无人机能够获取高分辨率的影像数据，用于农作物形态、生理生化、胁迫和产量等信息的提取。例如，利用阈值分割技术可提取株数和株高，通过数字表面模型技术分析作物倒伏情况。此外，无人机遥感数据还可结合GIS平台进行空间分析和制图，如在ArcGIS中生成植被指数图和专题地图，为农林管理和决策提供可视化支持。
2025-02-15 11:13:13
865
原创 无人机遥感与GIS融合：生态环境监测的新利器
无人机技术在生态环境监测中的应用日益广泛，结合图像处理和GIS数据分析，为资源环境领域的研究和管理提供了强大支持。无人机搭载多光谱相机和激光雷达等传感器，能够高效获取高分辨率影像数据，用于植被覆盖、土壤侵蚀和水体污染等监测。在数据处理方面，无人机图像拼接是关键环节。通过专业软件如Photoscan，可完成影像对齐、点云生成和正射影像生成等操作。拼接后的影像需进行地理配准和投影变换，以符合GIS系统要求。
2025-02-15 11:12:14
1233
原创 无人机图像拼接：从数据采集到专题地图制作
无人机遥感技术近年来在生态环境监测、农业、林业等领域得到了广泛应用。无人机遥感图像拼接及处理技术能够高效地对地表空间要素进行动态监测与分析，为资源环境管理和决策提供重要支持。在技术实现方面，无人机遥感图像拼接主要包括图像预处理、特征点提取与匹配、图像融合及几何校正等步骤。通过优化算法和硬件协同，无人机遥感能够在低算力条件下实现高效的图像处理。例如，结合SIFT特征点和泊松融合技术，可以显著提升拼接图像的质量。在实际应用中，无人机遥感图像拼接技术展现了强大的功能。
2025-02-15 11:10:52
1220
原创 无人机遥感图像拼接及处理实践技术
无人机遥感技术近年来在生态环境监测、农业、林业等领域得到了广泛应用。无人机遥感图像拼接及处理技术能够高效地对地表空间要素进行动态监测与分析，为资源环境管理和决策提供重要支持。在技术实现方面，无人机遥感图像拼接主要包括图像预处理、特征点提取与匹配、图像融合及几何校正等步骤。通过优化算法和硬件协同，无人机遥感能够在低算力条件下实现高效的图像处理。例如，结合SIFT特征点和泊松融合技术，可以显著提升拼接图像的质量。在实际应用中，无人机遥感图像拼接技术展现了强大的功能。
2025-02-14 18:06:12
392
原创 无人机生态环境监测、图像处理与GIS数据分析综合实践技术应用
无人机技术在生态环境监测中的应用日益广泛，结合图像处理和GIS数据分析，为资源环境领域的研究和管理提供了强大支持。无人机搭载多光谱相机和激光雷达等传感器，能够高效获取高分辨率影像数据，用于植被覆盖、土壤侵蚀和水体污染等监测。在数据处理方面，无人机图像拼接是关键环节。通过专业软件如Photoscan，可完成影像对齐、点云生成和正射影像生成等操作。拼接后的影像需进行地理配准和投影变换，以符合GIS系统要求。
2025-02-14 18:05:55
1083
原创 无人机遥感在农林信息提取中的实现方法与GIS融合应用
无人机遥感技术在农林信息提取中的应用已成为智慧农业和生态监测的重要手段。通过搭载多光谱相机和高光谱传感器，无人机能够获取高分辨率的影像数据，用于农作物形态、生理生化、胁迫和产量等信息的提取。例如，利用阈值分割技术可提取株数和株高，通过数字表面模型技术分析作物倒伏情况。此外，无人机遥感数据还可结合GIS平台进行空间分析和制图，如在ArcGIS中生成植被指数图和专题地图，为农林管理和决策提供可视化支持。
2025-02-14 18:05:19
636
原创 Python人工智能如何助力气象研究的未来发展？
而Python，作为一种开源的编程语言，凭借丰富的机器学习、深度学习库（如TensorFlow、Keras、Scikit-learn等），提供了强大的工具来处理和分析这些数据。然而，学习Python人工智能在气象中的应用面临一定难度，主要体现在气象数据的处理与特征提取、模型训练的优化、以及深度学习算法的高计算需求等方面。尽管如此，随着技术的进步与工具的完善，这一领域的发展潜力巨大，对于科研人员和气象专家来说，掌握相关技术将是未来气象研究和预测的核心竞争力。2.1.3机器学习与深度学习在气象中的应用。
2025-01-17 08:48:29
1037
原创 如何用Python自动化WRF模型的运行和处理？
4 WRF案例4.1西北太平洋台风模拟4.2 强天气过程—冰雹个例模拟4.3 WRF-solar模拟太阳辐射。
2025-01-17 08:46:44
729
原创 水文研究的新工具：Python机器学习的应用！
Python凭借其简洁的语法、丰富的机器学习库（如Scikit-learn、TensorFlow、Keras）以及深度学习框架，为这些领域提供了高效的数据处理和模型训练能力。深度学习基本理论知识讲解，深入了解机器学习的基础理论和工作原理，掌握如何构建和优化神经网络模型（如人工神经网络ANN，卷积神经网络CNN、循环神经网络RNN等），提高对现有深度学习算法和技术的理解和应用能力，更好地应对后续海洋气象相关领域的实际问题和应用。通过神经网络和其他机器学习模型，能够准确提取复杂数据的规律和模式，提升预测精度。
2025-01-17 08:45:01
886
原创 基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用
Python凭借其简洁的语法、丰富的机器学习库（如Scikit-learn、TensorFlow、Keras）以及深度学习框架，为这些领域提供了高效的数据处理和模型训练能力。深度学习基本理论知识讲解，深入了解机器学习的基础理论和工作原理，掌握如何构建和优化神经网络模型（如人工神经网络ANN，卷积神经网络CNN、循环神经网络RNN等），提高对现有深度学习算法和技术的理解和应用能力，更好地应对后续海洋气象相关领域的实际问题和应用。通过神经网络和其他机器学习模型，能够准确提取复杂数据的规律和模式，提升预测精度。
2025-01-16 12:17:13
1072
原创 Python在WRF模型自动化运行及前后 处理中的应用
4 WRF案例4.1西北太平洋台风模拟4.2 强天气过程—冰雹个例模拟4.3 WRF-solar模拟太阳辐射。
2025-01-16 12:16:30
633
原创 Python人工智能如何改变气象预测的未来？
而Python，作为一种开源的编程语言，凭借丰富的机器学习、深度学习库（如TensorFlow、Keras、Scikit-learn等），提供了强大的工具来处理和分析这些数据。然而，学习Python人工智能在气象中的应用面临一定难度，主要体现在气象数据的处理与特征提取、模型训练的优化、以及深度学习算法的高计算需求等方面。尽管如此，随着技术的进步与工具的完善，这一领域的发展潜力巨大，对于科研人员和气象专家来说，掌握相关技术将是未来气象研究和预测的核心竞争力。2.1.3机器学习与深度学习在气象中的应用。
2025-01-16 12:14:50
915
原创 双碳目标下基于全球模式比较计划CMIP6与区域气候-化学耦合模式WRF-Chem的未来大气污染变化模拟技术
第六次国际耦合模式比较计划（CMIP6）基于不同的共享社会经济路径（SSP）及最新的人为排放趋势，预估了不同社会共享路径和温室气体排放情景下的未来气候变化趋势，这些结果为模拟预估未来气候变化背景下大气污染的演变趋势提供了可能。对模式比较计划的全球气候预估数据进行动力降尺度，结合预估的未来气候变化，运用区域气候模式和气候-化学耦合模式，实现对未来大气污染时空演变趋势的预估模拟。该模式比较计划涉及数据的格式转换和降尺度处理、区域模式涉及复杂的动力和化学过程，在数据运用和模式运行方面难度较大。
2025-01-10 14:48:58
469
原创 DICE模型的安装原理及应用
在全球气候变化的背景下，理解和评估减排政策的经济和环境影响至关重要。DICE模型（Dynamic Integrated Climate-Economy model）作为一个先进的经济-气候综合评估模型，为决策者提供了科学的工具。DICE模型结合了经济和气候系统的动态相互作用，通过经济模块、气候模块和损害函数，量化了气候变化对经济的影响。模型不仅评估了不同减排政策的经济成本和环境效益，还提供了长期规划的框架。学习DICE模型，用户可以掌握跨学科的研究方法，评估政策的可行性，为可持续发展提供科学依据。
2025-01-10 14:48:46
482
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人