任天堂新掌机NDSi震撼发布


        日本当地时间1点30分,任天堂在东京召开了年度秋季发布会,会上正式公布了之前已经在业内传闻甚久的新版NDS。

 

        据悉,第二代改良型NDS全名为“Nintendo DSi”,从外观上来看主要有如下几个方面的改进。首先,为了进一步瘦身,NDSi取消了GBA卡带插槽,机身厚度减少2.6毫米;其次,NDSi上下两 个屏幕的尺寸比NDSL增大了17%,达到3.25英寸;最后,NDSi增加了之前传闻的音乐播放功能和30万像素的数码摄像头。


        任天堂社长岩田聪在会上表示,NDSi的销售目标是达到“每个家庭拥有一台”,他还强调任天堂选择在这个时候推出新版主机,目的是“让NDS的生命周期继续延长。”


        NDSi设置有完备的音频播放功能,因此非常适合音乐播放和语言学习软件的使用。另外,NDSi增加了一个SD卡插槽,方便用户将拍摄的静态照片传输到Wii上欣赏或与好友分享。


        NDSi内置了一个浏览器,支持直接登陆在线商店任天堂地带(Nintendo Zone)下载NDSiWare游戏并保存。NDSiWare游戏的价位将分为免费、200点、500点和800点4种规格,任天堂还将为所有NDSi用 户提供1000点的免费点数以供下载游戏体验,直到2010年3月前始终有效。


        NDSi在日本的发售日被定为今年的11月1日,售价为18,900日元,首发有黑、白两种颜色可供选择。翻到下一页有实物照片及新旧机型对比图若干。


●12%,变薄2.6mm,GBA插槽废除
●两画面均扩大为3.25寸.附带照相机和音乐收听机能
●DSi的摄像头为30万画素,双画面均为触摸屏.
●播放的声音可以调整速度,用来学习语学.
●SD卡插槽标准附带.拍摄的照片可以在Wii的照片频道观看

●主机附带内存,可以添加软件.
●下载的游戏可以保存到DS主机上.WiiPoint变名为NintendoPoint
●DSi浏览器内置
●可以从DSi Shop上购买DSi的软件
●DSi上提供 免费,200点,500点,豪华(800点)分类的软件,至2010年3月为止,只要一旦连接到DSi
●就能免费获取1000点数.
●DS Station将改头换面,新的服务项目Nintendo Zone开始.麦当劳也开始Nintendo zone的服务.
●通过内藏的Nintendo zone viewer,不用设定就能连接.
●颜色为白色,无光黑色,发售日11月1日,售价18900日元 约合1200左右RMB




NDSi主机外观


摄像头近照



















06-08
<think>嗯,我现在需要处理用户关于归一化雪盖指数(NDSI)的查询。用户引用了站内的四篇文献,我得仔细看看这些内容是否提供了足够的信息来回答用户的问题。首先看引用[1],它提到了NDSI的结构和与MNDWI的对比。这里指出NDSI在积雪图像中能突出雪地,但水体表现发黑,可能与结冰有关。这点很重要,因为用户可能需要NDSI的应用场景及其限制因素的信息。引用中还提到MNDWI使用了可见光绿波段和短波红外,这和NDSI的公式结构相似,但在不同地表覆盖下表现不同。需要解释两者公式的异同,以及积雪和水体的光谱特性差异导致的成像结果差异。接着引用[2]讨论了时间序列断点识别在遥感中的应用,特别是使用NBR来识别顶点并应用到其他波段。这里虽然主要讲的是时间序列分析,但提到可以将一个波段的断点应用到其他指数,比如NDSI。不过用户的问题主要集中在NDSI本身,可能这部分的应用属于进阶内容,是否需要关联呢?用户可能更关注NDSI的基础定义和应用,但断点识别的例子可以扩展说明NDSI在时序监测中的整合应用,例如积雪覆盖变化的监测。引用[3]是关于GoogleEarthEngine中多种机器学习方法进行土地分类的研究。其中提到使用包括NDSI在内的多种光谱指数作为输入特征。这说明NDSI在实际分类任务中的应用,尤其是在复杂地形中的土地覆盖分类。需要强调NDSI作为输入特征之一如何提升分类精度,特别是在区分雪与其他地物时的作用。此外,研究中使用随机森林算法结合地形指数得到高精度结果,这也支持了多源数据融合的重要性。引用[4]是GoogleEarthEngine的文献,说明GEE平台在处理大规模遥感数据方面的能力。这部分可能关联到用户如何获取和处理NDSI数据,特别是GEE中是否有现成的NDSI计算模块或数据集,如MODIS积雪产品。这里需要提及GEE作为工具的应用,方便用户实际操作。接下来考虑用户的历史问题。用户之前询问了关于NDSI的技术内容,现在需要系统性地解释定义、公式、应用场景、限制因素及相关技术关联。根据引用的内容,用户可能尤其关注NDSI的实际应用案例、计算平台(如GEE)、与其他指数的对比,以及在时间序列分析中的整合方法。需要确保回答结构清晰,分点说明。首先定义NDSI的公式和物理意义,然后通过引用[1]对比NDSI在积雪和水体中的表现,解释水体发黑的原因可能与冰覆盖有关。接着介绍NDSI的应用场景,如积雪面积测绘、雪水当量估算、融雪监测等,引用[3]中的土地分类应用可在此部分补充。同时,结合引用[2]提到的时间序列断点分析,说明NDSI在动态监测中的应用。技术平台方面,引用[3]和[4]提到的GEE平台可作为数据处理工具介绍。最后总结NDSI的优势和局限,以及未来研究方向。可能用户的问题还包含实际处理中的问题,如云遮挡、混合像元的影响,以及如何结合其他指数优化结果。引用[1]中提到的云阴影和断点检测可能涉及插值方法,这里需要关联引用[2]的时间序列处理技术,说明如何解决数据缺失问题。此外,引用[3]中的机器学习方法结合地形指数,可建议作为提高分类精度的策略。需要注意的是,用户提供的引用中部分内容并非直接关于NDSI,比如引用[2]讨论的是时间序列断点识别,引用[3]主要讲土地分类。需要正确关联相关内容,避免强行联系。例如,将时间序列断点技术作为NDSI在动态监测中的应用方法,土地分类中NDSI作为输入特征。最后,生成相关问题需要考虑用户可能的后续需求,如NDSI与其他雪指数的比较,或如何获取NDSI数据,或在GEE中的具体实现方法。根据引用,可以设计相关问题涉及优化策略、混合像元分解、平台工具选择等。</think> ### Normalized Difference Snow Index (NDSI) 遥感技术详解 #### **1. NDSI定义与原理** NDSI用于检测地表积雪覆盖,其公式为: $$ \text{NDSI} = \frac{\rho_{\text{Green}} - \rho_{\text{SWIR}}}{\rho_{\text{Green}} + \rho_{\text{SWIR}}} $$ 其中 $\rho_{\text{Green}}$ 为可见光绿波段反射率(如Landsat的Band 2),$\rho_{\text{SWIR}}$ 为短波红外波段反射率(如Landsat的Band 5或6)。 **原理**:积雪对绿波段(~0.53μm)高反射,而对短波红外(~1.55-1.75μm)强吸收。冰雪覆盖区NDSI值通常 **>0.4**,其他地表(植被、水体)NDSI值较低[^1]。 --- #### **2. NDSI的技术特点** | **特征** | **说明** | |----------------|--------------------------------------------------------------------------| | **积雪检测** | 高NDSI值(>0.4)对应冰雪覆盖区,如冰川、积雪地带(图1)[^1]。 | | **水体干扰** | 水体在NDSI中呈暗色(低值),与非积雪期MNDWI的水体高亮相反(可能因冰层影响)[^1]。 | | **云影响** | 云与雪光谱相似,需结合热红外或时序分析区分[^2]。 | | **混合像元** | 低分辨率影像中雪与岩石混合区域NDSI值可能偏低,需辅助地形数据[^3]。 | > 图:积雪区NDSI图像(左:高亮积雪;右:水体发黑)[^1] > ![NDSI积雪示意图](https://example.com/ndsi-snow.png) --- #### **3. 与其他指数的关联与区别** | **指数** | **公式** | **用途** | **与NDSI差异** | |----------|-----------------------------------|---------------------|--------------------------------| | **NDVI** | $\frac{\rho_{NIR}-\rho_{Red}}{\rho_{NIR}+\rho_{Red}}$ | 植被监测 | 植被NDVI高但NDSI低 | | **MNDWI**| $\frac{\rho_{Green}-\rho_{SWIR}}{\rho_{Green}+\rho_{SWIR}}$ | 水体提取 | 公式同NDSI,但应用场景不同[^1] | | **NBR** | $\frac{\rho_{NIR}-\rho_{SWIR}}{\rho_{NIR}+\rho_{SWIR}}$ | 燃烧迹地监测 | 利用近红外替代绿波段[^2] | --- #### **4. 实际应用场景** 1. **积雪面积动态监测** - MODIS NDSI产品(MOD10A1)全球每日积雪覆盖制图,精度达90%[^4]。 - 时序分析中结合断点检测(如引用[2]),可插补云遮挡数据,提升监测连续性。 2. **土地覆盖分类** - 在GEE平台中,NDSI作为光谱指数输入随机森林模型,区分冰雪与裸岩(Kappa=0.81)[^3]。 3. **水文模型输入** - 融雪量估算需结合NDSI与高程数据,预测春季径流量。 --- #### **5. 技术挑战与优化方向** - **问题**: - 薄雪或浅层积雪易漏检(NDSI值<0.4); - 城市人造材料(如白色屋顶)可能导致误判[^1]。 - **解决方案**: ```python # GEE中的NDSI计算与掩膜优化(以Landsat 8为例) def calc_ndsi(image): nir = image.select('SR_B5') # SWIR波段 green = image.select('SR_B3') # 绿波段 ndsi = green.subtract(nir).divide(green.add(nir)).rename('NDSI') return ndsi.gt(0.4) # 积雪阈值分割 ``` 结合地形数据(坡度>30°区域需提高NDSI阈值)和温度波段可减少误判[^3]。 --- #### **6. 工具与平台支持** - **Google Earth Engine**: 提供MODIS/Landsat/Sentinel等NDSI产品库,支持全球尺度时序分析[^4]。 - **ENVI/ArcGIS**: 支持自定义NDSI计算与阈值分割流程。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值