NASA全球生态系统动态调查激光雷达(GEDI)

用Python处理GEDI激光雷达数据:从HDF5文件到森林高度地图的保姆级教程 本教程详细介绍了如何使用Python处理GEDI激光雷达数据,从HDF5文件解析到生成森林高度地图的全过程。涵盖环境配置、数据提取、质量控制、空间分析及可视化等关键步骤,帮助地理空间数据分析师高效利用GEDI数据,解锁三维森林信息。 阅读详情

戈达德太空飞行中心GSFC的LEOB激光与光电部负责建造用于全球生态系统动态调查GEDI激光雷达任务的激光器,将安装在国际空间站ISS的日本实验舱(Japanese Experiment Module,JEM)。GEDI将使用三个NASA开发的激光器,每个耦合一个光束抖动单元BDU(Beam Dithering Unit),用于在地球表面产生三组交错的轨迹,精确测量全球生物量。

1 介绍

GEDI激光器基础架构使用了高输出最大效率谐振器(High Output Maximum Efficiency Resonator,HOMER)级别的激光系统。HOMER激光器已开发十余年,旨在减少部件数量,最大程度提高航天应用的可靠性。该激光系统是从Armandillo等人的设计演变而来的,1997年取得首次bread-boarded结果。很多年来科学家们一直致力于实现这种高水平系统可靠性和长寿命,这种激光器架构在很大程度上没发生多大变化,在机械方面,激光器已经得到组件和系统级别的多个改进和测试验证。HOMER设计的所有腔体组件已通过了技术成熟度TRL 6(Technology Readiness Level)级测试,或已执行过任务(TRL9)。HOMER已被GEDI计划成功应用,并为了实现科学任务目标所要求的激光输出性能,HOMER已经进行了改进调整。 

图1. GEDI激光器截面图和接口

2. GEDI激光器架构

GEDI激光器和接口概述如图1所示。GEDI激光器主要负责提供1064 nm的10 mJ Q开关激光脉冲。振荡器激光器由光具座和泵模块组成,放置于加压密封的激光器外壳中。机箱内部是高压Q开关电子元件、触发脉冲光学传感器、压力和温度传感器、以及内部器具。在电学方面,激光器与激光电子单元LEU(Laser Electronics Unit)对接,提供Q开关电压、触发、激光二极管驱动电流,并接收温度和压力水平遥测。液体冷却板和热电冷却器TEC(Thermal Electric Cooler)将二极管保持在35°C,并安装在机箱壳外部。在光学方面,有一个整体式微型光束扩展器提供任务所需的输出分束。最后,3个钛弯曲安装在GEDI光具座上。JEM和GEDI仪器如图2所示。

图2.将GEDI激光器集成在GEDI仪器上,并安装于ISS JEM

3.设计需求

表1总结了GEDI激光器设计的驱动需求。GEDI项目一直非常小心地把要求下放给激光器团队,从工程方面最大化硬件和科学目标。通过构建ETU和飞行单元,来分析这些要求和一系列驱动测试参数。

表1 GEDI激光器驱动需求

名称

参数值

激光波长

真空中1064.5 nm ± 0.2 nm

最大允许激光能量

输出口全光束10 mJ +/- 5%

激光输出偏振率(极化率)

≥ 200:1

脉冲重复频率

242 +/- 2 Hz

脉冲宽度

≤ 16 ns FWHM

激光寿命

32亿次

LDA工作温度

35 +/- 2 °C 

4. 激光器设计

4.1激光腔

GEDI激光器HOMER级设计采用的是一种飞行质量Nd:YAG,其中,二极管泵浦固态振荡激光器腔产生光束质量和脉冲能量,通常与主振荡器功率放大器MOPA系统相关。HOMER激光器实现了高效率、低零件数和长寿命,可持续运行超过2年(> 160亿脉冲)。该激光器在稳定的腔体中采用侧面泵浦锯齿形板结构,在不使用被动光束整形的情况下可能难以实现TEM00模式。使用普罗棱镜(porro-prisms)和/或腔内光阑可生成质量单模光束。然而,已经证实这些方案将产生强烈的光学衍射效应,并降低整体光学损伤抗性。这些诱导光学扰动通过引入光学尖峰、时空、光学材料和涂层表面的相长干涉效应,降低所有腔体组件的有效平均光学损伤阈值。这些扰动限制了总体可靠性,还引入了强度抖动,最终降低了激光系统的性能。如果想在这样一个激光器中利用这些方法实施无损操作TEM00,那么光效率总会有所损失,并且也将失去由锯齿形板所带来的许多优势。另外一种选择,可以将梯度反射镜GRM(Graded Reflectivity Mirror)腔体设计与优化泵浦之字形平板相结合,将大幅度减少这类问题,此外还可开展关于安全腔体操作细节方面的研究工作。

使用GRM作为输出耦合器,TEM00脉冲能量可以从一个>10 mJ的振荡器中获得,而且脉冲能量高度可扩展,因为系统光束质量的基础是产生相对较大的腔内低能量束。最终光学设计使用的腔体长度为40厘米,采用正(凹)曲率半径ROC(Radius of Curvature,),99.9%HR镜以及负(凸)237cm ROC GRM,有效平均反射率约为32%,峰值反射率约为65%。为产生1064nm增益切换激光脉冲,采用有源Q开关,由光电普尔克(pockel)电池、一对被动偏振光学器件、四分之一波片和薄膜偏振片TFP(Thin Film Polarizer)组成。作为GEDI计划的一部分,所有交付的涂层光学件将样品经过激光诱导损伤测试LIDT(Laser Induced Damaged Testing)。过去十年里使用LIDT值、模型以及验证实验结果,激光团队知道了激光器在特定环境什么能级下运行是安全的。光学布局如图3所示。 

 

图3. GEDI激光器光腔布局,有22个反弹板,顶部可看到GRM

4.2激光器增益泵送方案

HOMER的增益模块或激光头采用7堆4根809 nm LDA,可以泵浦掺杂1.1%Nd:YAG的22次反弹锯齿形板。这些源自28根LDA的高度散光束利用未掺杂YAG制成的长形平凸柱面透镜进行会聚。这产生了类似尺度的高度集中增益区域,穿过Nd:YAG横截面,垂直于腔体光轴,存储能量可有效通过谐振腔模型进行提取。事实上,由于系统效率非常高,二极管泵显著降低,使得激光器系统有足够的余量从任何意外激光损失中进行恢复。所使用二极管能够工作在至少100 A和200μs的条件下。相比之下,当激光器配置为10 mJ输出能量时,二极管在50 A和40μs进行泵浦。当组装二极管泵浦模块时,需要密切监视泵浦透镜与二极管表面之间的距离,因为将它们放置在沿着泵浦表面的小吸收峰区域,将会产生并触发由微透镜效应所引起的光学损伤。 

 

图4. 二极管安装到铝基座上

激光器板安装在W:Cu散热片和铝桥上。泵透镜放置在板和二极管之间,具有高安放精度。在左上图可以看到组合起来的完整装配效果图。

4.3机械设计

GEDI激光器机械设计允许子部件模块化,分为3个主要部分:外壳、泵浦模块和光具座。所有三个部分主要由铝制成,除了与仪器光具座相接的一些光学支架和钛弯曲件。每个部分都有设计要求,主要源于要让GEDI在整个任务周期的空间环境条件下进行瞄准。已经对整个设计进行了有限元建模,满足所有瞄准孔抖动和对准要求。此外,激光器外壳要让激光器在任务运行期间能承受至少1个大气压。将制作相同的外壳来验证加压密封设计。ETU将在环境测试中确认机械设计要求。

激光器团队征集的这种模块化硬件设计允许在整个组装和对准过程中进行频繁的光学检查。激光器制造过程中可能发生的任何问题都可以通过最小侵入技术得到快速解决,无需腔体重新对准。光具座可以从泵浦模块拆下,如图3所示,如果需要的话,可在没有外壳的情况下完成对齐和相关操作,如图4所示。所以,可以对两者进行独立并行的制造、测试和表征,这种非线性制造能力有助于缩短进度和成本。除了钛光学底座,完整铝合金组件的质量稍大于9kg,如图5所示。

图5. 完整GEDI激光器组件(注:激光将以此方向构建、密封和加压)

4.4热设计

GEDI激光器设计需要主动传导冷却,维持Nd:YAG吸收来自激光二极管阵列LDAs的泵浦波长。另外,必须保持稳定的工作温度,以保证在轨所需的启动时间。JEM提供的液体冷却回路需要额外的主动控制,因为到达每个激光器的流体温度需经历6℃的温度浮动,取决于该路径中的其它热负荷。因此,一对热电冷却器TEC(Thermo-Electric Cooler)将驻留在激光基座和JEM液体热板之间。当激光器处于关闭或待机模式时,将使基座和LDAs保持在35(±2)℃范围内。否则,将重新设计光具座和外壳,使其内部热应力不会影响激光性能。激光器系统将在热真空50°C至-10°C的全生存温度范围内进行测试。

4.5激光性能

每个GEDI激光器以242Hz发射,产生10-17mJ的11-16 ns Q开关脉冲,以及1064nm的TEM00光束质量。该任务需要可靠的激光器,能在整个任务执行过程中持续最少32亿次发射(平均每轨33%的占空比)。最近发布了一个全生命期数据集,运行HOMER-2激光器超过15×109次发射,相当于2年连续运行的测量衰减率仅约为0.1 mJ/十亿。因此,该设计为GEDI任务提供了大量的使用寿命余量。此次寿命测试在特定条件下展示了振荡器设计的优势,当生成20mJ TEM00激光脉冲时,超过了等效的MOPA系统。即便HOMER激光器设计有着悠久的发展史、条件和数据集,GEDI任务激光器性能要求要在HOMER-2 TRL6系统基础上再稍作修改。这些修改已在HOMER-1工程实施,在最近的长时间运行中,已经在必要的能量输出条件下轻松获得32亿次(任务需求)激光出射。前期和后期检查展示了这些参数下的无损运行,进一步证明了HOMER振荡器概念的有效性。任何保留激光性能要求都在GEDI激光试验板系统上进行了测试。应注意的是,作为测试一部分,已知激光器系统的损伤触发,包括纵向模型跳动和小规模自聚焦,都在整个测试过程中得到持续监测。最后,高风险的光学件由激光诱发损伤测试和高精度数学模型进行确认,(GRM和激光板),每次主要实验或任何操作中改变步骤后,都要检查光学损伤。激光器性能如图6所示。 

图6. 配置为运行10 mJ输出能量的GEDI激光器性能总结

注:这些值是在没使用微型光束扩展器的情况下获得的。

4.6激光器制造和测试计划

激光器团队的任务是交付ETU激光器、三个飞行单元和飞行备用件,GEDI ETU激光器的硬件已制造出来并开始装配,ETU和飞行激光器将经过相同的组装和测试过程。ETU和飞行单元都将使用定制设计的电子和光学地面支持设备GSE(Ground Support Equipment)。电子GSE将起到模拟LEU,以及记录激光性能所需所有数据的作用。综合性能测试将会在每个环境测试阶段之前和之后运行此配置。光学GSE如图7所示。

GEDI激光单元将进行振动试验,如在GEDI结构/机械载荷文档中列出。激光器将在X、Y和Z轴上测试无动力的情况,在振动运行中进行性能测试,主要寻找激光束质量的任何变化,以及对准视线的任何运动。

ETU和交付的飞行单元将执行TVAC,如GEDI热接口控制文档说明。此时,每个飞行激光器将经历8个生存周期,生存温度范围从50到-10℃。在每个周期内,激光器将在工作温度范围内暂停,以检查激光器性能。TVAC测试也将作为加压腔体设计的另一确认事项。

一旦完成环境测试,ETU将在飞行单元交付之前开始寿命测试。在测试监测过程中,持续监控激光器性能要求,并且测试工程单元与诸如BDU的其它硬件间的接口。飞行单元将直接交付给GEDI仪器进行集成,然后将根据需要维持仪器级别的性能和环境。

图7. 光学GSE将用于BDU和ETU寿命测试,以及ETU激光器CPT测试,类似结构将用于测试飞行激光器

5. 结论

安装在ISS JEM平台的GEDI仪器将生成有价值的3D、多季节、全球生物量数据集。GEDI任务采用一种强健的HOMER等级激光器,已在许多不同模型上经过多次测试,能够满足关键性能参数。GEDI激光器在LDA降额中有很大的开销、已知可测量的损伤触发、以及热和光学空间的量化余量。合理的和已证明的开发过程、资格计划和硬件基础设施在这个时候就已经到位或正在组装,随时准备完成ETU单元,并为飞行硬件做好准备。最后,基于HOMER的扩展数据集、GEDI激光器的坚实基础和相对性能调整,每个激光器的风险空间大致相同,因此,期望类似寿命周期能力使GEDI任务得以延长。

文献来源:Paul R. Stysley, D. Barry Coyle, Greg B. Clarke, et al., Laser Production for NASA's Global Ecosystem Dynamics Investigation (GEDI) Lidar. Proc. of SPIE, Laser Radar Technology and Applications XXI, 2016, 9832. 983207.

转载自:NASA全球生态系统动态调查激光雷达(GEDI)----中国科学院太空应用重点实验室

全球森林冠层高度地图V2:多源遥感数据融合与智能算法应用解析 遥感技术通过卫星传感器获取地球表面信息,其核心原理是利用不同电磁波与地物的相互作用进行探测与识别。在林业与生态领域,遥感数据融合与机器学习算法相结合,能极大提升对森林三维结构参数的估算精度,技术价值在于实现了大范围、高精度的森林资源动态监测。这为全球气候变化研究、碳汇计量、生物多样性评估等关键应用场景提供了可靠的数据基础。本文聚焦的全球森林冠层高度地图V2,正是这一技术路径的典型代表,它深度融合了ICESat-2激光雷达、Sentinel-1/2雷达与光学影像等多源数据,并运用随机森林、梯度提升机等先进算法 阅读详情

相关推荐

PyGEDI:使用光斑滤波处理改善激光雷达数据

为了减小光斑噪声对地表高程估计的影响,可以采用光斑滤波处理方法。通过以上步骤,我们成功地使用PyGEDI库实现了光斑滤波处理,并生成了高程图。这样处理后的数据可以更好地反映地表的实际高程信息,从而提高相关应用的准确性和可靠性。经过光斑滤波处理后,我们可以对数据进行进一步的分析或可视化。例如,我们可以根据处理后的数据生成高程图。安装完成后,我们可以导入所需的库并加载激光雷达数据。方法提取处理后的数据中的高程信息,并使用Matplotlib库生成高程图。接下来,我们可以使用光斑滤波算法对数据进行处理。

HackDashX的博客 370

全球生态系统动态调查(GEDI)项目及其数据介绍

本文将介绍全球生态系统动态调查(GEDI)项目背景、项目任务以及仪器概述。全球生态系统动态调查(GEDI)产生了对地球三维结构的高分辨率激光测距观测数据。GEDI对森林冠层高度、冠层垂直结构和地表高程进行精确测量,极大地提升了我们表征重要的碳循环、水循环过程、生物多样性和栖息地的能力。

养乐多的博客 9765

使用Python对GEDI数据进行读取和分析

GEDI(Global Ecosystem Dynamics Investigation)是一项由NASA资助的计划,旨在收集全球范围内的激光雷达高度数据,以研究地球上森林等生态系统的结构和功能。文件路径应替换为实际文件路径。使用pyGEDI,我们可以将GEDI数据导入到Python中,以便于数据处理和可视化。在本文中,我们介绍了如何使用Python和pyGEDI库来读取和分析GEDI数据。除了绘制直方图之外,我们还可以使用其他的Python库来处理GEDI数据,例如NumPy、Pandas和SciPy。

与其临渊羡鱼,不如退而结网 1262

Google Earth Engine(GEE)—— 全球生态系统动态调查(GEDI)综合数据集(高程、森林覆盖、城市占比)

The Global Ecosystem Dynamics Investigation (GEDI) mission aims to characterize ecosystem structure and dynamics to enable radically improved quantification and understanding of the Earth's carbon cycle and biodiversity. The GEDI instrument, attached to th

此星光明博客 4238

PyGEDI GEDI数据处理之光斑降噪

在GEDI数据处理中,由于受到大气、云雾、水汽等因素的干扰,所得到的数据会存在某些噪点。其中最为显著的就是“光斑”噪点,造成了精度较差的情况,需要进行去噪处理。需要注意的是,在实际应用中,为了更加准确地处理光斑噪点,可以对光斑滤波器的参数进行调整。例如,我们可以设置一个与激光脉冲宽度和数据点密度有关的参数,这个参数表示光斑半径的大小。此外,还可以通过调整门限值来过滤掉非常小的光斑噪点。总之,通过PyGEDI库中内置的光斑滤波器,我们可以轻松地去除GEDI数据中的光斑噪点,从而得到更加准确的数据结果。

CodeByte的博客 513

GEE生物量:根据土地分类数据和GEDI数据来估算生物量

摘要 该研究利用GEDI L4B生物量数据和ESA土地覆盖数据,对哥伦比亚Caqueta省的森林生态系统进行了综合分析。研究提取了2020-2021年土地覆盖数据,通过可视化对比展示了森林、农田等土地利用类型的变化。重点分析了森林覆盖的动态变化,包括增长、稳定和损失区域,并计算了生物量和碳储量。研究采用地理信息系统方法,包括边界提取、掩膜处理和直方图分析,揭示了研究区域森林资源的时空变化特征。这些结果为评估森林生态系统健康状况、监测环境变化以及制定碳管理政策提供了科学依据,展示了遥感数据在生态研究中的重要作

此星光明博客 707

GEE:GEDI L2A 树冠顶部高度(版本 2)数据集下载

原始 GEDI02_A 产品是一个空间分辨率(平均覆盖区)为 25 米的点表。数据集 LARSE/GEDI/GEDI02_A_002_MONTHLY 是原始 GEDI02_A 产品的栅格版本。光栅图像被组织为相应月份中各个轨道的月度合成图。只有根级 RH 值及其关联的质量标志和元数据会保留为栅格波段。每个 GEDI02_A_002 栅格有 136 个波段。有关详细信息,请参阅用户指南。全球生态系统动态调查GEDI 任务旨在描述生态系统结构和动态特征,以从根本上改进对地球碳循环和生物多样性的量化和理解。

养乐多的博客 4437

pyGEDI安装配置(Python版本)

pyGEDI安装配置(Python版本)

dayuhaitang1的博客 1072

全球树高数据集合集

全球树高数据下载

weixin_45443016的博客 2908

pysl4land:用于为陆地(pySL4Land)应用程序处理星载激光雷达(GEDI和ICESAT2)的Python工具

pysl4land 用于为陆地(pySL4Land)应用程序处理星载激光雷达(GEDI和ICESAT2)的Python工具。 支持的数据产品 为新的数据产品添加支持非常简单,但是目前我已经实现了我所需要的,因此仅支持以下产品。 盖迪 GEDI02_b ICESAT-2 ALT08 安装 要安装,请创建一个新的python环境并安装以下内容: pip install geopandas pip install h5py pip install scipy 下载pysl4land版本,解压缩然后运行: python setup.py install 跑步 然后,您可以使用以下命令运行,这些命令将创建可在GIS中打开的地理包文件:对于GEDI数据: pysl4landgeditools.py -i input_gedi.h5 -o output_gedi.gpkg 对于ICESAT-2

pyGEDI:pyGEDI是Python软件包,用于NASA的全球生态系统动力学调查(GEDI)任务,数据提取,分析,处理和可视化

介绍 新的全球生态系统动力学调查于2018年12月5日启动,正在国际空间站产生高分辨率激光收集森林周围树冠高度,树冠垂直结构和表面标高的3D数据。 由于它每天都在收集数据,因此稳定且快速的平台至关重要。 因此, pyGEDI库是用Python开发的,因为它可以利用多个CPU和GPU,并受C和支持。 pyGEDI为GEDI产品的数据提取,分析,处理和可视化提供了高性能,较低的认知负担以及更清晰,更透明的代码。 包装概述 pyGEDI在一个包中具有用于可视化,处理,分析和数据提取的多种功能。 pyGEDI软件包包含以下功能: 与NASA服务器的连接。 下载GEDI数据。 剪裁您的特定区域。

从GEDI L4A数据看加州山火后的森林恢复:一个GEE+AGBD的实战分析案例

本文通过GEDI L4A数据和Google Earth Engine(GEE)平台,分析了加州Creek Fire山火后森林地上生物量(AGBD)的动态恢复过程。详细介绍了数据筛选、质量控制和时空分析方法,揭示了不同海拔带和气候因子对森林恢复的影响,为生态修复决策提供了科学依据。

weixin_30723433的博客 473

HTPA 32x32d热成像传感器实战指南:从替代MLX90640到精准测温

本文为HTPA 32x32d热成像传感器提供了从硬件连接到精准测温的完整实战指南。针对MLX90640替代需求,详细解析了HTPA传感器的核心优势、IIC通信要点、EEPROM校准数据读取与解析、独特的块数据读取模式,并逐步拆解了五大温度补偿计算流程,旨在帮助开发者克服高开发门槛,实现稳定可靠的非接触式测温应用。

weixin_29279101的博客 320

GEE实战:利用GEDI02_A月均数据产品精准提取区域植被冠层高度

本文详细介绍了如何利用GEE平台处理GEDI02_A月均数据产品,精准提取区域植被冠层高度。通过数据加载、质量筛选、研究区定义、可视化技巧及数据分析等步骤,帮助用户掌握植被高度提取的关键技术,适用于森林监测、生态研究等领域。

weixin_31456563的博客 187

有线CarPlay连接全解析:从USB数据线到故障排查实战

车载互联是现代驾驶体验的重要一环,而CarPlay作为手机与车机深度融合的桥梁,其连接稳定性直接关系到导航、通话和娱乐体验。无线方案虽然便利,但在延迟、发热和连接确定性上仍有短板,这使得有线USB连接成为追求可靠性的主流选择。理解USB协议与CarPlay握手原理,是解决连接问题的关键。从USB枚举、认证到iAP2通信,每一步都影响最终体验。本文从线材选型、接口判断出发,深入老车加装方案与故障排查链路,并结合USB抓包等进阶调试手段,帮助车主和开发者从底层理解并解决CarPlay连接难题,让每一次上车都能获

weixin_34183910的博客 451

【搭建实战】全国天气预报看板搭建

不仅如此,码匠还一站式提供了企业内部系统常用的租户管理、细粒度的权限控制、审计日志等功能,让您快速搭建后台应用的同时,也为您的企业信息安全保驾护航。是一款国内研发的开发者友好的低代码平台,您无需了解React/Vue等框架的开发、部署等各种细节,就可以快速打通前后端,连接RESTAPI、MySQL、MongoDB等多种数据源,然后通过一套开箱即用的组件,轻松搭建功能完善的数据看板、数据洞察、Admin管理后台等多种应用。天气预报对我们的各项活动有很大的帮助,可以让我们合理安排自己的出行等活动。...

weixin_39545889的博客 429

融合多源星载激光雷达与Sentinel-2影像:中国森林冠层高度30米分辨率制图实践

本文详细介绍了融合多源星载激光雷达(GEDI与ICESat-2)与Sentinel-2影像的中国森林冠层高度30米分辨率制图实践。通过神经网络引导插值(NNGI)技术,实现了高精度森林高度测绘,验证结果显示RMSE优于NASA同类产品。该成果已成功应用于碳汇计算、生物多样性研究和林火预警等实际场景,显著提升了林业资源管理效率。

weixin_34221276的博客 436

SPSS因子分析实战:从数据清洗到结果解读的完整流程

本文提供了一份详尽的SPSS因子分析实战指南,涵盖从数据清洗、适用性检验(KMO与巴特利特检验)、公因子提取、因子旋转到结果解读与报告撰写的完整流程。通过具体案例,手把手教你如何利用SPSS进行探索性因子分析,实现数据降维并提炼核心公共因子,适用于市场研究、心理学等多变量数据分析场景。

weixin_29055699的博客 333

全球林冠高度地图v2:多源遥感数据融合与机器学习驱动的森林三维测绘

遥感技术通过卫星和航空传感器获取地球表面信息,其核心原理在于利用不同电磁波谱与地物的相互作用来反演地表特征。在林业与生态领域,准确获取森林的三维结构信息具有极高的技术价值,是评估碳储量、生物多样性和森林健康的关键。传统光学遥感虽能识别森林覆盖,但对垂直结构感知有限。通过融合星载激光雷达(如GEDI)、多光谱光学影像(如Sentinel-2)和合成孔径雷达(SAR)等多源数据,并结合机器学习算法(如梯度提升决策树),可以实现对全球森林冠层高度的精准反演与制图。这种技术方法为气候变化研究、可持续林业管理和生态保

weixin_30588675的博客 520

奔图M6700-M6800-M7100-M7200 系列打印机拆解教程?

奔图M6700-M6800-M7100-M7200 系列打印机拆解教程?

m0_58098052的博客 1611

运维与软件实施课表

运维与软件实施课表 课程 章节编号 章节 课程地址 软件及操作系统基础 ch01 软件及操作系统基础01 实施、运维工程师基本技能:https://blog.youkuaiyun.com/qq_28189423/article/details/82700539 老毛桃制作winPE镜像:https://blog.youkuaiyun.com/qq_2818942...

Mr.O~的博客 1万+

告别Excel!用ArcGIS Pro+GEDI/Landsat9,5步搞定森林碳汇估算(附完整工程文件)

本文详细介绍了如何利用ArcGIS Pro结合GEDI星载激光雷达和Landsat9多光谱数据,通过5个步骤高效完成森林碳汇估算。从数据准备、GEDI数据处理、光谱指数计算到机器学习模型调参和成果可视化,提供了完整的工程文件和实用技巧,帮助林业工作者告别传统Excel方法,大幅提升工作效率和精度。

weixin_29164185的博客 398

基于Python的电商平台商品信息爬取与价格监控系统设计与实现

本文详细介绍了一个基于Python的电商平台商品信息爬取与价格监控系统的设计与实现。系统采用最新的Python爬虫技术栈,包括Scrapy框架、Selenium自动化测试工具、BeautifulSoup解析库等,实现了对主流电商平台商品信息的自动化采集、存储、分析和可视化展示。文章从系统架构设计、关键技术实现、核心代码解析等方面进行了全面阐述,并提供了完整的代码实现。该系统不仅适用于毕业设计,也可作为商业价格监控系统的原型。关键词:Python爬虫;电商数据采集;价格监控;Scrapy;Selenium;

2201_76125261的博客 964

GEE机器学习实战:融合星载激光雷达与Sentinel数据的森林高度制图

森林冠层高度是生物量估算、碳储量动态监测与林业资源调查中的核心基础变量,但传统实地测量与机载LiDAR手段常受成本与覆盖范围限制。随着GEDI、ICESat-2等星载激光雷达数据的开放,以及GEE云端算力的成熟,利用稀疏激光采样点结合密集光学/雷达影像进行大范围森林高度反演已成为可行路径。在GEE中,通过严谨的质量筛选(如quality_flag、sensitivity、坡度约束)构建干净训练样本,并以Sentinel-1/2光谱、纹理及地形特征为辅助变量,使用随机森林回归即可实现区域尺度连续树高制图。本文

weixin_28454475的博客 251

蓝桥杯 stm32 PWM 测量频率

参考 数据手册:比赛 的板子 上面有两个信号发生器,如下图。通过 扭动 可变电阻 (R40, R39), 来实现 PWM 频率的改变。PA15PB4。PA15,PB4分别使用TIM2_CH1TIM3_CH1来对频率进行捕获。

wuyiyu_的博客 2932

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

ABoVE:2017 年和 2019 年北美 LVIS L3 网格植被结构

该数据集提供了 2017 年至 2019 年期间 NASA 陆地、植被和冰传感器 (LVIS) 设施仪器为每条航线收集的三级 (L3) 覆盖区级网格化指标和属性。2017 年,LVIS 设施仪器搭载于 Dynamic Aviation Super King Air B200T 飞机,飞行高度为 28,000 英尺。2019 年,LVIS 设施和 LVIS-Classic 仪器搭载于 NASA 湾流 V 飞机,飞行高度为 41,000 英尺。LVIS 数据以波形形式收集,覆盖区直径约为 10 米。

此星光明博客 1083

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

上一篇: 超实用,12个免费雷达数据源
下一篇: python中如何导入gdal包?
空中旋转篮球
空中旋转篮球 新星创作者: python技术领域 新星创作者: python技术领域
博客等级 码龄14年 6105粉丝 270原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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