- 博客(503)
- 收藏
- 关注
RSS订阅原创 AI与Python在地球科学多源数据交叉融合中的前沿
面向地球科学领域研究人员，聚焦Python编程与前沿AI技术的融合应用，解决地球科学研究中的复杂问题。在气候变化与极端天气事件频发的背景下，本内容将传统分析方法与现代AI技术结合，助力研究人员提升数据处理效率与科学发现能力。课程从Python基础快速过渡到Xarray、Dask等专业工具，深入探讨CMIP6气候模拟与WRF区域气象模式的高效处理。核心内容包括AI技术在时空数据处理、多源数据融合、预测模型构建等方面的应用，涵盖时间序列分析、空间统计建模、遥感影像解译与生态系统模拟等关键领域。
2025-04-03 17:04:28
591
原创 ChatGPT、DeepSeek支持下地质灾害风险评价模型与方法
1、什么是大模型？大模型（Large Language Model, LLM）是一种基于深度学习技术的大规模自然语言处理模型。l代表性大模型：GPT-4、BERT、T5、ChatGPT 、DeepSeek等。l特点：多任务能力：可以完成文本生成、分类、翻译、问答等任务。上下文理解：能理解复杂的上下文信息。广泛适配性：适合科研、教育、行业等多领域应用。2、高效提示词设计●什么是提示词？提示词（Prompt）是向大模型输入的文字说明，用于引导其生成期望的输出。●提示词的设计原则。
2025-04-01 15:04:43
795
原创 智能气候前沿：AI Agent结合机器学习与深度学习在全球气候变化驱动因素预测中的应用
通过机器学习（K-means,SVM,决策树）和深度学习(CNN,LSTM)技术来分析和预测这些驱动因素的趋势，进而为科学研究和政策决策提供重要的数据支持。本内容提供从数据处理、模型选择、训练与优化到结果解读的完整流程指导，将使用真实的全球和模拟的全球气候数据，掌握机器学习与深度学习模型在气候数据在农业、生态分析中的实际应用。5.1 全球气候变化相关数据集下载与处理（MERRA2气溶胶、MODIS气溶胶、MODIS海冰、MODIS叶绿素、CALIPSO气溶胶、AERONET气溶胶）
2025-04-01 14:49:01
662
原创 BIOMOD2软件解决生物多样性保护、气候变化影响评估和入侵物种管理问题
它集成了多种统计和机器学习方法，如GLM、GAM、SVM等，允许用户预测和分析物种在不同环境条件下的地理分布。（3） 特征变量选择：通过相关性分析、主成分分析（PCA）等方法选择具有代表性的特征变量，提高模型效率。理解物种分布模型（SDMs）的理论基础，包括模型的种类、用途以及在生态研究和环境管理中的应用。获取、处理和分析环境与物种数据的能力，包括数据清洗、变量选择和模型优化。生态模型基础：介绍生态模型的基本概念和物种分布模型（SDMs）的重要性。物种分布特征、环境变量与物种分布关系、未来分布特征预测。
2025-03-31 17:29:33
357
原创 基于Maxent的物种分布建模与预测、基于R语言的模型参数优化
MaxEnt（Maximum Entropy）模型是一种基于最大熵理论的物种分布模型，广泛应用于生态学、生物地理学和保护生物学领域。它通过结合物种的存在点（presence data）和环境变量（如气候、地形等），预测物种的潜在分布区域。以下是 MaxEnt 模型在物种分布模拟中的主要优势：1. 对数据要求较低2. 模型性能优越3. 参数优化与正则化4. 结果解释性强5. 适用于多种应用场景6. 用户友好与易用性7. 支持未来情景预测8. 与其他工具的兼容性。
2025-03-31 17:24:37
319
原创 AI与机器学习气候变化--温室气体浓度的时序分析与预测
通过机器学习（K-means,SVM,决策树）和深度学习(CNN,LSTM)技术来分析和预测这些驱动因素的趋势，进而为科学研究和政策决策提供重要的数据支持。本内容提供从数据处理、模型选择、训练与优化到结果解读的完整流程指导，将使用真实的全球和模拟的全球气候数据，掌握机器学习与深度学习模型在气候数据在农业、生态分析中的实际应用。5.1 全球气候变化相关数据集下载与处理（MERRA2气溶胶、MODIS气溶胶、MODIS海冰、MODIS叶绿素、CALIPSO气溶胶、AERONET气溶胶）
2025-03-27 10:48:09
444
原创 AI赋能生态学暨“ChatGPT+”多技术融合在生态系统服务中的实践
方法篇：深入讲解多源数据选择与统一，PLUS与InVEST模型的运行方法，空间数据的处理与时空变化分析。情景分析方法，通过构建不同的土地利用情景，深入分析生态系统服务的变化与相互作用，为土地政策的制定提供理论依据。本次将通过具体案例实战，学员将在真实数据上应用所学的原理与技术方法，完成从数据获取、模型建立、情景模拟到结果分析与报告撰写的全过程，提升空间信息技术的应用能力和科研实践能力。复现某篇生态学研究文章中的空间分析与可视化部分，生成土地利用变化的热图和生态系统服务功能图，使用AI优化结果可视化。
2025-03-27 10:33:30
1132
原创 土壤风蚀危害与防治：RWEQ模型应用及归因分析实战指南
自20世纪80年代以来，土壤风蚀作为沙漠化的首要环节而得到前所未有的重视，相继开展了大量的实验研究工作，揭示了各种因素对风蚀过程的影响，尤其是人为因素对风蚀的加剧作用，并提出了不同地区的风蚀防治措施。土壤侵蚀的危害及原因：中国山地丘陵面积广，地形起伏大，地面组成物质疏松深厚，降雨强度大，垦殖历史久，植被覆盖率低等，都是引起土壤侵蚀的重要因素。其中，D为某一影响因子，H为风蚀量，Q为影响因子对风蚀量的贡献度，取值范围是[0-1]，N、σ2为样本量及其方差，h为样本层数，L为影响因子分类数。
2025-03-26 15:08:48
764
原创 HYDRUS-2D/3D 基于C-RIDE模块的胶体携带污染物迁移
Hydrus是基于Windows系统界面开发的环境土壤物理模拟软件，是模拟一维和多维变饱和多孔介质的水流、溶质（污染物等）运移、根系吸水和溶质吸收、热量传输等方面的强有力工具。将模型参数拓展到二维和三维，基于Hydrus-2D/3D还可以模拟污染物在水平方向和任意复杂地形条件下的迁移问题。HYDRUS-2D/3D 基于C-RIDE模块的胶体携带污染物迁移。HYDRUS-2D/3D 污染物偷排和跑冒滴漏3D简单模型。HYDRUS-2D/3D 土壤污染物淋洗3D层状模型。
2025-03-26 14:28:22
292
原创 MATLAB 2024b深度学习，图神经网络（GNN）
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。
2025-03-25 16:18:18
801
原创 高光谱遥感从数据到智能决策全流程实现与城市、植被、水体、地质、土壤五维一体应用
基于Python编程入门到DeepSeek工具，把高光谱领域的全部内容都纳进来，包括辐射校正、几何校正、大气校正、光谱预处理、降维、特征提取、混合像元分解、地物分类与识别、目标检测与变化检测等都纳入课程，覆盖全面，循序渐进。每一章都按照原理、实现、练手、实操4个内容；课程以40个真实项目案例为依托，涵盖城市、植被、水体、地质、土壤五大领域，结合前沿的机器学习与光谱分析技术，助您快速掌握高光谱遥感的核心技能。（8）图像的读取、显示、保存、基本属性、颜色空间转换、缩放与裁剪、旋转与翻转、几何变换。
2025-03-25 16:09:11
1180
原创 环境土壤物理模型HYDRUS1D/2D/3D建模
Hydrus是基于Windows系统界面开发的环境土壤物理模拟软件，是模拟一维和多维变饱和多孔介质的水流、溶质（污染物等）运移、根系吸水和溶质吸收、热量传输等方面的强有力工具。将模型参数拓展到二维和三维，基于Hydrus-2D/3D还可以模拟污染物在水平方向和任意复杂地形条件下的迁移问题。HYDRUS-2D/3D 基于C-RIDE模块的胶体携带污染物迁移。HYDRUS-2D/3D 污染物偷排和跑冒滴漏3D简单模型。HYDRUS-2D/3D 土壤污染物淋洗3D层状模型。软件界面和功能及应用特点、注意事项。
2025-03-24 17:21:46
430
原创 基于“RWEQ+”集成技术在土壤风蚀模拟与风蚀模数估算、变化归因分析中的实践应用
自20世纪80年代以来，土壤风蚀作为沙漠化的首要环节而得到前所未有的重视，相继开展了大量的实验研究工作，揭示了各种因素对风蚀过程的影响，尤其是人为因素对风蚀的加剧作用，并提出了不同地区的风蚀防治措施。土壤侵蚀的危害及原因：中国山地丘陵面积广，地形起伏大，地面组成物质疏松深厚，降雨强度大，垦殖历史久，植被覆盖率低等，都是引起土壤侵蚀的重要因素。其中，D为某一影响因子，H为风蚀量，Q为影响因子对风蚀量的贡献度，取值范围是[0-1]，N、σ2为样本量及其方差，h为样本层数，L为影响因子分类数。
2025-03-24 16:46:40
610
原创 2025 中科院分区公布！SCI结构全拆解、Nature级科研绘图
创新性不足、重复研究、立意不明、理解不够、研究问题不清、结构不清晰、章节内容拖沓、概念不清、结果分析不够、研究方法存在问题、数据测试考虑不足、结果无法验证、数据可靠性不足、逻辑不清、图文不一致、数据不足、讨论不深入、图表存在问题、没有与前人结果对比、语法时态等语言问题、格式不连贯、前后不一致等等。2.利用烹饪七步法完成SCI论文写作：① 选定料理流派（选题定位）；写作方法：参考提供的学术论文【摘要】部分的结构思维导图，利用提供的【摘要】模板和提示词模板，完成论文【摘要】部分的初稿（～10句话）。
2025-03-21 16:01:37
1000
原创 如何高效地处理、分析和应用遥感数据？？？
【保姆级牵引，包教包会】本内容《DeepSeek、Python和OpenCV支持下的空天地遥感数据识别与计算——从0基础到15个案例实战》将带您系统掌握空天地遥感数据分析的全流程，深度融入机器学习、计算机视觉和智能算法的前沿技术。内容特别设计了15个真实案例，免费提供18.1G的机器学习数据，涵盖土壤成分分析、农作物分类、森林火灾检测、水体动态监测等实际应用，并重点探索植被健康、空气污染、城市发展和地质灾害预测等关键领域。（2）制作和标注机器学习的标签数据。（3）加载森林图像和对应的标注文件。
2025-03-21 14:30:36
440
原创 一图胜千言-顶刊级科研绘图工坊暨AI支持下Nature级数据可视化
在全球顶尖期刊发表范式发生结构性变革的今天，数据可视化已从辅助工具升级为科学传播的"黄金媒介"，可谓是「一图胜千言」已成为高水平顶级期刊的硬性门槛——数据显示很多情况的拒稿与图表质量直接相关。Nature统计显示，大部分的评审专家将图表质量列为优先审稿要素。面对复杂图谱、多维数据、时空动态模型的表达需求，科研绘图已成为成果撰写中的至关重要的一个环节。它不仅帮助研究者更直观地展示实验数据，还能有效传递研究成果的深刻含义，也是顶级期刊论文的数据可视化的重要形式。
2025-03-20 11:06:53
496
原创 WRF-LES模拟风场模拟技术详解
1、WRF模型概述1)模型的发展历程2)模型的基本框架2、PALM模型概述1)模型的基本框架2)模型架构与计算网格3)动力学核心4)湍流模块。
2025-03-20 09:56:30
1004
原创 如何通过往年的一些全球变化实验的数据对全球进行预测和可视化
通过机器学习（K-means,SVM,决策树）和深度学习(CNN,LSTM)技术来分析和预测这些驱动因素的趋势，进而为科学研究和政策决策提供重要的数据支持。本内容提供从数据处理、模型选择、训练与优化到结果解读的完整流程指导，将使用真实的全球和模拟的全球气候数据，掌握机器学习与深度学习模型在气候数据在农业、生态分析中的实际应用。5.1 全球气候变化相关数据集下载与处理（MERRA2气溶胶、MODIS气溶胶、MODIS海冰、MODIS叶绿素、CALIPSO气溶胶、AERONET气溶胶）
2025-03-19 16:29:57
1030
原创 基于ChatGPT、DeepSeek、GIS与Python机器学习的地质灾害风险评估、易发性分析、信息化建库及灾后重建
1、什么是大模型？大模型（Large Language Model, LLM）是一种基于深度学习技术的大规模自然语言处理模型。l代表性大模型：GPT-4、BERT、T5、ChatGPT 、DeepSeek等。l特点：多任务能力：可以完成文本生成、分类、翻译、问答等任务。上下文理解：能理解复杂的上下文信息。广泛适配性：适合科研、教育、行业等多领域应用。2、高效提示词设计●什么是提示词？提示词（Prompt）是向大模型输入的文字说明，用于引导其生成期望的输出。●提示词的设计原则。
2025-03-18 18:23:42
1083
原创 空天地遥感数据识别与计算--土壤成分分析、农作物分类、森林火灾检测、水体动态监测等
【保姆级牵引，包教包会】本内容《DeepSeek、Python和OpenCV支持下的空天地遥感数据识别与计算——从0基础到15个案例实战》将带您系统掌握空天地遥感数据分析的全流程，深度融入机器学习、计算机视觉和智能算法的前沿技术。内容特别设计了15个真实案例，免费提供18.1G的机器学习数据，涵盖土壤成分分析、农作物分类、森林火灾检测、水体动态监测等实际应用，并重点探索植被健康、空气污染、城市发展和地质灾害预测等关键领域。（2）制作和标注机器学习的标签数据。（3）加载森林图像和对应的标注文件。
2025-03-18 18:15:12
692
原创 MATLAB 2024b深度学习新特性全面解析与DeepSeek大模型集成开发
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。
2025-03-18 15:09:14
948
原创 基于HMSC模型的群落数据分析与物种分布预测：方法、对比与应用
又可以同时开展多物种（群落水平）分析，将生态位假说、生物交互作用（种间关联）、物种扩散限制及物种属性和系统发育对物种分布的影响等进行综合考虑。本次内容将以Hmsc包为对象，从群落生态学研究进展入手，逐步介绍Hmsc包对于群落生态学假说的解读、Hmsc包开展单物种和多物种分析的技术细节及Hmsc包的实际应用（具体案例）。将通过模型定义、拟合、诊断、评估、预测及结果展示的详细步骤和操作由浅入深讲解使大家掌握此模型方法，实现群落数据分析、物种分布预测、假说验证等工作以解决实际研究和工作中遇到的相关科学问题。
2025-03-18 14:58:09
989
原创 WRF-Chem在大气环境（PM2.5、臭氧）、能见度、城市化方面应用
在大气环境、气象和城市规划等科研领域，精准的数值模拟已成为探索和解决复杂问题的核心手段。而 WRF-Chem 模式，作为耦合了气象和化学过程的先进工具，正逐渐成为科研学者们手中的一把利剑。你是否在 WRF-Chem 模式的原理探索中感到困惑？是否在调试和运行过程中遭遇瓶颈？是否在数据准备和前处理环节耗费大量时间？是否在模拟结果的后处理和作图上找不到高效的方法？是否渴望将 WRF-Chem 模式应用于大气环境（PM2.5、臭氧）、能见度、城市化等实际问题的研究，却不知从何入手？
2025-03-18 11:43:11
585
原创 从环境搭建到同化应用，WRFDA 资料同化技术在气象预报中的应用
资料同化新方法的快速发展，气象常规资料、卫星遥感观测和大气环境等多种资料日益增加，为资料同化的有效应用奠定了坚实的科学基础，也导致许多新的复杂科学问题，增加了实际应用的难度。你将不再被复杂的理论和繁琐的操作所困扰，而是能够自信地运用资料同化技术，提升数值预报的精度和效率，为气象、海洋、大气环境等领域的预测和决策提供强有力的支持。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。
2025-03-18 10:48:55
996
原创 【HEC-HMS】水文－水动力模型
HEC-HMS是美国陆军工程兵团水文工程中心开发的一款水文模型。HMS能够模拟各种类型的降雨事件对流域水文，河道水动力以及水利设施的影响，在世界范围内得到了广泛的应用。它有着完善的前后处理软件，能有效减轻建模的负担；能够与HEC开发的DSS数据管理软件以及RAS二维水动力模型链接，形成完整的水文－水动力模型。1.基于GIS的HMS前处理。2.HMS模型的基本理论。3.HMS模型的建模流程。2.水源，汇流，分流单元。1.水文过程与水文模型。3.HM模型的率定.
2025-03-14 14:47:51
266
原创 VIC模型率定验证
在气候变化问题日益严重的今天，水文模型在防洪规划，未来预测等方面发挥着不可替代的重要作用。VIC模型是一个大尺度的半分布式水文模型，其设计之初就是为了模拟大流域的水文过程；它能够计算陆地－大气的能量通量，考虑土壤性质和土地利用的影响，自带有简化的湖泊/湿地模块，也能够将植被状况，碳循环等过程纳入模型；我们经过积极的探索，实现了在Windows系统下执行整个VIC模型的功能，且通过已有的R语言脚本实现了对VIC模型参数调优功能等改进。5.QGIS和R对VIC模型的后处理。1.R语言下操纵VIC模型的方法。
2025-03-14 14:40:47
510
原创 ArcGIS助力水文分析：数据处理、地图制作与流域特征提取
在水文水环境保护中，对于信息的采集、处理和分析是关键步骤。水文水环境及其相关数据均具有空间分布特征，传统的方法难以发挥作用。地理信息系统（GIS）强大的空间数据管理和分析功能，在空间信息处理上有独到的优势，是研究区域水文水环境的空间差异的有力工具，GIS在水文水环境中的应用对解决水文水环境中许多问题起着重要的作用与意义。8.5 案例分析：基于考核断面的水质达标的水环境容量计算。7.5 案例分析：基于GIS的水环境重金属污染评价研究。3.7 案例分析：GIS支持下的水文调查专题地图制作。
2025-03-14 14:13:21
1163
原创 最新Transformer模型及深度学习前沿技术应用
损失函数的设计（数据驱动与物理驱动的损失项）2、Swin Transformer模型（提出的背景、基本架构、与ViT模型的比较、分层架构、窗口机制、位置编码、Transformer编码器、模型的训练与优化、模型的Python代码实现）1、ViT模型（提出的背景、基本架构、与传统CNN的比较、输入图像的分块处理、位置编码、Transformer编码器、分类头、ViT模型的训练与优化、ViT模型的Python代码实现））、搜索策略（随机搜索、贝叶斯优化、进化算法、强化学习等）、性能评估。
2025-03-06 14:14:54
890
原创 AI与机器学习、深度学习在气候变化预测中的应用与实践
通过机器学习（K-means,SVM,决策树）和深度学习(CNN,LSTM)技术来分析和预测这些驱动因素的趋势，进而为科学研究和政策决策提供重要的数据支持。本内容提供从数据处理、模型选择、训练与优化到结果解读的完整流程指导，将使用真实的全球和模拟的全球气候数据，掌握机器学习与深度学习模型在气候数据在农业、生态分析中的实际应用。5.1 全球气候变化相关数据集下载与处理（MERRA2气溶胶、MODIS气溶胶、MODIS海冰、MODIS叶绿素、CALIPSO气溶胶、AERONET气溶胶）
2025-03-05 14:59:06
796
原创 HSPF模型应用及原理、水质与泥沙模块
HSPF模型与SWAT模型一样都是著名的水文模型软件，在世界各地的水文模拟中得到广泛的应用。但是，HSPF模型也有其自身的优势，比如：1.它有很高集成度的前后处理软件，减轻建模的负担；2.它可以自主调节水文响应单元的大小，模型有更好的灵活性；2、气候评估工具（Climate Assessment Tools，CAT）工具的运用。3、HSPEXP+的运用于模型的自动率定。3、WEPP CAT与HSPF的耦合。1、HSPF模型的水文原理。1、溶解氧与营养物的模拟。2、HSPF的水质模型。2、参数的敏感性分析。
2025-03-05 14:33:01
134
原创 FVCOM流域、海洋水动力、温盐、水质的数值模拟，水动力、温盐、水质的数值模拟
本内容包括海洋数值模式基础理论讲解，Linux操作系统下FVCOM运行环境搭建，应用FVCOM进行流域、海洋水动力、温盐、水质的数值模拟，水动力、温盐、水质的数值模拟结果的率定、相关前沿问题的介绍等。本课程具有较强的应用价值，通过本课程使学员具备独立模拟流域、海洋水动力、水环境的能力，为更好地解决科研、工作中的实际问题提供基础。4、FVCOM配置所需OPENMPI、HDF5、NETCDF3、NTFS3、PROJ4等软件的编译及安装运行。3、FVCOM模式水动力模块介绍、温盐模块介绍、水质模块讲解。
2025-03-05 14:26:29
234
原创 如何使用WOFOST和PCSE这两个农业生产模型进行作物生长模拟？如何运用模型进行科学研究，如何设置实验和模拟，以及如何解释和分析模型结果？
WOFOST（WorldFoodStudies）和PCSE（PythonCropSimulationEnvironment）是两个用于农业生产模拟的模型：WOFOST是一个经过多年开发和验证的模型，被广泛用于全球的农业生产模拟和农业政策分析；作物本身的生长发育是一个非常复杂的过程，因此在利用作物模型模拟作物生长过程中涉及的输入参数较多，主要包括气象、作物、土壤、田间管理参数等，在模型参数敏感性分析的基础上，结合实验区实际情况，对敏感性较高的参数进行定标，参数标定部分可参阅文献和网站等资料。
2025-03-05 13:51:59
618
原创 生态系统服务权衡与协同动态分析
通过本内容，从技术上，您将会充分体验到ArcGIS Pro桌面版软件和R语言统计分析的优势，您将会针对不同类型的空间数据，掌握数据导入导出、操作处理和基本分析等基础操作，掌握基础统计可视化和空间数据可视化技术，并能够进一步结合空间统计分析技术进行展开；从专题内容中，针对生态系统服务分之间的权衡与协同关系研究的重难点，您将学会利用InVEST 模型估算产水、固碳、生境质量和土壤保持 4 种服务，并分析其时空异质性，您将掌握双变量分析、多元回归分析等多种方法探究服务间的权衡与协同关系。
2025-02-27 17:04:47
476
原创 环境多介质逸度模型实践技术与典型案例【代码】
随着污染物在各种环境中的迁移和转化，多介质污染物模型日益受到关注。在各类多介质模型中，基于逸度概念的逸度模型由于运用范围广，建模数据要求较低而广受欢迎。1.污染物的生物累积：鱼类中污染物的浓度。1.空气－水交换：AirWater模型。2.泥沙径流与渗流：Soil模型。3.水－空气－沉积物的相互作用。4.对流在逸度模型中的反映。3.Level III模型。3.各介质物质逸度的计算。1. Level I模型。2.Level II模型。2.逸度模型的基本原理。4.Levl IV模型。3.室内污染与人类健康。
2025-02-27 16:41:17
236
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
一、生态安全评价简介二、生态服务能力简介三、生态安全格局构建研究方法简介。
2025-02-25 16:07:53
1069
原创 基于SMOKE多模式排放清单处理技术及EDGAR/MEIC清单制作与VOCs排放量核算
大气污染问题既是局部、当地的，也是区域的，甚至是全球的。数值模式模拟是分析大气污染物时空分布和成分贡献的重要工具，利用模拟结果可以分析大气污染的来源、成因、污染程度、持续时间、主要成分、相对贡献等问题，有助于分析并合理控制污染源排放，为产业调整提供参考。大气污染物排放是空气污染的源头，气象因素是影响污染程度的重要因素，因此空气质量模式要求气象资料和污染物排放清单作为输入，其中由于大气污染源复杂性、数据滞后性、动态变化、规律性不明显等特点，使得大气污染源排放清单输入准备工作成为其中的重点和难点。
2025-02-20 11:12:56
1039
原创 CMAQ模式如何安装？如何运行CMAQ模式的过程分析模块？
随着计算机技术的高速发展、空气污染监测手段的提高和人们对大气物理化学过程认识的深入，开发并利用先进的大气化学模式进行我国空气质量的预测预报、对于减少大气污染灾害、提高人民生活质量都具有积极的意义。空气质量预报模式系统（WRF-CMAQ）和污染源处理技术是目前大范围灰霾天气预警及综合治理的重要手段，其在全国的推广应用将有利于提高实际的业务预报水平、增强防灾减灾能力、取得显著的社会经济效益。以CMAQ官网的Benchmark为例，详细讲解ICON、BCON、MCIP、CCTM各模块的操作流程和步骤。
2025-02-20 10:25:53
498
原创 基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用
讲解two-stage（二阶）检测模型框架，RCNN, Fast RCNN, Faster RCNN等框架的演变和差异。现有几个优秀模型结构的演变原理，包括AlexNet，VGG，googleNet，ResNet，DenseNet等模型。一份完整的Faster-RCNN 模型下实现对SpaceNet遥感数据集建筑物检测任务的代码。讲解模型评估方案，包括正确率，精确率，召回率，mAP等内容。一份完整的使用U-net实现遥感图像分割任务的代码。讲解FCN，SegNet，U-net等模型的差异。
2025-02-19 15:52:53
662
原创 遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）
深度卷积网络采用“端对端”的特征学习，通过多层处理机制揭示隐藏于数据中的非线性特征，能够从大量训练集中自动学习全局特征，是其在遥感影像自动目标识别取得成功的重要原因，也标志特征模型从手工特征向学习特征转变。另一方面，随着深度学习的不断发展，当前以Transformer等结构为基础模型的检测模型也发展迅速，在许多应用场景下甚至超过了原有的以CNN为主的检测模型。3.讲解目标检测模型的评估方案，包括正确率，精确率，召回率，mAP等。1.一份完整的Faster-RCNN 模型下实现遥感影像的目标检测。
2025-02-19 15:48:27
985
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