logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

中国土壤质地三组分栅格数据(1980s基准,1km分辨率)|砂粒/粉粒/黏粒含量百分比|全国覆盖

本文分享的是《中国土壤质地三组分空间分布数据集》,基于第二次全国土壤普查(1979–1985年) 的1:100万土壤类型图与5,000+个实测土壤剖面编制而成,是目前最权威、最广泛引用的国家级土壤物理属性基础数据。土壤质地由砂粒(Sand)、粉粒(Silt) 和黏粒(Clay) 三类颗粒按比例组成,直接影响土壤的通气性、保水性、养分保持能力与耕作适宜性。本数据以1公里空间分辨率提供三组分的体积百分

文章图片
#arcgis#人工智能#大数据 +2
中国1980年高分辨率土壤有机质及理化性质数据集(30弧秒,8层剖面)|NetCDF格式|支持CLM模型

本文分享的是《中国1980年土壤理化性质空间数据集》,由戴永久院士、上官微等学者基于第二次全国土壤普查(1979–1985年) 的2,473个典型土壤剖面实测数据,结合数字土壤制图(DSM) 技术构建,是目前唯一覆盖全国、多深度层、多属性同步发布的高分辨率历史土壤数据产品。该数据集以30弧秒(≈1 km) 空间分辨率,提供8个土壤深度层(总深达2.3米) 的20余项关键理化指标,专为陆面过程模型(

文章图片
#人工智能#arcgis#数据库 +2
中国土壤侵蚀强度空间分布栅格数据(1980–2025年)|1km分辨率|RUSLE模型|水力/风力/冻融三类

本文分享的是《中国土壤侵蚀强度空间分布数据集》,由中国科学院资源环境科学数据中心(RESDC) 基于RUSLE(Revised Universal Soil Loss Equation) 模型研制,覆盖1980年至今的年度序列,空间分辨率达1公里,是目前时间跨度最长、分类最全、应用最广的国家级土壤侵蚀产品。土壤侵蚀是制约我国生态安全与农业可持续发展的关键问题。本数据集依据《土壤侵蚀分类分级标准》(

文章图片
#数据库#arcgis#大数据 +2
中国农田生产潜力栅格数据集(1970–2010年)|1km分辨率|GAEZ模型|全国覆盖

本文分享的是《中国农田生产潜力栅格数据集》,基于FAO 和 IIASA共同开发的GAEZ(Global Agro-Ecological Zones)模型,综合考虑了光、温、水、CO₂浓度、病虫害、农业气候限制、土壤、地形等多方面因素,估算出1970、1980、1990、2000、2010年五个关键时间节点的中国耕地生产潜力。该数据集以1公里空间分辨率提供,覆盖中国大陆全域,主要评估了小麦、玉米、水

文章图片
#数据库#arcgis#大数据 +2
中国基岩深度栅格数据(250米分辨率)|源自ISRIC World Soil Information|支持InVEST产水模型

🔍 数据简介本数据集为,源自(ISRIC) 的(WoSIS) 全球土壤数据库,是目前(如InVEST) 的高精度基岩深度产品。基岩深度(Bedrock Depth),即地表至不可穿透母岩或硬磐的垂直距离(单位:厘米),是决定的关键限制因子。在(Water Yield) 中,该参数被用作“根系限制深度”(Root Restricting Layer Depth),直接影响蒸散发与产水量模拟结果。本

文章图片
#arcgis#数据库#人工智能 +2
HWSD v2.0 全球高分辨率土壤数据库1km|含12大土壤属性|权威发布|支持全球与区域研究

🔍 数据简介本数据集为,由(FAO) 联合开发,是目前的全球尺度土壤基础数据产品。HWSD v2.0 在初版基础上全面升级,整合了和,采用统一分类标准(WRB 2014)与空间建模方法,生成(30弧秒) 的栅格化土壤属性图层。每个像元最多包含(按面积占比排序),并提供对应的理化属性权重值,显著提升区域模拟精度。📦 数据详情✅✅:2023年(正式公开版)✅:全球陆地(含岛屿,不含南极洲冰盖)✅:

文章图片
#数据库#arcgis
Pytorch ----- 循环神经网络 RNN --基础部分(RNN Cell) 附代码解读~~学习笔记

前两天学的卷积神经网络,今天学循环神经网络 RNN。之前在用卷积神经网络的是,一张图片上像素做卷积,所用到的卷积核明确且一整张都用这个卷积核(权重共享)。所以用到的权重少,而全连接层,每一个点对应下一个节点都有一个权重,所以整个网络,全链接层运算量占比大。RNN,专门处理带有 序列模式的数据(数据前后有序 ,或者本项数据需要前一项数据特征),且采用了共享权重来减少运算量。RNN cell:其中下面

#pytorch#python
中国1km逐日全天候地表土壤水分数据集|高精度SSM

🔍 数据简介本数据集为(V2.0),由研发,并发布于。时间覆盖,空间分辨率达,是目前。传统被动微波(PM)遥感(如AMSR-E/AMSR-2)虽能反演土壤水分,但空间分辨率粗(>10 km),且受云雨影响小;而光学遥感(如MODIS)虽高分辨率,却无法穿透云层。该数据集创新性地(LST),通过先进降尺度模型,在,实现真正意义上的“”监测。经特别适用于:农业干旱监测、水文模型驱动、生态水文过程研究

文章图片
#人工智能#arcgis#数据库 +1
卷积神经网络(CNN)(local receptive fields & 局部接收域 & 局部感受野、shared weights &权重共享 & 、空间或时间分段采样 )

文章目录local receptive fieldShared weightsspatial or temporal subsamplinglocal receptive field局部感受野,也叫感受视野域。这个 localreceptive field 就像一个小窗户一样叫感受视野,如下图。透过这个窗户能看到的视野就是 左边的 5 5 的矩形,其对应这右边这个矩形中的 11的点。显然这个窗户中

#深度学习#神经网络
机器学习算法----支持向量机SVM (软间隔、核函数、拉格朗日乘子法) (学习笔记)

文章目录距离计算优化目标拉格朗日乘子法软间隔(soft-margin)核函数学习参考昨天整理了一下聚类算法的笔记----------各种聚类算法总结今天整理一下同为分类的另一个算法(有监督):支持向量机(Support Vector Machine)距离计算分类都绕不开一个问题就是样本间距离的计算,看下面这张图。显然右边分隔线的间距更大,更加有容错率。如何计算距离?下图是一张三维图。假设样本点为X

#人工智能
    共 13 条
  • 1
  • 2
  • 请选择