实体
Sentinel 1 Sar
Sentinel 1 Sar
PulseAugur coverage of Sentinel 1 Sar — every cluster mentioning Sentinel 1 Sar across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的GeoDisaster基准测试用于测试AI智能体在灾害响应中的能力
研究人员推出了GeoDisaster，这是一个旨在评估和改进编排智能体在操作性灾害地理情报方面能力的新基准测试。该基准测试包含五个任务家族的2,921个实例，整合了多样化的地球观测和GIS数据，用于危险探测和损害评估等任务。配套的多智能体框架采用了一种名为角色-契约期望对齐（RCEA）的新颖对齐技术，以增强灾害响应场景中的工具使用和决策能力。
-
物理约束深度学习提升洪水预测精度
研究人员开发了一个新的基于物理约束的深度学习框架，用于先进洪水预测。该混合模型结合了UNet和傅里叶神经网络算子（FNO）架构，将多模态遥感数据与浅水方程的约束相结合。与现有方法相比，该方法在预测洪水范围和水位方面显著提高了准确性。
-
机器学习集成模型提前72小时预测孟加拉国山洪暴发
研究人员开发了HaorFloodAlert，这是一个机器学习集成模型，旨在提前72小时预测孟加拉国沼泽湿地的山洪暴发。该系统解决了现有洪水预测模型不适用于这些平坦盆地独特的回水动力学的局限性。通过采用非季节性方法并整合Sentinel-1 SAR数据，HaorFloodAlert在预测洪水概率方面取得了高精度，并提供分级警报系统。