土地覆盖/土地利用简介及数据集

1 简介

土地覆盖:地球表面当前所具有的自然和人为影响所形成的覆盖物,是地球表面的自然状态,如森林、草场、农田、土壤、冰川、湖泊、沼泽湿地及道路等。

土地利用:是人类在生产活动中为达到一定的经济效益、社会效益和生态效益,对土地资源的开发、经营、使用方式的总称。

两者的区别:

• 土地利用表示与土地相结合的人类活动而产生的不同利用方式,反映土地的社会和经济属性

• 土地覆盖表示地球表面存在的不同类型的覆盖特征,强调的是土地的表面形状,反映土地的自然属性

土地利用/土地覆盖分类系统

LULC分类系统是根据人类土地利用行为的目的、方式等不同,将一定时期的土地利用行为分为若干种类型,由这些类型组成的有一定结构关系的系统框架(包括类型名称、识别标准、类型之间的联系等)。一般采用分级结构

可参考文献:http://sourcedb.igsnrr.cas.cn/zw/lw/201112/P020111207607064684999.pdf

 可用来进行土地利用/土地覆盖分类的遥感信息源选取:

主要使用空间分辨率为米级至1公里的可见光及近红外波段遥感数据.如GF-1、GF-2、HJ-1A/B、ZY-1 02C、IKONOS、Landsat-TM 、MSS、CEBERS、SPOT–HRV、NOAA-AVHRR及MODIS等。

分类方法

• 目视解译定性分析方法

• 计算机自动分类方法

  1)土地覆盖非监督分类

  2)土地覆盖监督分类

土地覆盖分类结果精度检验(混淆矩阵)

 

 

总体精度: 分类结果与地面实际类型相一致的概率.

用户精度(第i类): 从分类结果中任取一个随机样本,其所具有的类型与地面实际类型相同的条件概率.

制图精度(第j类): 相对于地面获得的实际资料中的任取一个随机样本,分类图上同一地点的分类结果与其相一致的条件概率.

漏分误差(omission): 对于地面观测的某种类型, 在分类图上任取一样本, 其被错划分为其他不同类型的概率(实际的某类地物被误分到其他类型的概率).

错分误差(comission): 对于所分出的某一类型上任取一样本, 它与实际地面观测类型不同的概率.(图像上被划分为某一类地物实际上有多少应该是别的类别).

Kappa系数(可用来测定两幅图间的吻合度或精度):

 

2 数据集

ISLSCP II IGBP DISCover and SiB Land Cover, 1992-1993 (IGBP全球GLCC土地覆盖数据(1992年))(全球0.25°、0.5°、1°分辨率)

https://daac.ornl.gov/ISLSCP_II/guides/edc_landcover_xdeg.html

此数据集提供了基于国际地圈生物圈计划数据和信息系统的17中土地覆盖类型 International Geosphere-Biosphere Program Data and Information System's (IGBP-DIS) DISCover 土地覆盖的地理分布和 USGS Earth Resources Observed and Science (EROS) Data Center (EDC) 处理简单生物圈 Simple Biosphere(SiB) 模型得到的15 中类型,有六个压缩文件, 空间分辨率为0.25°、0.5°、1°, 数据格式是标准 ESRI ArcGIS ArcInfo ASCII Grid format

这项研究的目的是使用一整年的数据(1992年4月至1993年3月),从1km AVHRR数据中绘制出一张土地覆盖图。 该专题图已被重新采样为0.25、0.5和1.0度的网格,以用于国际卫星陆地表面气候项目(ISLSCP)数据计划II。 在此重新处理过程中,原始的EDC土地覆盖类型和比例图已进行调整,以匹配ISLSCP II土地/水面罩的水/土地比例。 这些地图是供全球建模人员和其他人使用的。

美国马里兰大学1km分辨率土地覆盖数据 UMD Land Cover Classification 1998 

http://app.earth-observer.org/data/basemaps/images/global/LandCover_512/LandCoverUMD_512/LandCoverUMD_512.html     这个网站貌似打不开

http://glcf.umd.edu/data/landcover/ 这个也许需要FQ

https://gcmd.nasa.gov/KeywordSearch/Metadata.do?Portal=GCMD&KeywordPath=Parameters%7CBIOSPHERE%7CVEGETATION&OrigMetadataNode=GCMD&EntryId=GLCF_GLC_1km&MetadataView=Full&MetadataType=0&lbnode=mdlb2   数据相关信息

美国马里兰大学地理系于1998年制作此土地覆盖分类,数据来自于AVHRR卫星获得的1981到1994年之间影像,共分为14个不同土地覆盖类型,该数据有三种空间分辨率:100千米,8千米和1千米分辨率。

Hansen, M., DeFries, R., Townshend, J. R. G. and Sohlberg, R.. 1998. (specify 1 Degree, 8 Km, or 1 Km) Land Cover Classification Derived from AVHRR. College Park, Maryland: The Global Land Cover Facility.

ISLSCP II MODIS (Collection 4) IGBP Land Cover, 2000-2001(全球0.25°、0.5°、1°分辨率)

https://daac.ornl.gov/ISLSCP_II/guides/modis_landcover_xdeg.html

此数据集包含使用2000年10月至2001年10月期间的全年MODIS数据生成的全球土地覆盖分类。这些产品描述了国际地圈生物圈计划(IGBP)提出的17种土地覆盖分类方案的地理分布。包括三个zip压缩文件,分辨率分别为0.25°、0.5°、1°。

MODIS Land Cover Type/Dynamics 

https://modis.gsfc.nasa.gov/data/dataprod/mod12.php

Land cover at annual time steps over 2001-2013 at 1 km resolution. Several classification systems are available. Produced by NASA.

Product NameCombined Aqua & Terra Product ID
Land Cover Type Yearly L3 Global 500mMCD12Q1
Land Cover Types Yearly L3 Global 0.05 Deg CMGMCD12C1
Land Cover Dynamics Yearly L3 Global 1kmMCD12Q2

MCD12Q1 v006:MODIS/Terra+Aqua Land Cover Type Yearly L3 Global 500 m SIN Grid (2001-2018)

MCD12Q1 Version 6 数据产品提供以年为间隔的全球地表覆盖类型分布(2001-2018), 从 User Guide 中列出的六种不同分类方案得到,该产品通过对MODIS Terra and Aqua 反射率数据进行监督分类得到.Layers for Land Cover Type 1-5, Land Cover Property 1-3, Land Cover Property Assessment 1-3, Land Cover Quality Control (QC), and a Land Water Mask are provided in each MCD12Q1 Version 6 Hierarchical Data Format 4 (HDF4) file.

MCD12C1 v006:MODIS/Terra+Aqua Land Cover Type CMG Yearly L3 Global 0.05 Deg (2001-2018)

The Terra and Aqua combined MODIS Land Cover Climate Modeling Grid (CMG) (MCD12C1) Version 6 数据产品是 MCD12Q1 Version 6 数据产品的空间降采样和重投影产品. Maps of the International Geosphere-Biosphere Programme (IGBP), University of Maryland (UMD), and Leaf Area Index (LAI) classification schemes are provided at yearly intervals at 0.05 degree (5,600 meter) spatial resolution for the entire globe from 2001 to 2018. Provided in each MCD12C1 Version 6 Hierarchical Data Format 4 (HDF4) file are layers for Majority Land Cover Type 1-3, Majority Land Cover Type 1-3 Assessment, and Majority Land Cover Type 1-3 Percent.

MCD12Q2 v006:MODIS/Terra and Aqua Land Cover Dynamics Yearly L3 Global 500 m SIN Grid (2001-2017)

MCD12Q2 Version 6 数据产品提供以年为间隔的2001-2017年之间全球地表物候指标,该产品获取自 2-band Enhanced Vegetation Index (EVI2) (计算自 MODIS Nadir Bidirectional Reflectance Distribution Function (BRDF)-Adjusted Reflectance (NBAR).)的时间序列影像。 Vegetation phenology metrics at 500 meter spatial resolution are identified for up to two detected growing cycles per year. For pixels with more than two valid vegetation cycles, the data represent the two cycles with the largest NBAR-EVI2 amplitudes.

Provided in each MCD12Q2 Version 6 Hierarchical Data Format 4 (HDF4) file are layers for the total number of vegetation cycles detected for the product year, the onset of greenness, greenup midpoint, maturity, peak greenness, senescence, greendown midpoint, dormancy, EVI2 minimum, EVI2 amplitude, integrated EVI2 over a vegetation cycle, as well as overall and phenology metric-specific quality information. A low-resolution browse image showing greenup is also available when viewing each MCD12Q2 granule. SDS layers may be multi-dimensional with up to two valid vegetation cycles.

For areas where the NBAR-EVI2 values are missing due to cloud cover or other reasons, the data gaps are filled with good quality NBAR-EVI2 values from the year directly preceding or following the product year.

欧盟 Global Land Cover 2000 1km

https://forobs.jrc.ec.europa.eu/products/glc2000/products.php

GLC2000数字数据库应该这样引用:Global Land Cover 2000 database. European Commission, Joint Research Centre, 2003.

GLC 2000 使用 VEGA 2000 数据集: 由SPOT 4卫星上的VEGETATION仪器采集的14个月每日预处理全球数据的数据集

有以下两种类型产品:

  1. The Global Land Cover dataset - This is the harmonisation of all the regional products, into a full resolution global product, with a generalised legend.
  2. Regional Land Cover datasets - The classification of these windows have been produced by regional GLC2000 partners, with a regionally specific legend, to provide as much detail as possible.

全球30m地表覆盖遥感数据产品-Globe Land30 2000/2010/2020

GlobeLand30是指由国家基础地理信息中心牵头研制、拥有自主知识产权的30米空间分辨率全球地表覆盖数据产品。

globe30听说是目前数据质量最好的土地覆盖数据

http://www.globeland30.com/GLC30Download/index.aspx

http://www.webmap.cn/mapDataAction.do?method=globalLandCover 建议选这个网站 GlobeLand30数据下载

GlobeLand30数据集是中国国家高技术研究发展计划(863计划)全球地表覆盖遥感制图与关键技术研究项目的重要成果。该数据集包含十个主要的地表覆盖类型,分别是耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪,第三方评价总体精度为83.50%。

提供GlobeLand30数据分幅产品下载,共853幅。分幅产品在南北纬60°区域内,按照5°(纬度)×6°(经度)大小进行分幅;在南北纬60°至80°区域内,按照5°(纬度)×12°(经度)大小进行分幅,按照奇数6°带的中央经线进行投影。

一个分幅数据压缩包中包含分类成果文件、坐标信息文件、分类影像接图表文件、元数据文件和说明性文件5部分。

2020版Globe30土地覆盖数据下载

http://www.globallandcover.com/

注册账号,登录即可

 建议使用学校邮箱

哥白尼全球土地服务:年度100m全球土地覆盖数据 2015-2019

https://land.copernicus.eu/global/content/annual-100m-global-land-cover-maps-available

CGLS-LC100 collection 3

该数据在GEE中可以调用使用

https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_Landcover_100m_Proba-V-C3_Global

欧空局全球300m陆地覆盖数据(ESA GlobCover)2005-2006

 http://due.esrin.esa.int/page_globcover.php

欧空局全球300m陆地覆盖数据(ESA GlobCover)2009

http://due.esrin.esa.int/page_globcover.php

GlobCover为全球陆地覆盖数据,分辨率300米,数据格式为TIF。GlobCover全球陆地覆盖数据的原始数据来自Envisat卫星,由MERIS(Medium Resolution Imaging Spectrometer)传感器拍摄完成。数据生成过程中,主要选取了MERIS传感器在2009年1月1日至12月31日期间所接收的较高质量的影像数据,来进行图像合成。GlobCover全球陆地覆盖数据采用“美国食品和农业组织的地表覆盖分类系统(UN Food and Agriculture Organisation’s Land Cover Classfication)”作为图例生成标准。

北京市30m土地覆被数据(2010年)—— 吴炳方

http://www.geodata.cn/data/datadetails.html?dataguid=1466&docId=7180

以土地覆被产品2010(ChinaCover2010)为底图栅格化完成。ChinaCover2010是以国产环境星遥感数据为主要数据源,辅以中华人民共和国植被图(1:1,000,000)、2000和2005年土地利用图及ASTERDEM生成的坡度和坡向数据等,采用面向对象技术实现解译。 分类系统的一级类与IPCC系统保持一致共6类二级类采用了由FAO的LCCS生成的具有全球统一代码的38个类型,目前ChinaCover2010产品精度一级类可达到91%,二级类约为82%。

全球30米精细地表覆盖产品(2015年)—— 刘良云

http://www.geodata.cn/data/datadetails.html?dataguid=4200772&docid=174

全球30米精细地表覆盖产品包含了全球陆地区域30个类型的地表覆盖信息。研究生产了包含30个地物类型的地表覆盖产品期望为多样化的地表应用提供数据支撑。数据来源:USGS Landsat 8地表反射率数据,经过检验数据集的验证总体精度为74.92%.

清华大学宫鹏组的土地覆盖数据

http://data.ess.tsinghua.edu.cn/

FROM-GLC10, based on 10-m resolution Sentinel-2 data acquired in 2017.

最新的有 FROM-GLC 10m (2017年) 的数据,下载的时候可以搜索对于先下载地区的影像编号:

* If you do not know the MODIS tile number of your area of interest, please click http://modis-land.gsfc.nasa.gov/MODLAND_grid.html to use their spatial query to find it out.
* If you do not know the Landsat Path and Row number, please click http://landsat.usgs.gov/tools_csf.php to use their spatial query to find it out.

fromglc10 glc10v01的意思是global land cover 10年的v1版本 分类方式,就是按照这个标准进行土地覆盖分类。

其他可参考:https://blog.csdn.net/weixin_42101836/article/details/103884630?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

全球30m土地覆盖数据集FROM-GLC(2015年)—— 宫鹏

http://www.geodata.cn/data/datadetails.html?dataguid=7990330&docId=5372

全球30m土地覆盖数据集FROM-GLC(2015年)包括全球2015年地表覆盖产品。地表覆盖类型主要包括9类一级类和25类二级类。该数据集的原始数据包括:Landsat5/7/8、中国高分卫星、资源卫星、环境卫星和SRTM地形数据等。被使用多。

全球30m土地覆盖数据集FROM-GLC(2017年) —— 宫鹏

http://www.geodata.cn/data/datadetails.html?dataguid=25725976218589&docId=2650

全球土地覆盖数据集FROM-GLC(2017年)数据为全球30m土地覆盖空间分布数据,地表覆盖类型主要包括10类,经严格验证后数据精度达72.35%。全球土地覆盖数据是全球资源调查、土地覆盖研究、地表监测及陆地模式等的重要基础数据。该数据的数据源包括:Landsat8,DEM,MOD13Q1。被使用多。

OSM土地利用与土地覆盖矢量数据

https://download.geofabrik.de/

The OpenStreetMap (OSM) project (www.openstreetmap.org) has collected an enormous amount of free spatial data and the database is growing every day

中国地区土地覆盖综合数据集

http://westdc.westgis.ac.cn/data/f1aaacad-9f42-474e-8aa4-d37f37d6482f

中国土地覆盖数据集包括5种产品:

1)glc2000_lucc_1km_China.asc,由GLC2000项目开发的基于SPOT4遥感数据的全球土地覆盖数据中国子集,数据名称为GLC2000.GLC2000中国区域土地覆盖数据由全球覆盖数据直接裁剪得到,它的数据说明请参考http://www-gvm.jrc.it/glc2000/defaultGLC2000.htm

2)igbp_lucc_1km_China.asc,由IGBP-DIS支持的基于AVHRR遥感数据的全球土地覆盖数据中国子集,数据名称为IGBPDIS;IGBPDIS数据的制备,采用USGS的方法,利用1992年四月到1992年三月的AVHRR数据开发出1km分辨率的全球土地覆盖数据,分类系统采取IGBP制定的分类系统,把全球分为17类.其开发以洲为单位。应用AVHRR12个月的最大化合成NDVI资料,

3)modis_lucc_1km_China_2001.asc,MODIS土地覆盖数据产品中国子集,数据名称为MODIS;MODIS中国区域土地覆盖数据由全球覆盖数据直接裁剪得到,它的数据说明请参考http://edcdaac.usgs.gov/modis/mod12q1v4.asp。

4、umd_lucc_1km_China.asc,由马里兰大学生产的基于AVHRR数据的全球土地覆盖数据中国子集,数据名称为UMd;UMd基于AVHRR数据的5个波段及NDVI数据经过重新组合建议数据矩阵,用分类树的方法进行了全球土地覆盖分类工作。其目的是希望建立一个比过去数据更高精度的数据。分类系统很大程度上采用了IGBP的分类方案。

5)westdc_lucc_1km_China.asc,由中国科学院组织实施的中国2000年1:10万土地覆盖数据,对其进行合并、矢栅转换(面积最大法),最后得到全国幅1km的土地利用数据产品,数据名称为WESTDC。WESTDC中国区域土地覆盖数据是在中国科学院1:10万按县分幅的土地资源调查的成果的基础上进行了合并、矢栅转换(面积最大法),最后得到全国幅的土地利用数据产品。采用中科院资源环境分类系统。

数据格式:ArcView GIS ASCII

图像分辨率与地图比例尺之间的关系:

付费:

全国高分辨率土地利用数据产品

http://www.dsac.cn/DataProduct/Detail/200831

地理国情监测云平台提供的高分辨率土地利用数据产品是以0.5m-2.5m分辨率卫星遥感影像为主要数据源,经过影像融合、几何校正、拼接等处理后,通过人机交互目视解译的方法,进行地类图斑矢量化工作

  

全国土地覆盖数据

http://www.dsac.cn/DataProduct/Detail/200827

全国土地覆盖数据产品是指基于Landsat TM/ETM/OLI遥感影像,采用全数字化人机交互遥感快速提取方法,同时参照国内外现有的主要是美国马里兰大学土地覆盖分类体系,以及遥感信息源和我国地表覆盖的实际情况,将全国土地类型划分为13级分类土地覆盖数据产品,它是地理国情监测云平台推出的土地资源类系列数据产品之一。

参考:

孙睿 《资源环境遥感》课程

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/50760.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

从灰度图到地形图

序 大概就是根据一个灰度图,生成一个地形。 分两步来实现吧;首先,用随机数生成地形;然后,根据灰度图生成地形。 小白,没啥基础,所以只能慢慢来。 参考: 【萌新图形学】地形网格生成入…

Fragstats的土地利用景观格局分析

土地利用以及景观格局是当前全球环境变化研究的重要组成部分及核心内容,其对区域的可持续发展以及区域土地管理有非常重要的意义。通过对土地利用时空变化规律进行分析可以更好的了解土地利用变化的过程和机制,并且通过调整人类社会经济活动,…

土壤类型、土壤质地、土壤养分空间分布

引言 全国土壤类型、质地、养分及变化等信息产品分为土壤类型数据、土壤质地数据、土壤养分数据及土壤变化数据等。该类产品是基于野外调查和实地采样,结合历史数据,建立全国土壤类型、质地、养分及变化等数据集,同时做成多种尺度的栅格数据。…

第三版全球干旱指数和潜在蒸散数据发布

Robert J. Zomer ;JianchuXu;AntonioTrabucco(Kunming Institute of Botany, Chinese Academy of Science;Euro-Mediterranean Center on Climate Change, IAFES Division, Sassari, Italy) 摘要 潜在蒸散(Potential evapotranspiration&…

制作(土壤侵蚀度图,土地利用图、生态系统类型图,生境分布图)遥感解译模型方法.

最新《环境影响评价技术导则生态影响HJ19—2022》于2022年1月15日发布,2022-07-01正式实施,新导则颁布后,要求生态现状评价内容中基本图件构成包含:项目区域地理位置图、工程平面图、调查样方、样线、点位、断面等布设图、土地利用…

ArcGIS中的土地利用变化分析详解

本篇主要是针对矢量数据的分析。 一、不同时期的土地利用矢量数据,如何分析其图形及属性变化? 土地利用图(左图为1993年,右图为2003年) 思路如下: 可以先对2个图层进行Union操作,然后在结果中…

ArcGis实战:土地利用变化矩阵与土地利用变化图制作

目录 一、数据下载 (1)下载网站 (2)账号注册 (3)数据下载 二、图像预处理 (1)准备研究区矢量图层 (2)图像镶嵌 1.添加数据 2.去除黑边(复制栅格) 3.图像拼接(图…

基于GMT绘制行政区划图

基于GMT6软件,在VS Code上简单绘制单独省份行政区划图,以广西为例。 数据源:中国地理数据空间集,中国国界省界数据。 set GMT_SESSION_NAME97401 gmt begin GDO pnggmt set MAP_GRID_PEN_PRIMARY 0.25p,gray,2_2gmt coast -R103…

GPT模型应用丨遥感云大数据在灾害、水体与湿地领域典型案例实践

​ ​ ​ ​ 第一部分 基础实践 一 平台及基础开发平台 GEE平台及典型应用案例介绍; GEE开发环境及常用数据资源介绍; ChatGPT、文心一言等GPT模型介绍 JavaScript基础简介; GEE遥感云重要概念与典型数据分析流程; …

Google Earth Engine(GEE)下载全球土壤砂粒(Sand)含量数据

数据介绍: SoilGrids,是一个全球土壤属性地图,现在可以通过GEE下载。 SoilGrids是ISRIC–世界土壤信息的一个项目,旨在提供一个全球一致的、由数据驱动的系统,以预测土壤性质,并将其作为一项重要指标。该项…

利用ArcGIS做一张土地利用现状图

利用ArcGIS做一张土地利用现状图 首先我们打开ArcGIS加载进来三调数据,这是镇的数据,现在我们需要村的行政边界。首先打开属性表添加一个新的字段命名“行政代码”字段属性为文本,文本长度保持默认。 在行政代码列打开字段计算器输入Left(…

PIE-engine 教程 ——荒漠化程度提取案例分析(陕北区域)

这里我们利用ndvi进行荒漠化处理,我们这里将ndvi小于0.1的地方进行淹没掉,将剩余部分作为作为荒漠化的区域。这里选择时间的筛选我们将4月到10月的的时间作为研究时间。这里我们有几个函数需要需要先了解一下,首先是我们了解画polygon的函数&…

【乌鲁木齐】基于ArcGIS、ENVI、InVEST、FRAGSTATS等多技术融合提升环境、生态、水文、土地、土壤、农业、大气等领域应用

【原文链接】:【乌鲁木齐】基于ArcGIS、ENVI、InVEST、FRAGSTATS等多技术融合提升环境、生态、水文、土地、土壤、农业、大气https://mp.weixin.qq.com/s?__bizMzU5NTkyMzcxNw&mid2247545692&idx1&sn1934aa8be717557c6c97c6b5e2a49151&chksmfe68f5…

自然资源(国土)部门通用坐标TXT转SHP的FME方法

一、任务来源 经常遇到提供了TXT坐标需要转成矢量,然后去跟其他数据做分析统计的情况,最典型的就是原国土资源部门(现在的自然资源部门)在各种系统中用到的TXT坐标格式,它们的本质爱基本都是相同的,有的根据…

电商评论文本情感分类(中文文本分类+中文词云图)(第一部分-textcnn)

电商评论文本情感分类(中文文本分类中文词云图) 第一部分 第二部分Bert部分 本项目包含: 1.中文文本处理 2.中文词云图绘制 3.中文词嵌入 4.基于textcnn的中文文本分类(Test_Acc89.2000) 5.基于bert的中文文本分类(Test_Acc0.…

详解升讯威在线客服系统前端多国语言实现技术:原生支持葡文、印尼文、土耳其文、俄文

我在业余时间开发维护了一款免费开源的升讯威在线客服系统,也收获了许多用户。对我来说,只要能获得用户的认可,就是我最大的动力。 越来越多的用户向我提出需求,希望为访客端增加更多的界面语言,如葡文、印尼文、土耳其…

【NLP论文翻译】基于显著性感知主题建模的面向主题的客户服务口语对话摘要

本博客为博主论文阅读记录,原论文和github地址如下: 原论文下载:https://ojs.aaai.org/index.php/AAAI/article/view/17723/17530 代码:https://github.com/RowitZou/topic-dialog-summ 本篇博客所介绍论文为AAAI 2021论文 NLP领域…

ChatExcel 来了,太酷炫了!

点击上方“Java基基”,选择“设为星标” 做积极的人,而不是积极废人! 每天 14:00 更新文章,每天掉亿点点头发... 源码精品专栏 原创 | Java 2021 超神之路,很肝~中文详细注释的开源项目RPC 框架 Dubbo 源码解析网络应…

本周最火AutoGPT!GitHub3.6万+标星,解决复杂任务全程无需人类插手

金磊 丰色 发自 凹非寺量子位 | 公众号 QbitAI 本周AI圈”最红炸子鸡“诞生——AutoGPT。 不仅如此,这款软件系统的横空出世,一举将AI进程推向了新高度—— 自主人工智能。 顾名思义,它所具备的能力主打的就是一个“自主”,完全不…

智慧园区如何搭乘数字孪生这列快车?

无论是2022年的火爆的元宇宙还是今年出圈的ChatGPT,都体现着数字技术嵌入社会生活是大趋势,数字孪生作为智能技术的一大亮点,它在智慧园区中的应用会是怎样呢?今天我们就来聊一聊! (全文3000字,…