本文详细介绍了在GoogleEarthEngine（GEE）中提取水体边界的方法和步骤。
首先，需要选择合适的卫星影像数据，如Landsat或Sentinel系列。
其次，通过水体指数法（如NDWI和MNDWI）增强水体信息，并设置合适的阈值提取水体。
接着，使用边缘检测算法（如Canny或Sobel）获取精确边界。
最后，进行后续处理以优化结果。
文章还提供了一个简化的GEE代码示例，展示了如何使用NDWI指数和阈值法提取水体边界。
整个过程涉及数据选择、指数计算、阈值提取、边缘检测和后续处理，通过合理调整参数和方法可获得准确的水体边界信息。
在当今世界，遥感技术与地理信息系统（GIS）在环境监测、资源管理和各种地球科学研究领域中发挥着巨大作用。
GoogleEarthEngine（GEE）作为一款强大的云平台工具，为这些研究提供了便捷的途径，尤其在水体边界提取方面，GEE提供了操作方便、计算高效的优势，使得复杂的数据处理过程变得简单快捷。
利用GEE平台获取遥感影像数据是水体边界提取的第一步。
通常，研究者倾向于选择多时相、多光谱的卫星数据，例如Landsat或Sentinel系列。
这些数据源具有较高的空间分辨率和较短的重访周期，能够满足不同时间尺度的水体变化监测需求。
获取数据后，研究者需通过一系列图像处理技术来提取水体信息。
水体指数法是遥感影像水体信息提取的常用方法，它通过特定算法计算每个像元的水体指数值，该值可以用来区分水体和非水体区域。
常用的水体指数包括归一化差异水体指数（NDWI）和改进型归一化差异水体指数（MNDWI）。
这些指数通过反映水体在近红外波段的低反射率和在绿光波段的高反射率特性，将水体和其他地物有效区分。
在实际操作中，研究者需要根据具体应用场景选择合适的水体指数，并通过实验确定最佳阈值来提取水体边界。
提取出的水体边界往往需要进一步的处理来优化结果。
边缘检测算法，如Canny或Sobel算法，能够帮助识别和提取水体的轮廓线。
这些算法通过分析影像中亮度的梯度变化来确定边界的位置，其效果受到多种因素影响，包括所选算法的特性和影像质量等。
为了确保水体边界的准确性，后续处理工作至关重要。
这包括影像预处理、滤波、平滑以及可能的目视检查等。
预处理步骤主要是为了减少噪声干扰和改善影像质量，例如进行大气校正、云和云影去除等。
滤波和平滑操作有助于消除边缘检测过程中产生的毛刺和凹凸不平。
在实际应用中，研究者还需结合实际水体的形态特征和地理知识，对提取结果进行修正和补充，以确保水体边界的准确度。
文章中提到的GEE代码示例，简化了整个提取过程，向用户展示了如何使用NDWI指数和阈值法来提取水体边界。
这不仅有助于理解整个提取过程，而且便于用户在实际工作中根据自己的数据进行相应的调整和应用。
此外，考虑到遥感数据的多源性和多样性，软件开发人员也在不断地完善和更新GEE平台的相关软件包。
这些软件包集成了各种常用的遥感影像处理功能，使得用户无需从头编写复杂的代码，就能在平台上直接进行水体边界提取等操作。
这大大降低了用户的技术门槛，提高了工作效率。
在GEE平台中，提取水体边界是一套系统的工程，它涉及到影像数据的获取、水体指数的计算、阈值的设定、边缘检测算法的应用以及后续处理的优化等多个环节。
这些环节相互关联，每个环节的精准度都直接影响着最终结果的准确度。
随着遥感技术的不断进步和GEE平台的持续优化，提取水体边界的方法将变得更加高效和精确。

针对近红外InGaAs焦平面(FPA)调制传递函数（MTF）的测量要求，设计了一种全反射式Offner光学系统，由两块共轴的球面反射镜构成，11成像，F数为4。
在焦平面工作波长1.7μm下对光学系统进行优化，设计结果显示，在8mm×30mm的宽视场(FOV)内任一点，空间频率20lp/mm处（对应光敏元尺寸25μm×25μm的焦平面的Nyquist频率），光学系统的MTF在1.7\mm达到0.82，接近衍射限。
Zygo激光干涉仪在0.6328μm波长下的测量结果显示，系统的波前差均方根（RMS）值在0.6328\mm约为1/20λ，20lp/mm处MTF在0.6328\mm达到0.93。
将测量得到的波前差数据代入CODEV中计算，结果表明波长1.7μm下系统在8mm×30mm的视场内任一点，空间频率20lp/mm处的MTF实验值仍高于0.8，满足要求。

有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测

近红外光谱数据预处理的算法，包括mcs\msc\snv\sg等一些预处理算法

【大功率近红外半导体激光对蝗蝻致死作用的研究】这篇研究主要探讨了大功率近红外半导体激光对蝗蝻（Oedaleus asiaticus B.Bienko Nymphae）的致死效应，旨在寻找一种环保且高效的蝗虫防控方法，以替代传统的化学药剂。
研究中使用的激光器具有2W的功率和808nm的波长，这种类型的激光属于近红外范围，其热效应可能会对生物组织产生显著影响。
研究者针对三龄及以前龄期和三龄期后的亚洲小车蝗蝻进行了分组实验。
实验中，激光束直接照射蝗蝻的头部，以不同的功率密度和照射时间进行测试，并在照射后立即、5小时后以及次日观察蝗蝻的存活状态。
通过对比实验组和对照组，发现激光照射的蝗蝻在照射部位出现热损伤，活动能力显著下降。
随着激光剂量的增加和照射时间的延长，蝗蝻的活动能力进一步降低，死亡率逐渐升高。
研究结果显示，近红外激光对蝗蝻头部的照射具有良好的致死效果，且年龄较小的蝗蝻对激光的敏感度更高，致死效果更佳。
这是因为较年轻的蝗蝻身体结构相对脆弱，对热能的耐受性较低。
这一发现对于早期防治蝗灾具有重要意义，可以在蝗虫发育初期就有效控制其数量，防止其进一步扩散和造成更大的农作物损失。
激光作为一种非接触式杀虫手段，具有精准、快速和环境污染小的优点。
然而，该研究并未深入探讨激光对其他生物的影响，以及在实际操作中的可行性、成本效益和技术难题。
未来的研究可能需要考虑这些问题，同时，还需要进一步优化激光参数，以达到最佳的杀虫效果，同时避免对生态环境的潜在影响。
此外，该研究得到了高校博士点基金的支持，表明了学术界对这一领域的重视。
作者姚明印和周强分别是博士研究生和教授，他们的研究方向包括光机电生物诱导技术，这为理解激光在生物防治中的应用提供了专业背景。
这项研究为利用大功率近红外半导体激光控制蝗虫提供了理论基础，但实际应用仍需结合生物学、环境科学和技术工程等多方面的考量。
通过深入研究和优化，激光技术有望成为一种有效的生物控制策略，为全球的蝗虫防治提供新的解决方案。

摘要苹果叶片直接反应着苹果生长期的营养状况。
中国是苹果的主要生产国，然而国内苹果标准叶片数据的收集仅限于个别时期、个别品种的简单记录，没有形成完整且全面反应本国苹果标准叶片情况的数据集。
因此，构建不同品种苹果标准叶片的图像及近红外光谱数据集显得尤为重要。
这些数据不仅为苹果叶片分析提供参考，还为研究叶片营养快速检测技术提供数据基础。
通过收集中国苹果资源圃中种植的170余种品种的苹果标准树叶，并对叶片进行高清图像采集和近红外光谱采集，建立一个品种全面的苹果标准叶片的图像和光谱数据集。
以期为苹果叶片快速检测和精准养分管理提供数据支撑。

以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。
提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。
比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。
对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。
结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。

1基于遗传算法的TSP算法（王辉）2基于遗传算法和非线性规划的函数寻优算法（史峰）3基于遗传算法的BP神经网络优化算法（王辉）4设菲尔德大学的MATLAB遗传算法工具箱（王辉）5基于遗传算法的LQR控制优化算法（胡斐）6遗传算法工具箱详解及应用（胡斐）7多种群遗传算法的函数优化算法（王辉）8基于量子遗传算法的函数寻优算法（王辉）9多目标Pareto最优解搜索算法（胡斐）10基于多目标Pareto的二维背包搜索算法（史峰）11基于免疫算法的柔性车间调度算法（史峰）12基于免疫算法的运输中心规划算法（史峰）13基于粒子群算法的函数寻优算法（史峰）14基于粒子群算法的PID控制优化算法（史峰）15基于混合粒子群算法的TSP寻优算法（史峰）16基于动态粒子群算法的动态环境寻优算法（史峰）17粒子群算法工具箱（史峰）18基于鱼群算法的函数寻优算法（王辉）19基于模拟退火算法的TSP算法（王辉）20基于遗传模拟退火算法的聚类算法（王辉）21基于模拟退火算法的HEV能量管理策略参数优化（胡斐）22蚁群算法的优化计算——旅行商问题（TSP）优化（郁磊）23基于蚁群算法的二维路径规划算法（史峰）24基于蚁群算法的三维路径规划算法（史峰）25有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测（郁磊）26有导师学习神经网络的分类——鸢尾花种类识别（郁磊）27无导师学习神经网络的分类——矿井突水水源判别（郁磊）28支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断（郁磊）29支持向量机的回归拟合——混凝土抗压强度预测（郁磊）30极限学习机的回归拟合及分类——对比实验研究（郁磊）

BP神经网络与RBF神经网络的MATLAB实现辛烷值的预测报告，并附有源代码

数据集中包含采集到的60组汽油样品，利用傅立叶近红外变换光谱仪对其进行扫描，扫描间隔为2nm,每个样品的光谱曲线包含401个波长点，样品的近红外光谱曲线如图所示，其中包含对曲线的局部放大图。
同时数据集中包含使用传统的检测方法测定的辛烷含量值。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。