当前位置: 首页 > news >正文

【航天宏图旗下的PIE engine】

航天宏图旗下的PIE engine是一个集实时分布式计算、交互式分析和数据可视化为一体的在线遥感云计算开放平台,以下是对其的详细介绍:
在这里插入图片描述

一、平台背景与定位

PIE-Engine地球科学引擎是航天宏图自主研发的一套基于容器云技术构建的面向地球科学领域的专业PaaS/SaaS云计算服务平台。它基于自动管理的弹性大数据环境,以及多源遥感数据处理、分布式资源调度、实时计算、批量计算和深度学习框架等技术,为大众用户进行大规模地理数据分析和科学研究提供了一体化的服务。
PIE引擎,即PIE-Engine地球科学引擎,是航天宏图自主研发的一套基于容器云技术构建的面向地球科学领域的专业PaaS/SaaS遥感云计算服务平台。其数据资源涵盖了多个方面的内容,以下是详细介绍:

1.数据类型

PIE引擎的数据资源包括多种类型的数据集,如光学数据、雷达数据、气象数据、海洋数据、地球物理数据及矢量数据等。这些数据来源于国内外多种卫星和地面观测设备,包括国外哨兵系列、MODIS系列、Landsat系列等,以及国内高分系列、资源系列、环境系列、气象系列、海洋系列等。

2.数据集丰富性

PIE引擎汇聚了海量的数据集,涵盖了全球范围内的多种地球科学数据。例如,在遥感数据方面,平台提供了Landsat系列、Sentinel系列等卫星遥感数据,以及高分系列等国内卫星数据。此外,平台还提供了数字高程数据、水体数据、植被数据、环境数据等多种专题数据集。

3.数据更新与扩展

PIE引擎的数据资源在不断更新和扩展中。平台定期更新卫星遥感数据和其他地球科学数据,确保用户能够获取到最新的数据资源。同时,平台还在不断扩展数据资源的种类和覆盖范围,以满足用户多样化的需求。

4.数据质量与精度

PIE引擎的数据资源具有高质量和高精度。平台对卫星遥感数据和其他地球科学数据进行严格的预处理和质量控制,确保数据的准确性和可靠性。此外,平台还提供了多种数据校正和校准方法,以提高数据的精度和可用性。

5.数据访问与共享

PIE引擎提供了便捷的数据访问和共享功能。用户可以通过平台的数据资源访问链接或API接口获取所需的数据资源。同时,平台还支持数据共享和发布功能,用户可以将自己的数据资源上传到平台并与其他用户共享。

综上所述,PIE引擎的数据资源涵盖了多个方面的内容,包括多种类型的数据集、丰富的数据资源、不断的数据更新与扩展、高质量和高精度的数据以及便捷的数据访问与共享功能。这些优势使得PIE引擎成为地球科学领域中的一个重要工具,为科研工作者和决策者提供了强大的数据支持。

二、平台功能与服务

  1. 遥感/测绘专业处理平台:提供遥感数据的预处理、校正、镶嵌匀色等处理功能,支持多种遥感数据格式的导入和导出。
  2. 遥感实时分析计算平台:用户可以通过在线编程的方式,实现遥感数据的实时分析和计算,满足科研和工程应用的需求。
  3. 人工智能解译平台:提供遥感影像的智能解译服务,包括地物要素智能解译、特定场景目标检测、道路提取、水体提取、变化检测等功能,助力用户实现遥感数据的智能化处理和分析。

此外,PIE-Engine还提供了丰富的数据资源和算法库,包括国外的Landsat系列、Sentinel系列卫星遥感数据和国内的高分系列、环境系列、资源系列等卫星遥感数据,以及大量的遥感通用算法和专题算法。

三、平台优势

PIE engine,即航天宏图旗下的PIE-Engine地球科学引擎,具有多方面的显著优势,以下是对其优势的详细介绍:

1. 数据资源丰富

PIE-Engine汇聚了海量的地球科学数据,包括国内外多种卫星遥感数据、气象数据、海洋数据等,数据类型丰富、覆盖广泛,为用户提供了充足的数据资源支持。

2. 处理速度快

PIE-Engine具备高效的遥感数据处理能力,能够实现对多种卫星遥感数据的快速预处理、校正和镶嵌匀色等操作。同时,其分布式计算框架能够充分利用计算资源,提高处理速度,满足用户对快速响应的需求。

3. 计算简便

PIE-Engine提供了丰富的遥感计算算子和矢量分析算子,用户可以通过简单的脚本编程实现复杂的遥感数据处理和分析任务。此外,平台还支持多种编程语言,降低了用户的学习成本和使用难度。

4. 分析智能

PIE-Engine集成了先进的人工智能技术,能够进行遥感影像的智能解译和深度学习模型训练。通过智能分析,平台能够提取出遥感影像中的关键信息,如地物要素、特定场景目标等,为用户提供更加精准的分析结果。

5. 可视化效果好

PIE-Engine提供了强大的数据可视化功能,用户可以通过简单的拖拽操作即可生成精美的数据可视化图表和地图。这有助于用户更加直观地理解数据和分析结果,提高决策效率。

6. 安全性高

PIE-Engine注重用户数据的安全性和隐私保护,采用了多种安全措施来确保用户数据的安全存储和传输。同时,平台还提供了权限管理功能,用户可以根据自己的需求设置数据的访问权限,保障数据的安全性。

7. 可扩展性强

PIE-Engine是一个开放的平台,用户可以根据自己的需求进行定制和扩展。平台提供了丰富的API接口和文档,方便用户进行二次开发和集成。此外,平台还支持多种第三方服务的接入,如地理信息系统(GIS)、大数据分析等,进一步增强了平台的功能和可扩展性。

综上所述,PIE engine在数据资源丰富性、处理速度、计算简便性、分析智能性、可视化效果、安全性和可扩展性等方面都具有显著的优势。这些优势使得PIE engine成为地球科学领域中的一个重要工具,为科研工作者和决策者提供了强大的支持。

四、应用场景与案例

PIE引擎,即PIE-Engine地球科学引擎,其数据资源在多个领域得到了广泛应用。以下是对其应用领域的详细介绍:

1.自然资源领域

在自然资源领域,PIE引擎的数据资源被用于土地调查、土地利用、地质矿产资源勘查与监管。同时,它还能提供森林资源监管、动态监测与评价,湿地资源、草地资源的监测,以及区域荒漠化监测和评价等服务。

2.生态环境领域

在生态环境领域,PIE引擎的数据资源为生态监测提供了有力支持。通过对遥感数据的处理和分析,可以实时监测生态环境的变化,为生态保护和环境治理提供科学依据。

3.气象与海洋领域

在气象与海洋领域,PIE引擎的数据资源被用于气候监测和评估、海洋环境监测、海洋资源监测以及海洋灾害监测等。通过对遥感数据的分析,可以预测和评估气候和海洋环境的变化,为气象预报和海洋灾害预警提供重要信息。

4.应急减灾领域

在应急减灾领域,PIE引擎的数据资源为灾害监测和预警提供了有力支持。例如,在森林火灾监测方面,平台接入了多颗地球静止轨道卫星和多颗极轨气象卫星数据,通过自动监测和专人值班的方式,将森林火灾的监测频次提高到每10分钟一次,最小可实现15分钟一次的火情监测。此外,它还被用于洪涝、滑坡、泥石流等灾害的监测和预警。

5.智慧农业领域

在智慧农业领域,PIE引擎的数据资源为农作物监测等智慧农业服务提供了支持。通过遥感数据的分析,可以实时监测农作物的生长情况,为农户和农企提供精准的种植管理服务。

6.其他领域

除了以上领域外,PIE引擎的数据资源还被广泛应用于水利农林、国防安保等领域。通过对遥感数据的处理和分析,可以为这些领域提供重要的信息支持和服务。

综上所述,PIE引擎的数据资源在自然资源、生态环境、气象海洋、应急减灾、智慧农业以及水利农林、国防安保等多个领域都得到了广泛应用。这些应用不仅提高了各个领域的工作效率和准确性,还为科学研究和决策提供了有力支持。
PIE-Engine已广泛应用于自然资源、生态环保、应急管理、气象海洋、水利农林、国防安保等领域。例如,在自然灾害综合监测预警系统中,PIE-Engine提供了遥感数据的实时处理和智能解译服务,为政府提供了科学管理决策支持。同时,PIE-Engine还参与了国家重大工程建设和地方实际应用项目,如鹤壁市自然灾害综合监测预警系统、海河流域特大洪涝灾害监测服务等,实现了显著的社会和经济效益。

五、最新发展

航天宏图还推出了PIE-Engine天权大模型遥感云服务产品,该平台融合了最新的AI技术,以“分割一切、检测一切、生成一切”为目标,实现遥感数据的智能化处理和分析。该产品已广泛应用于自然资源、城市治理、交通导航、数字农村和灾害应急响应等领域,并获得了多项荣誉和奖项。

综上所述,PIE-Engine作为航天宏图旗下的一站式地球科学大数据实时计算平台,具有数据丰富、处理快速、计算简便、分析智能和性能高效等优势,已广泛应用于多个领域并取得了显著成效。

相关文章:

【航天宏图旗下的PIE engine】

航天宏图旗下的PIE engine是一个集实时分布式计算、交互式分析和数据可视化为一体的在线遥感云计算开放平台,以下是对其的详细介绍: 一、平台背景与定位 PIE-Engine地球科学引擎是航天宏图自主研发的一套基于容器云技术构建的面向地球科学领域的专业P…...

Python酷库之旅-第三方库Pandas(157)

目录 一、用法精讲 716、pandas.Timedelta.view方法 716-1、语法 716-2、参数 716-3、功能 716-4、返回值 716-5、说明 716-6、用法 716-6-1、数据准备 716-6-2、代码示例 716-6-3、结果输出 717、pandas.Timedelta.as_unit方法 717-1、语法 717-2、参数 717-3、…...

【原创】java+springboot+mysql校园表白墙网站设计与实现

个人主页:程序猿小小杨 个人简介:从事开发多年,Java、Php、Python、前端开发均有涉猎 博客内容:Java项目实战、项目演示、技术分享 文末有作者名片,希望和大家一起共同进步,你只管努力,剩下的交…...

CSS学习(Grid布局和flex布局比较)

grid网格布局真香,比flex方便太多了,grid-template-columns用法 文章目录 flex布局的时候网格grid布局的时候可以修改某一列的像素可以修改某一列的宽度占比自适应屏幕分列让第一个元素长宽都占2个 flex布局的时候 最后一行不够4个的时候 最下面一行无法…...

RTThread-Nano学习二-RT-Thread启动流程

一、简介 上一章,我们已经了解了如何通过MDK来移植RTT,不熟悉的可以看如下链接:RTThread-Nano学习一-基于MDK移植-CSDN博客本章我们就来继续了解一下,RTT的启动流程。 二、启动流程 官方给了一幅非常清晰的启动流程图&am…...

排查sshfs挂载失败的问题

#排查sshfs挂载失败的问题 写代码在Linux上运行,但是熟悉的IDE(比如VS code)在自己的电脑上,可以使用sshfs把linux上的目录挂载到本地,再用VScode打开即可,可以使用下面的命令: sshfs -odebug…...

【002】基于Spring Boot+Unipp的古诗词学习小程序【原创】

一.系统开发工具与环境搭建 1.系统设计开发工具 后端使用Java编程语言的Spring boot框架 项目架构:B/S架构 运行环境:win10/win11、jdk17 前端: 技术:框架Vue.js;UI库:ElementUI; 开发工具&…...

PageHelper循环依赖问题

1. 问题 2. 原因 项目中SpringBoot的版本为2.7.18。 SpringBoot2.6.x后不推荐使用循环依赖,也就是说从2.6.x版本开始,如果项目里还存在循环依赖,SpringBoot将拒绝启动! 3. 解决 去pageHelper github看,才看到新版本…...

k8s部署Kafka集群超详细讲解

准备部署环境 Kubernetes集群信息 NAMEVERSIONk8s-masterv1.29.2k8s-node01v1.29.2k8s-node02v1.29.2 Kafka:3.7.1版本,apche版本 Zookeeper:3.6.3版本 准备StorageClass # kubectl get sc NAME PROVISIONER RECLA…...

【数据采集工具】Sqoop从入门到面试学习总结

国科大学习生活(期末复习资料、课程大作业解析、大厂实习经验心得等): 文章专栏(点击跳转) 大数据开发学习文档(分布式文件系统的实现,大数据生态圈学习文档等): 文章专栏(点击跳转&…...

Matlab绘图总结(进阶)

本文在前文的基础上进一步整理画图方法 MATLAB画动图_CSDN博客 1. 基础图形绘制 1.1 rectangle(矩形,圆形) 在前文中,讲解了如何使用rectangle,rectangle本意是用来画矩形的,其中,Curvature可…...

QExcel 保存数据 (QtXlsxWriter库 编译)

QtXlsxWriter 是一个用于在 Qt 应用程序中创建和操作 Excel XLSX 文件的库。它提供了一个简单的 API,使开发者能够轻松地生成和修改 Excel 文件,而无需依赖 Microsoft Excel 或其他外部应用程序。支持初始化、写文件、读文件、格式设置、合并单元格、加粗…...

k8s ETCD数据备份与恢复

在 Kubernetes 集群中,etcd 是一个分布式键值存储,它保存着整个集群的状态,包括节点、Pod、ConfigMap、Secrets 等关键信息。因此,定期对 etcd 进行备份是非常重要的,特别是在集群发生故障或需要恢复数据的情况下。本文…...

【C语言】循环嵌套:乘法表

循环嵌套&#xff0c;外层循环执行一次&#xff0c;内层循环执行i次。分别控制 在循环的过程中加一层循环。 多层循环属于循环嵌套、嵌套循环 #include <stdio.h> #include <math.h> /* 功能&#xff1a;循环嵌套 乘法表 时间&#xff1a;2024年10月 地点&#xf…...

基于Java微信小程序的水果销售系统详细设计和实现(源码+lw+部署文档+讲解等)

详细视频演示 请联系我获取更详细的演示视频 项目运行截图 技术框架 后端采用SpringBoot框架 Spring Boot 是一个用于快速开发基于 Spring 框架的应用程序的开源框架。它采用约定大于配置的理念&#xff0c;提供了一套默认的配置&#xff0c;让开发者可以更专注于业务逻辑而不…...

从0开始深度学习(11)——多层感知机

前面介绍了线性神经网络&#xff0c;但是线性模型是有可能出错的&#xff0c;因为线性模型意味着是单调假设&#xff0c;但是现实中往往很复杂。例如&#xff0c;我们想要根据体温预测死亡率。 对体温高于37摄氏度的人来说&#xff0c;温度越高风险越大。 然而&#xff0c;对体…...

SQL语句查询

SQL语句查询 查询产生一个虚拟表 看到的是表形式显示的结果&#xff0c;但结果并不真正存储 每次执行查询只是从数据表中提取数据&#xff0c;并按照表的形式显示出来 查询语法 SELECT <列名> FROM <表名> [WHERE <查询条件表达式>] SELECT …...

OSI参考模型与TCP/IP模型

OSI参考模型 物理层 定义电压、接口、线缆标准、传输距离、传输介质等物理参数。数据链路层&#xff08;确定范围里的某一个&#xff09; MAC地址寻址网络层&#xff08;确定一个范围&#xff09; 网络地址层寻址、路由传输层&#xff08;区分不同的程序&#xff09; 数据分段…...

深度学习-26-基于PyTorch的多层感知机DNN

文章目录 1 代码分析1.1 加载数据集1.2 定义模型1.3 定义损失函数和优化器1.4 定义训练函数1.4.1 定义累加器Accumulator1.4.2 计算准确率accuracy1.4.3 评估函数evaluate_accuracy1.4.4 单轮训练函数train_epoch1.4.5 训练函数train1.2 执行训练2 整体代码3 参考附录1 代码分析…...

华为杯”第十三届中国研究生数学建模竞赛-B题:具有遗传性疾病和性状的遗传位点分析(附MATLAB代码实现)

目录 摘要: 1. 问题重述 1.1 问题背景 1.2 待解决问题 2. 符号说明 3. 问题一 3.1 问题分析 3.2 问题解决 4. 问题二 4.1 问题分析 4.2 问题解决 5. 问题三 5.1 问题分析 5.2 问题解决 6. 问题四 6.1 问题分析 6.2 问题解决 7. 总结 参考文献 代码实现 摘要: 人体的每条染色…...

后进先出(LIFO)详解

LIFO 是 Last In, First Out 的缩写&#xff0c;中文译为后进先出。这是一种数据结构的工作原则&#xff0c;类似于一摞盘子或一叠书本&#xff1a; 最后放进去的元素最先出来 -想象往筒状容器里放盘子&#xff1a; &#xff08;1&#xff09;你放进的最后一个盘子&#xff08…...

RocketMQ延迟消息机制

两种延迟消息 RocketMQ中提供了两种延迟消息机制 指定固定的延迟级别 通过在Message中设定一个MessageDelayLevel参数&#xff0c;对应18个预设的延迟级别指定时间点的延迟级别 通过在Message中设定一个DeliverTimeMS指定一个Long类型表示的具体时间点。到了时间点后&#xf…...

循环冗余码校验CRC码 算法步骤+详细实例计算

通信过程&#xff1a;&#xff08;白话解释&#xff09; 我们将原始待发送的消息称为 M M M&#xff0c;依据发送接收消息双方约定的生成多项式 G ( x ) G(x) G(x)&#xff08;意思就是 G &#xff08; x ) G&#xff08;x) G&#xff08;x) 是已知的&#xff09;&#xff0…...

ESP32读取DHT11温湿度数据

芯片&#xff1a;ESP32 环境&#xff1a;Arduino 一、安装DHT11传感器库 红框的库&#xff0c;别安装错了 二、代码 注意&#xff0c;DATA口要连接在D15上 #include "DHT.h" // 包含DHT库#define DHTPIN 15 // 定义DHT11数据引脚连接到ESP32的GPIO15 #define D…...

Neo4j 集群管理:原理、技术与最佳实践深度解析

Neo4j 的集群技术是其企业级高可用性、可扩展性和容错能力的核心。通过深入分析官方文档,本文将系统阐述其集群管理的核心原理、关键技术、实用技巧和行业最佳实践。 Neo4j 的 Causal Clustering 架构提供了一个强大而灵活的基石,用于构建高可用、可扩展且一致的图数据库服务…...

土地利用/土地覆盖遥感解译与基于CLUE模型未来变化情景预测;从基础到高级,涵盖ArcGIS数据处理、ENVI遥感解译与CLUE模型情景模拟等

&#x1f50d; 土地利用/土地覆盖数据是生态、环境和气象等诸多领域模型的关键输入参数。通过遥感影像解译技术&#xff0c;可以精准获取历史或当前任何一个区域的土地利用/土地覆盖情况。这些数据不仅能够用于评估区域生态环境的变化趋势&#xff0c;还能有效评价重大生态工程…...

三体问题详解

从物理学角度&#xff0c;三体问题之所以不稳定&#xff0c;是因为三个天体在万有引力作用下相互作用&#xff0c;形成一个非线性耦合系统。我们可以从牛顿经典力学出发&#xff0c;列出具体的运动方程&#xff0c;并说明为何这个系统本质上是混沌的&#xff0c;无法得到一般解…...

关于 WASM:1. WASM 基础原理

一、WASM 简介 1.1 WebAssembly 是什么&#xff1f; WebAssembly&#xff08;WASM&#xff09; 是一种能在现代浏览器中高效运行的二进制指令格式&#xff0c;它不是传统的编程语言&#xff0c;而是一种 低级字节码格式&#xff0c;可由高级语言&#xff08;如 C、C、Rust&am…...

SpringCloudGateway 自定义局部过滤器

场景&#xff1a; 将所有请求转化为同一路径请求&#xff08;方便穿网配置&#xff09;在请求头内标识原来路径&#xff0c;然后在将请求分发给不同服务 AllToOneGatewayFilterFactory import lombok.Getter; import lombok.Setter; import lombok.extern.slf4j.Slf4j; impor…...

Redis的发布订阅模式与专业的 MQ(如 Kafka, RabbitMQ)相比,优缺点是什么?适用于哪些场景?

Redis 的发布订阅&#xff08;Pub/Sub&#xff09;模式与专业的 MQ&#xff08;Message Queue&#xff09;如 Kafka、RabbitMQ 进行比较&#xff0c;核心的权衡点在于&#xff1a;简单与速度 vs. 可靠与功能。 下面我们详细展开对比。 Redis Pub/Sub 的核心特点 它是一个发后…...