开源项目Awesome GEE Community Catalog 3.2.0版本发布:新增全球建筑高度与夜间灯光数据集
项目概述
Awesome GEE Community Catalog是一个由社区驱动的开源项目,旨在为Google Earth Engine(GEE)用户提供经过预处理的、可直接使用的优质地理空间数据集。该项目填补了官方数据目录中部分研究数据集缺失的空白,通过社区协作的方式收集、整理并共享各类开放许可的地理空间数据资源。所有数据集都经过规范化处理,可以直接在GEE平台上调用,极大地方便了科研人员和地理空间分析工作者的研究工作。
3.2.0版本重要更新
新增数据集
UT-GLOBUS全球建筑高度数据集 该数据集提供了全球范围内的建筑高度信息,专门为城市研究设计。数据集采用统一的标准和方法生成,覆盖范围广,精度高,可用于城市扩张分析、三维城市建模、人口密度估算等多种城市研究场景。
ESA CCI全球森林地上生物量变化图层(v5.01) 欧洲空间局气候变化倡议(ESA CCI)发布的这一数据集,提供了全球森林地上生物量的年度变化信息。该数据集基于多源卫星观测数据生成,时间序列完整,是研究全球碳循环、森林动态变化和生态系统服务评估的重要基础数据。
全球年度模拟NPP-VIIRS夜间灯光数据集(1992-2023) 这个独特的夜间灯光数据集通过模拟方法将时间序列扩展到1992年,弥补了早期夜间灯光数据的空白。数据集可用于研究城市化进程、经济活动空间分布、能源消耗估算等多个领域,为长期趋势分析提供了可能。
现有数据集更新
ESA CCI全球森林地上生物量(v5.01)更新 对原有数据集进行了版本升级和质量改进,提高了数据精度和一致性,使森林生物量估算结果更加可靠。
美国干旱监测(USDM)每周更新 继续保持对该数据集的定期更新,确保用户能够获取最新的干旱监测信息,为农业、水资源管理等领域提供及时的数据支持。
技术特点与优势
-
预处理完善:所有数据集都经过严格的预处理,包括格式转换、投影统一、质量检查等,确保用户可以直接使用而无需额外处理。
-
元数据完整:每个数据集都配有详细的元数据说明,包括数据来源、处理方法、精度评估等信息,方便用户了解数据特性。
-
开放许可:所有数据集都采用开放许可协议,支持学术研究和商业应用,降低了数据使用门槛。
-
与GEE无缝集成:数据集以GEE原生格式存储,可以直接调用GEE强大的计算能力进行分析处理,无需下载大型数据文件。
应用场景
这些新增和更新的数据集在多个领域具有广泛应用价值:
- 城市研究:建筑高度数据可用于城市形态分析、热岛效应研究、城市规划等领域。
- 气候变化研究:森林生物量数据是碳循环模型的重要输入,可用于评估森林碳汇能力。
- 社会经济监测:夜间灯光数据作为人类活动的代理指标,可用于经济发展评估、灾害影响分析等。
- 环境监测:干旱监测数据为农业决策、水资源管理提供科学依据。
未来展望
随着社区贡献的不断增加,Awesome GEE Community Catalog将继续扩展其数据集覆盖范围,计划在未来版本中增加更多专题数据集,如高分辨率土地利用/覆盖变化、城市热环境、生态系统服务评估等。同时,项目团队也将持续优化现有数据集的质量和可用性,为地理空间分析社区提供更优质的数据服务。
该项目的开源特性鼓励全球研究人员的参与和贡献,通过社区协作的方式共同构建一个更加完善的地理空间数据生态系统,推动地球观测科学的发展和应用创新。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00