本研究利用光学哨兵-2卫星影像和机器学习模型，监测外源有机物施用对土壤和作物健康的影响，展示了遥感技术在精细农业中的应用潜力。

本研究提出SenCLIP，通过将Sentinel-2卫星图像与地面照片配对，提升了土地利用和覆盖的零-shot分类准确性。该方法利用视觉语言模型，解决了卫星图像训练数据不足的问题，拓展了自由文本描述的应用潜力。

Sentinel是阿里技术体系中的流量治理组件，支持熔断、限流和监控，兼容主流Java框架。1.8.x版本持续迭代，提供灵活的资源管理和丰富的控制规则，适用于复杂流量需求。其友好的Dashboard界面增强了开发者的使用体验。

Sentinel是一个用于保护服务稳定性的工具，通过流量控制、熔断降级和系统负载保护实现。支持秒杀、消息削峰填谷等场景，提供实时监控和开源生态。通过SPI扩展和多语言实现，便于集成和定制。京东使用Sentinel进行业务降级和限流，性能影响较小。

本文介绍了在Debian GNU/Linux上使用Sentinel为Redis设置高可用架构的步骤，包括安装Redis并设置主从节点，安装Sentinel并设置Sentinel节点，以及测试故障转移。

本文介绍了如何使用h3索引和postgresql处理多波段栅格图像，并创建指数。文章详细说明了从Sentinel-2图像中下载数据，预处理图像，计算h3单元格，并在postgresql中存储结果。最后，文章展示了如何在QGIS中可视化计算出的指数。

本文介绍了一种利用分类卫星图像时间序列绘制农作物地图的方法。该方法使用专家知识进行农作物分类，并将标签编码至卷积循环神经网络中。实验结果表明，该方法在新的公共数据集上的分类性能提高了9.9个百分点。

全球人口增长对资源需求增加，遥感技术成为环境管理工具，监测土地利用、规划城市区域、推动农业、气候变化缓解、灾难恢复和环境监测。利用迁移学习和细调RGB波段，土地利用分析准确度达99.19%，可用于制定保护和城市规划政策。

通过介绍 UrbanSARFloods 数据集，研究考察了卫星合成孔径雷达在大规模洪水测绘方面的局限性，发现目前的方法无法克服数据不平衡和小型训练数据集的限制，探索了解决不平衡数据挑战和利用迁移学习进行基于合成孔径雷达的大规模洪水测绘的潜力，为深化洪水测绘技术的应用做出贡献。

通过使用合成孔径雷达卫星图像时间序列，结合现有的手动损伤评估和云端地理空间分析工具作为基本真实数据，本研究提出了一种可扩展且可复制的方法，用于估算战争导致的建筑损害，并通过使用开放式建筑物边界对这些评估进行后处理，使人道主义组织和其他相关方能够快速筛查大范围的地理区域中的战争影响。

通过使用 Pixel-Wise T-Test 算法结合合成孔径雷达成像和统计变化检测的方法，该研究提供了在广阔区域定期获得准确冲突破坏估计的新方法，并在乌克兰、加沙、叙利亚和伊拉克等地的 12 个城市上进行了评估，达到了与使用深度学习和高分辨率成像方法相媲美的建筑级准确性统计水平（在乌克兰是 AUC=0.88，在加沙是 0.81）。该 workflow 是开源的，并完全部署在 Google...