Soil Mechanics for Unsaturated Soils, nice!
2022-10-19 15:23:19 29.08MB Unsaturated Soils
1
土壤水分车间 利用雷达测量结果获取土壤水分。 该存储库包括:Oh 1992 Oh2004水云模型
2022-02-10 17:55:24 42KB Python
1
土壤侵蚀控制是陆地生态系统主要通过植被覆盖提供的关键生态系统服务。两个指标用于量化服务的容量和使用。第一个无量纲指标通过将像素值的范围从0分配到1来衡量生态系统避免水土流失的能力,覆盖了EU-28领土,范围为2010年。第二个指标是基于植被保留的土壤量的有植被的土壤侵蚀与没有植被的土壤侵蚀之间的差异。量化基于RUSLE模型的应用。
2021-12-31 17:28:01 1.5GB 数据集
1
SOIL C++库 OpenGL.SOIL是简单的OpenGL图像库(简单的OpenGL图像库)的缩写,它支持大多数流行的图像格式,并且使用简单。
2021-12-13 12:14:22 127KB SOIL OpenGL
1
如果要简单下载,请单击上方的“发布”标签。 上还有一个版本。 srdb 全球土壤呼吸数据库 上次数据更新:2021年1月27日 关于srdb 该项目不是代码。 相反,它是有关该领域土壤表面CO2通量(土壤呼吸)的已发表研究的数据库,旨在用作科学分析的资源。 该存储库中的文件列表 文件 描述 计算 电子表格目录(通常是根据图表估算的数据) Corrections-additions.xls Excel工作簿中的更正/补充 Expanded_field_notes.txt 有关某些字段及其用途的更多信息 执照 SRDB使用MIT许可证,该许可证简短,简单且允许 [R R检查脚本目录 自述文件 生成此自述文件 srdb-data_fields.txt srdb数据文件的元数据 srdb-data.csv 主数据库 srdb-equations_fields.csv srdb-e
2021-11-09 10:39:44 4.96MB science data soil global-database
1
聚苯乙烯 概要 该项目包含用于两个源能量平衡模型(Priestley-Taylor TSEB-PT ,双重时差DTD和TSEB以及土壤和冠层温度TSEB-2T的Python代码)的功能,用于基于辐射度测量来估算感热通量和潜热通量(蒸散)。表面温度。 该项目包括: 具有任何电阻能量平衡模型所需的基本功能的低级模块 更高级别的脚本,可轻松运行带有表格数据和/或卫星/机载图像的TSEB。 安装 将项目下载到本地系统,输入下载目录,然后键入 python setup.py install 如果要在Python发行版中安装pyTSEB及其低级模块。 需要以下Python库: 脾气暴躁的 大熊猫 pyPro4Sail,位于[ ] GDAL,用于在映像上运行TSEB 大熊猫 netCDF4 散景 使用conda ,您可以创建一个完整的环境 conda env create -f env
2021-10-27 13:24:50 10MB evapotranspiration satellite-imagery heat soil
1
glew 2.0 glfw 3.2 soil 以及 freeglut 3.0,下载后放到VS2015安装目录下的VC目录即可
2021-10-08 20:18:03 1.13MB OpenGL开发库
1
快速入门指南 下载QGIS 2.18(稳定版) 打开QGIS→插件→管理和安装插件→设置→选中“同时显示实验性插件”→“添加”插件存储库并填写以下内容:名称:garuda-gis URL: ://stg.gis.garuda.io/soil 保留其他默认设置 或者 以ZIP格式下载此存储库,将其解压缩到本地QGIS插件目录(例如C:\ Users \ Juan.qgis2 \ python \ plugins) 在“全部”下,找到Garuda_Soil侵蚀风险并安装插件 打开插件,然后浏览到保存从此处获得的样本输入数据的目录。 完毕! 感谢您可以在此处撰写的任何评论。 简要描述;简介 开发了土壤侵蚀风险评估(SRA)QGIS插件,以自动执行计算,分析和评估过程,以生成可操作的地图输出,以识别易于发生土壤侵蚀的位置。 此SRA插件采用的方法是根据修订的通用土壤流失方程(RUSLE)建
2021-08-28 09:36:10 107KB Python
1
官网貌似不支持下载了,暂时提供下载
2021-08-11 19:10:21 192KB OPENGL
1
Machine-Learning-Geological-Mapping-Soil-Geochemistry:机器学习项目,可使用土壤样本地球化学来预测潜在的地质情况。 测试地形数据,采样方法,机器学习算法和多个分类器系统的优势
2021-06-30 21:13:32 31KB Python
1