-
-
NASA海洋垃圾机器学习分类数据集1963-2021
NASA海洋垃圾机器学习分类数据集1963-2021 数据来源：互联网公开数据 标签：NASA,海洋垃圾,塑料,金属,分类,机器学习,季节,国家,日期,海岸线,高精度,准确率 数据概述：...
-
NASA近地天体近距离接近数据集1960-2060
NASA近地天体近距离接近数据集1960-2060 数据来源：互联网公开数据 标签：近地天体,近距离接近,天体物理学,风险评估,轨道参数,天文学,小行星 数据概述：...
-
全球海水氧18同位素水平数据集1963-2021
全球海水氧18同位素水平数据集1963-2021 数据来源：互联网公开数据 标签：海水,氧18,同位素,海洋环境,气候变化,温度,盐度 数据概述： 本数据集包含NASA提供的数万个海洋不同地点的氧18同位素水平观测记录，以及大多数观测点的温度、盐度等环境数据。数据涵盖了近六十年的观测数据，为研究海洋环境变化提供了丰富的基础数据。 数据用途概述：...
-
近地天体数据集NASA
近地天体数据集NASA 数据来源：互联网公开数据 标签：近地天体, NASA, 天文学, 太空安全, 陨石风险, 轨道参数, 天体特征, 天体数据库 数据概述：...
-
陨石着陆地球数据：全球 34,500 多颗陨石着陆的详细记录
该数据集包含全球 34,513 颗已知陨石着陆的详细记录，由陨石学会汇编并托管在 NASA 的开放数据门户上。它包括有关陨石的基本信息，例如其分类、质量、位置以及它们是被观察到坠落还是后来被发现。 数据集概述 数据集由以下主要列组成： 名称——陨石的正式名称。 id – 每颗陨石的唯一标识符。 nametype – 指示陨石是否： 有效：大多数陨石...
-
开普勒和 TESS 系外行星数据
光变曲线、候选行星以及已确认的行星！ 开普勒和 TESS 系外行星数据：光变曲线、候选行星和已确认行星” 📖描述： 该数据集包含通过凌日探测寻找系外行星所使用的开普勒和 TESS 任务关键数据。这些文件包括： 开普勒光变曲线物体 (TCE、KOI) → 潜在的系外行星凌日信号 已确认行星（PS、TOI、恒星宿主） → 已验证的系外行星及其轨道参数...
-
NASA距离地球最近的天体（1910-2024）
数据名称：NASA | 距离地球最近的天体（1910-2024） 数据说明：NASA 有超过 30 万条关于 NEO（最近地球天体）的记录。 数据时间：更新于 2024年 数据来源：互联网数据
-
NASA重新网格化的协调世界土壤数据库2014
标题：NASA重新网格化的全球土壤参数数据集 数据内容：描述了部分全球土壤参数，包括土壤有机碳等数据元素 数据来源：互联网公开数据 数据用途：可用于解决粮食生产土地竞争、生物能源需求、生物多样性威胁等问题，以及全球碳循环建模 数据集关键词：土壤数据, NASA, 全球碳循环, 土地利用
-
NASA查梅拉生物站-SAR-雷达影像数据集2010
标题：NASA查梅拉生物站 SAR 雷达影像数据集（2010年） 数据内容：合成孔径雷达（SAR）技术采集的影像数据，包含绿色、粉色、黑色和灰色等多种颜色，极化设置为HH和HV。 数据来源：互联网公开数据 数据用途：可用于生物多样性和生态系统研究、地表覆盖类型分类和分析、农业用地和水体分布监测、遥感影像处理和环境监测等领域。 数据集关键词：NASA,...
-
NASA哈佛森林-EMS-塔-SAR-雷达影像数据集2010
标题：NASA哈佛森林 EMS 塔 SAR 雷达影像数据集（2010 年） 数据内容：包含合成孔径雷达（SAR）技术采集的影像数据，颜色分别代表树冠、水体等地表特征，极化设置为HH、HV，极化模式为FBD 34.3 HH + HV。 数据来源：互联网公开数据...
-
NASA-萨斯喀彻温省SAR图像数据2010
标题：NASA萨斯喀彻温省SAR图像数据2010 数据内容：包括42个选定站点提供的合成孔径雷达（SAR）图像，具体信息请参见表1。数据格式为GeoTIFF，投影为WGS-84，分辨率为15米，空间分辨率均为15米，采集模式为细光束双偏振或带HH/HV偏振的FBD。 数据来源：互联网公开数据...
-
NASA-巴特利特实验林地-SAR-雷达影像数据集2010
标题：NASA-巴特利特实验林地 SAR 雷达影像数据集2010 数据内容：包含2010年通过合成孔径雷达（SAR）技术获取的影像数据，图像中包含绿色（树冠）、粉色（农作物或裸露土壤）、黑色（水体）和灰色（低矮植被）等颜色组合。极化设置为HH极化分配到红色和蓝色通道，HV极化分配到绿色通道。 数据来源：互联网公开数据...
-
美国白色念珠菌对太空飞行的反应
数据的内容：关于美国NASA的研究报告，主题是探讨白色念珠菌在太空飞行条件下的全局转录分析和表型特征。 数据来源：NASA Genelab公开数据 行业用途划分：生物科技、航空航天、医药研究...
-
预测性维护 NASA 涡扇发动机数据集
事实证明，深度学习在某些领域（例如对象识别和图像分类）表现出色。它在金融等领域也越来越受欢迎，因为时间序列数据在其中发挥着重要作用。预测性维护也是一个领域，它会随时间收集数据以监控资产的状态，目的是找到预测故障的模式，这也可以从某些深度学习算法中受益。在深度学习方法中，长短期记忆 (LSTM)...
