面向地理空间匹配和聚类的 Sims 工具
计算机视觉与模式识别
2024-12-23 v2 机器学习
地球物理
摘要
获取、处理和可视化地理空间数据需要显著的计算资源，尤其是在大型时空领域中。这一挑战阻碍了快速发现预测特征，这对于推进地理空间建模至关重要。为此，我们开发了Similarity Search（Sims），一个无需编程的Web工具，允许用户使用Google Earth Engine作为后端，对定义的感兴趣区域执行聚类和相似性搜索。Sims设计为补充现有建模工具，侧重于特征探索而非模型创建。我们通过案例研究演示了Sims的实用性，该研究分析了在卢旺达模拟的玉米产量数据，其中我们评估了不同组合的土壤、天气和农业特征如何影响产量响应区的聚类。Sims是开源的，地址为 https://github.com/microsoft/Sims
引用
@article{arxiv.2412.10184,
title = {Sims: An Interactive Tool for Geospatial Matching and Clustering},
author = {Akram Zaytar and Girmaw Abebe Tadesse and Caleb Robinson and Eduardo G. Bendito and Medha Devare and Meklit Chernet and Gilles Q. Hacheme and Rahul Dodhia and Juan M. Lavista Ferres},
journal= {arXiv preprint arXiv:2412.10184},
year = {2024}
}