下载地址：
https://cds.climate.copernicus.eu/cdsapp#!/dataset/satellite-land-cover?tab=overview

数据概况：

  • 时间范围：1992-2020逐年数据
  • 空间分辨率：300m
  • 范围：全球
  • 数据格式：NetCDF4

在这里插入图片描述数据下载：

  • 选择年份，提交申请（需要先注册账号）
    在这里插入图片描述

  • 申请可能需要等待一段时间，也可能申请完立马通过，然后直接点击download

在这里插入图片描述

# 其他
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

英伟达 AI 芯片：架构演进与智能时代的算力基石

avatar DAMO开发者矩阵

关于国产景略Switch/JL5106C芯片P2P瑞昱RTL8306MB方案分析

景略通常会提供配置工具和映射表，可以将原用于 RTL8306MB 的 EEPROM 数据（如MAC地址、端口状态、VLAN设置等）平滑地迁移到 JL5106C上，或生成新的配置文件。它的最大优势在于硬件上的直接兼容，极大地简化了替代流程。您需要根据新的指南，重新生成或修改原有 EEPROM 的二进制文件，并烧录到新的板卡中。作为景略半导体的成熟产品，JL5106C 在交换性能、功耗、ESD防护等关

avatar DAMO开发者矩阵

π RL(piRL)算法支持用强化学习方法训练π 0/π 0.5(pi0/pi0.5)

最近看到清华大学发了一篇文章，解决了在强化学习方法下难以去训练pi0/pi0.5这种用flow matching生成动作的VLA模型的问题，效果看起来还不错。关于piRL的介绍可以参考：《清华大学最新！πRL：用在线强化学习让机器人 “边学边做” 的通用方案》。piRL笔者最近几天详细的研究了下，笔记如下。先说一下核心点吧，对强化学习，特别是PPO算法，不熟悉的同学，可以先去看一下强化学习方面的知

avatar DAMO开发者矩阵