中国NPP/VIIRS夜间灯光数据（2012-2021逐月/逐年）
名称：中国NPP/VIIRS夜间灯光数据
区域范围：全国
时间范围：2012年-2021逐年，2012.1-2021.7逐月
格式：tgz
逐年逐月数据总共大小：110GB
内容：全国夜间灯光数据
逐年数据预览：
在这里插入图片描述
VNL_v2_npp_2021_global_vcmslcfg_c202203152300.average.tfw
VNL_v2_npp_2021_global_vcmslcfg_c202203152300.average.tif
VNL_v2_npp_2021_global_vcmslcfg_c202203152300.average.tif.aux.xml
VNL_v2_npp_2021_global_vcmslcfg_c202203152300.average.tif.ovr
VNL_v2_npp_2021_global_vcmslcfg_c202203152300.average.tif.xml
逐月数据
在这里插入图片描述
SVDNB_npp_20210701-20210731_75N060E_vcmcfg_v10_c202108071200.tgz
SVDNB_npp_20210701-20210731_75N060E_vcmslcfg_v10_c202108071200.tgz

中国区域NPP_VIIRS年度夜间灯光数据的合成方法与对比验证_胡为安.pdf
NPP_VIIRS年度夜间灯光数据的合成方法与验证_周翼.pdf
获取地方：中国NPPVIIRS夜间灯光数据（2012-2021逐月）-文档资料CSDN
中国NPPVIIRS夜间灯光数据（2012-2021逐年）文档资料CSDN

# 数据库
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

Galaxea G0.5横扫了7大具身评测：统一自回归架构重塑视觉语言动作模型

avatar DAMO开发者矩阵

训练周期减半：LoongForge 全链路优化 GR00T N1.6 训练，吞吐提升至 2.3 倍

通过对训练调度、通信-计算重叠与数据 IO 链路的系统级优化，我们显著减少了 Python 调度开销、通信等待与数据供给空转，使 GPU 从「被动等待」转向「持续计算」。最终在不改变模型结构的前提下，实现 2.3× 加速与 56.6% 训练周期缩短，大幅提升模型迭代效率与研发节奏。目前，相关优化已集成至全模态训练框架LoongForge。我们欢迎具身智能领域的研究者与开发者共同探索更高效的 VLA

avatar DAMO开发者矩阵
cover

【WAM篇】23：VPP——别真画未来视频了，“预测性视觉表征“才是宝

avatar DAMO开发者矩阵