nasa cloud chart的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

人工智能輔助故障檢測和診斷的冷凍冷藏系統節能效果：案例研究和應用瓶頸

為了解決nasa cloud chart的問題，作者賴冠崴 這樣論述：

Artificial intelligence (AI)輔助故障偵測與診斷(Fault Detection and Diagnosis, FDD)在1998年後蓬勃發展，到2019年，有一篇文獻發表，彙整近20年來開發各項AI工具用於FDD，文章中預期未來可整合多項工具[1]，實現自動化監控與性能調整(Monitoring-based commission)，可以有效實現能源節約，然而，到2021年底，搜尋SDOL與IEL資料庫中，與AI 輔助FDD相關的論文，並沒有任何具體的冷凍冷藏系統節能效益的論文發表，對於普及應用AI輔助 FDD，沒有足夠的案例數據研究，將妨礙其發展。因此，本研究為釐

清AI輔助FDD是否真的具備節約能源效益，與一家冷凍設備維護廠商合作，真實將AI應用在30間冷凍食品案場，共100套不同的冷凍裝置中，這些冷凍裝置的功率從2.5~20 hp，冷凍的貨物包含生鮮食品、醃製品、乳製品及肉類製品等，希望從這些案例，獲致實際的節能效益。在實際應用於案場中，研究發現了AI輔助FDD應用的三項瓶頸點，分別是1) 實施可行性(含實施成本)；2) 無歷史資料可對AI訓練；與3)案場業主的信任度。對應前兩個瓶頸點，因此本研究發展了創新AIoT系統與用於冷凍系統遷移學習技術(Transfer learning technology)加以克服，建構了一套用於冷凍設備的Interne

t of Things (IoT)裝置，並利用已經商業化的Azure platform，參考前述文獻中所報告的各項AI工具，建構於雲端，實現AIoT系統。累積從2020年至2021年，2年測試期間，在30間冷凍食品案場的測試結果，確認AI assisted Fault Detection可以有效降低15~17%的能源消耗(一年)，AI assisted Fault Diagnosis有效降低8~10%的能源消耗(一年)，更重要的是，此智能輔助遠端冷凍系統故障診斷平台可以有效減少原本設備維護服務所需的交通成本與人事費用。

利用ICESat-2及Sentinel-2反演南海近岸水深

為了解決nasa cloud chart的問題，作者徐筱柔 這樣論述：

測深對於海岸的研究、資源的利用或航行探勘都是很重要的一項工作，而傳統上為了取得較高精度的水深，常見的方法是由空載光達或船載回波測深儀測量水深，但是其成本高昂，且受天候、航行安全性及測區易達性等影響及限制，水深資料往往不易取得。近年隨著衛星遙感技術的發展，美國NASA於2018年底發射ICESat-2 (The Ice, Cloud, and Land Elevation Satellite-2)雷射測高衛星，證實可於濁度較低的潛水區作為測深光達，提供穩定的測距資料。ICESat-2搭載532nm綠光波段的高精度雷射測高系統ATLAS (the Advanced Topographic Las

er Altimeter System)，擁有每秒10 kHz脈衝頻率，以及可同時發射6條綠光雷射光至地表。儘管ICESat-2資料具備高解析力，然而ICESat-2僅提供沿軌道的高程剖面資料，在平行的地面軌道之間留有數據間隙。因此，本研究結合ICESat-2觀測資料及多光譜光學衛星影像，它能夠根據光譜衰減行為得出完整的水深圖。 這項研究的目的是結合ICESat-2資料和Sentinel-2光學衛星影像，反演南海六個島礁和潟湖的淺水深度（深度20 m以內）。研究首先對ICESat-2 ATL03光子點雲資料進行濾波，以找到沿著軌道的水底剖面。並且與現地空載LiDAR的測量結果相驗證，得到

均方根誤差（RMSE）在0.20–0.47 m範圍內。接下來，使用三個半經驗函數，即修改的線性/多項式/指數比模型，其核心參數由Sentinel-2影像的綠光和藍光波段之間的對數比組成，以將影像的光譜數據與ICESat-2剖面深度資料相擬合。而在使用經過訓練的模型進行水深反演後，利用擬合最好的2張水深圖成果做加權平均以產製出最後水深圖成果，並使用獨立的ICESat-2光子點雲驗證資料來驗證由Sentinel-2加權平均得出的水深圖精度表現。在這6個島中使用2張最佳影像加權平均的三個模型成果，在0至15公尺水深，RMSE約在0.56 m-0.97 m之內。本研究得出的結論是，透過測高衛星的資料和

光學衛星影像的結合可以產製水深圖，其水深精度，在0至5公尺深的水深範圍內大致符合電子航海圖（Electronic Navigational Chart）的CATZOC (the Category Zone of Confidence）中的A2和B類別，而6至14公尺水深精度，則符合CATZOC中的C類別。未來可以預見，ICESat-2將成為監測全世界沿海和淺水地區的有利工具，尤其是在沒有測深數據的地區。