SlideShare a Scribd company logo
基盤地図情報からgeotiffリサンプル& GMT gridへ
基盤地図情報からgeotiffリサンプル& GMT gridへ
DEMファイルの仕様
今回ダウンロードするのは、10mメッシュ。
10mメッシュとされてはいるが、実際は、0.4秒×0.4秒のメッシュ。
(緯度1分を1852mとすると約12mメッシュ)
ダウンロード単位は、2次メッシュ(緯度5分/経度7分30秒)。
1ファイルあたり、1125セル(X[経度]方向)×750セル(Y[緯度]方向)
5秒×5秒メッシュにすると90セル(x)×60セル(y) (約154mメッシュ)
112 x 75だと 4.0178秒 x 4.0000秒 = 124.02m x 123.47m
基盤地図情報からgeotiffリサンプル& GMT gridへ
地域単位でダウンロードできるようになっているので、一つずつダウンロードする。
10mメッシュとされてはいるが、実際は、0.4秒×0.4秒のメッシュ。(約10m)
ダウンロード単位は、2次メッシュ(緯度5分[300秒]/経度7分30秒[450秒])。
1ファイルあたり、1125セル(X[経度]方向)×750セル(Y[緯度]方向)
この資料のリサンプルでは、4秒×4秒にリサンプルする。
112セル×75セル (4.01秒 × 4秒)
緯度1分 = 1852m, 1秒 = 30.867m
基盤地図情報からgeotiffリサンプル& GMT gridへ
ダウンロードしたファイルはcab形式で圧縮されている。そのままでは扱えないので、cab形式ファイルを展開する。
cabファイルを展開した中に、zip形式の圧縮ファイルがあるので、zip形式のファイルも展開する。
cab形式とzip形式を展開すると各メッシュのXMLファイルが生成される。
国土地理院が配布している「基盤地図情報ビューア」でポイントのシェープファイルに変換することができるが、大量にあると処理に時間がかかるので、
エコリス社が無料で配布している「基盤地図情報標高DEM変換ツール」(次ページ参照)を使ってGeotiff形式に変換する。
cab形式を展開 → zip形式を展開 → xmlファイルを得る
基盤地図情報からgeotiffリサンプル& GMT gridへ
ダウンロードした基盤地図情報のXMLからGeotiffに変換するには、エコリス社が配布している「基盤
地図情報 標高DEMデータ変換ツール」を使用する。
フォルダ単位で入力ファイルを選択できるので、大量のファイルを処理するのには便利。
出力は、緯度経度、UTM、平面直角座標系のいずれかを選択できる。
海域部の出力は「0」か「-9999」のどちらかを選択可能。
注意事項
座標系が混在(JGD2000とJGD2011)していると変換できない。
国土地理院からダウンロードした基盤地図情報DEMの中にはJGD2000とJGD2011が混在している
ので、両方の座標系が混在しているデータをまとめて変換したい場合は、 JGD2011に揃える必要が
ある。基盤地図情報DEMはXML形式であるため、座標系でJgd2000と記述されている箇所を
jgd2011に書き換えればいい。
JGD2011は、東北地方太平洋沖地震後の地殻変動を反映した座標系となる。東北地方、関東地方、
中部地方が変更されている。それ以外の地域は、東北地方太平洋沖地震による地殻変動の影響
はなく、基盤地図情報DEMはJGD2000のままで記述されている。
基盤地図情報からgeotiffリサンプル& GMT gridへ
基盤地図情報DEMの座標系の書き換えは、対象のファイルをテキストエ
ディタ開き、座標系を定義している箇所をjgd2000からjgd2011に書き換え
る。
手作業で大量のファイルを処理するのは時間がかかるので、使いやすい
スクリプト言語やプログラム言語等で自動処理させるのがいい。
“jgd2000”から”jgd2011”に書き換える
基盤地図情報からgeotiffリサンプル& GMT gridへ
基盤地図情報DEMの座標系の書き換えが済んだら、あるいは、座標系の
書き換えが不要な場合は、 「基盤地図情報 標高DEMデータ変換ツール」
を実行してXMLファイルからgeotiffファイルに変換をする。
実行方法は、エコリス社からダウンロードした「基盤地図情報 標高DEM
データ変換ツール」を展開して、「変換結合.vbs」をダブルクリックする。
起動したら、メッセージにしたがって、操作する。
基盤地図情報からgeotiffリサンプル& GMT gridへ
「変換結合.vbs」が起動したら、メッセージに従って操作する。
1.座標系が混在していると動作しないメッセージ。OKをクリックする。
2. 出力するgeotiffの投影法(座標系)の選択。緯度経度、UTM、平面直角座標から
選択可。
3.陰影起伏図を作成するか否か。
4.入力するファイルのあるフォルダの選択。
5.出力するgeotiffにおける海域のデータの値の選択。0か-9999かを選べる。
6.変換作業開始のメッセージ。OKをクリックする。
7.変換終了のメッセージ。OKをクリックする。
(1)
(2)
(3) (4)
(5) (6) (7)
基盤地図情報からgeotiffリサンプル& GMT gridへ
基盤地図情報の10mメッシュでGMTの図面を作成した場合、ファイルが重くなるので、geotiffに変換後、100mメッシュにリサンプルする。
リサンプルは、QGISをインストールした際についてくるコマンドライン用のコンソール「OSGeo4W Shell」を起動し、オープンソースのGISラ
イブラリGDALのコマンド群で行う。
リサンプルで使用するコマンドは、gdalwarpとなる。
使い方は、以下のようになる。
gdalwarp -ts [output cells(x)] [output cells(y)] -srcnodata [nodata of inputdata] -dstnodata [nodata of outputdata] [input file name]
[output file name]
実行例
gdalwarp -ts 112 75 -srcnodata -9999 -dstnodata -9999 503547_ll.tif 100m/503547_ll_100m.tif
基盤地図情報からgeotiffリサンプル& GMT gridへ
リサンプルされたら、GMTのgrid形式(netcdf形式)に変換する。
Geotiffからgrid形式への変換は、gdal_transelateで直接行うことが可能であるが、CSV形式へ変換後にGMTのgrid変換コマンド(xyx2grd、surface、
nearneighborなど)を使用した方がGMTでの描画時に内挿パラメータを調整することができるので、描画目的に応じで使い分けるのが便利と思われる。
gdal_translateはQGISをインストールした際についてくるコマンドライン用のコンソール「OSGeo4W Shell」を起動し、オープンソースのGISライブラリGDALの
コマンド群で行う。
CSV形式への変換
gdal_translate -of XYZ -co COLUMN_SEPARATOR=, [input.tif] [output.xyz]
CSV形式からGMT grid形式(netcdf形式)への変換
xyz2grd xyzfile –Ggrdfile –N[nodata] –R[map range] –I[output sampling] –di[nodata value]
実行例(-diオプションでNaNにセットする値を指定している)
gmt xyz2grd merge_4s.csv -Gmerge_4s.nc -R139:37:30/139:52:30/35:30:00/35:40:00 -I8s -di-9999 -V
--------------------------------------------------------------------------------------------------------------------------------------------------------
参考:gdal_translateで直接geotiffからgrid形式への変換
grid形式への変換で使用するコマンドは、gdal_translateとなる。注意すべき点は、nodataをNaNにセットすること。
使い方は、以下のようになる。
gdal_translate -a_nodata [value] –of [output format] [input file name] [output file name]
実行例
gdal_translate -of GMT merge_4s.tif merge_4s.nc
基盤地図情報からgeotiffリサンプル& GMT gridへ
GMTでの作図例。
陸域は、基盤地図情報10mメッシュ標高からリサンプルされた約100mメッシュデータを使用。
海域は、J-EGG500を使用。海域は、GMTのsurfaceコマンドで内挿して描画。
プロットされている円は、気象庁一元化震源カタログの一部。
実行したスクリプトは、次ページに記載
基盤地図情報からgeotiffリサンプル& GMT gridへ
・スクリプト例
rem This sample plot batch file for GMT6 windows.
set srange=141:00:00/142:15:00/42:00:00/43:00:00
set srange2=141:00:00/142:15:00/41:30:00/43:00:00
set proj=M15
set wd_txt=jodc-depth500mesh-tomakomai-s.txt
set wd_tmp1=tempwd1.txt
set wd_tmpgrd1=tempwd1.nc
set wd_tmpgrd2=tempwd2.nc
set lnd_txt=toma_merge.csv
set lnd_tmpgrd1=temp_land1.nc
set lnd_tmpgrd2=temp_land2.nc
set merge_grd=toma_merge1.nc
set pref_boundary=hokkaido_region.gmt
set lake_polygon=shikotsu_lake.gmt
echo "141.6 41.9" > M1.txt
rem preprocessing for JODC 500m mesh water depth data
gawk -f convert_XY_jegg_negative.awk %wd_txt% > %wd_tmp1%
rem calc plot diameter
gawk -f refromat_for_psxy.awk hypo_plot_sample.txt > plot_dat.txt
gmt begin test_plot
gmt set FONT_ANNOT_PRIMARY 10p,Times-Roman,black
gmt set FONT_LABEL Times-Roman,black
gmt set FONT_TITLE 10p,Times-Roman,black
gmt set MAP_SCALE_HEIGHT 10p
gmt basemap -R%srange% -J%proj% -V -Ba10mf05m -LjBL+o0.0c/-2c+c41+w20k+l+f
rem make gmt grid data from land area text dem.
gmt xyz2grd %lnd_txt% -G%lnd_tmpgrd1% -R%srange% -I8s -di-9999 -V
gmt grdclip %lnd_tmpgrd1% -G%lnd_tmpgrd2% -Sb0/NaN -V
rem make gmt grid data from sea area text dem(JEGG 500m mesh)
gmt surface %wd_tmp1% -G%wd_tmpgrd1% -I8s -R%srange% -di-9999 -V
gmt grdclip %wd_tmpgrd1% -G%wd_tmpgrd2% -Sa0/0 -V
rem merge land area grid and sea area grid
gmt grdmath %lnd_tmpgrd2% %wd_tmpgrd2% AND = %merge_grd% -V
gmt makecpt -Cglobe -Z -H -T-2000/2000/20 -V > color.cpt
gmt makecpt -Cseis -Z -H -T0/50/5 -V > eq_depth.cpt
gmt grdimage %merge_grd% -J%proj% -R%srange% -Ccolor.cpt -V
rem plot prefecture boundary
gmt plot %pref_boundary% -W0.1p -V
rem plot shikotsu lake
gmt plot %lake_polygon% -G135/206/250 -W0.1p -V
rem plot hypocenter
gmt plot plot_dat.txt -Sc -Ceq_depth.cpt -W0.1p -V
rem plot color bar
gmt colorbar -Ccolor.cpt -DJBC+o3.5c/5.5c+w7c/0.3c -I0.2 -By+lm -Bxaf+l"Height from MSL." -V
gmt colorbar -Ceq_depth.cpt -DJBC+o3.5c/3.5c+w7c/0.3c -By+lkm -Bxaf+l"Depth(km)" -V
rem legend
rem M1 circle 0.04*(1.0+2.0)**1.2 = 0.149
rem M2 circle 0.04*(2.0+2.0)**1.2 = 0.211
rem M3 circle 0.04*(3.0+2.0)**1.2 = 0.276
rem M4 circle 0.04*(4.0+2.0)**1.2 = 0.343
echo N 4 > legend.txt
echo V 0 1p >> legend.txt
echo S 0.25c c 0.0785c red 0.25p 0.75c M 1 >> legend.txt
echo S 0.25c c 0.1109c red 0.25p 0.75c M 2 >> legend.txt
echo S 0.25c c 0.1445c red 0.25p 0.75c M 3 >> legend.txt
echo S 0.25c c 0.1804c red 0.25p 0.75c M 4 >> legend.txt
gmt legend -DJBC+o3.5c/1.5c+w7c/1.0c -F+pwhite+gwhite legend.txt
gmt end show

More Related Content

What's hot

квадратична функція 8 клас
квадратична функція 8 клас квадратична функція 8 клас
квадратична функція 8 клас bersenova
 
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法Nagi Teramo
 
ParaViewでCSVの点群を表示する
ParaViewでCSVの点群を表示するParaViewでCSVの点群を表示する
ParaViewでCSVの点群を表示するRyogaSato1
 
競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性Hibiki Yamashiro
 
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?Insight Technology, Inc.
 
побудова правильних многокутників
побудова правильних многокутниківпобудова правильних многокутників
побудова правильних многокутниківelenatkachuk
 
Презентація:Додавання та віднімання звичайних дробів (повторення)
Презентація:Додавання та віднімання звичайних дробів (повторення)Презентація:Додавання та віднімання звичайних дробів (повторення)
Презентація:Додавання та віднімання звичайних дробів (повторення)sveta7940
 
PRML勉強会 #4 @筑波大学 発表スライド
PRML勉強会 #4 @筑波大学 発表スライドPRML勉強会 #4 @筑波大学 発表スライド
PRML勉強会 #4 @筑波大学 発表スライドSatoshi Yoshikawa
 
x86とコンテキストスイッチ
x86とコンテキストスイッチx86とコンテキストスイッチ
x86とコンテキストスイッチMasami Ichikawa
 
самостійна робота на тему "Теорема синусів та її наслідки"
самостійна робота на тему "Теорема синусів та її наслідки"самостійна робота на тему "Теорема синусів та її наслідки"
самостійна робота на тему "Теорема синусів та її наслідки"natasha29091997
 
ガウス過程入門
ガウス過程入門ガウス過程入門
ガウス過程入門ShoShimoyama
 
Презентація:Додавання і віднімання мішаних чисел
Презентація:Додавання і віднімання мішаних чиселПрезентація:Додавання і віднімання мішаних чисел
Презентація:Додавання і віднімання мішаних чиселsveta7940
 
Презентація:Поняття площі многокутника.
Презентація:Поняття площі многокутника. Презентація:Поняття площі многокутника.
Презентація:Поняття площі многокутника. sveta7940
 
Git勉強会 2016 Gitで卒論を管理しよう回
Git勉強会 2016 Gitで卒論を管理しよう回Git勉強会 2016 Gitで卒論を管理しよう回
Git勉強会 2016 Gitで卒論を管理しよう回kinme modoki
 
3次元の凸包を求める
3次元の凸包を求める3次元の凸包を求める
3次元の凸包を求めるabc3141
 

What's hot (20)

Plan 9のお話
Plan 9のお話Plan 9のお話
Plan 9のお話
 
квадратична функція 8 клас
квадратична функція 8 клас квадратична функція 8 клас
квадратична функція 8 клас
 
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
 
ParaViewでCSVの点群を表示する
ParaViewでCSVの点群を表示するParaViewでCSVの点群を表示する
ParaViewでCSVの点群を表示する
 
PFI Seminar 2010/02/18
PFI Seminar 2010/02/18PFI Seminar 2010/02/18
PFI Seminar 2010/02/18
 
競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性
 
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
 
побудова правильних многокутників
побудова правильних многокутниківпобудова правильних многокутників
побудова правильних многокутників
 
Екі вектор арасындағы бұрыш
Екі вектор арасындағы бұрышЕкі вектор арасындағы бұрыш
Екі вектор арасындағы бұрыш
 
Презентація:Додавання та віднімання звичайних дробів (повторення)
Презентація:Додавання та віднімання звичайних дробів (повторення)Презентація:Додавання та віднімання звичайних дробів (повторення)
Презентація:Додавання та віднімання звичайних дробів (повторення)
 
llvm入門
llvm入門llvm入門
llvm入門
 
PRML勉強会 #4 @筑波大学 発表スライド
PRML勉強会 #4 @筑波大学 発表スライドPRML勉強会 #4 @筑波大学 発表スライド
PRML勉強会 #4 @筑波大学 発表スライド
 
x86とコンテキストスイッチ
x86とコンテキストスイッチx86とコンテキストスイッチ
x86とコンテキストスイッチ
 
самостійна робота на тему "Теорема синусів та її наслідки"
самостійна робота на тему "Теорема синусів та її наслідки"самостійна робота на тему "Теорема синусів та її наслідки"
самостійна робота на тему "Теорема синусів та її наслідки"
 
ガウス過程入門
ガウス過程入門ガウス過程入門
ガウス過程入門
 
Презентація:Додавання і віднімання мішаних чисел
Презентація:Додавання і віднімання мішаних чиселПрезентація:Додавання і віднімання мішаних чисел
Презентація:Додавання і віднімання мішаних чисел
 
Презентація:Поняття площі многокутника.
Презентація:Поняття площі многокутника. Презентація:Поняття площі многокутника.
Презентація:Поняття площі многокутника.
 
Git勉強会 2016 Gitで卒論を管理しよう回
Git勉強会 2016 Gitで卒論を管理しよう回Git勉強会 2016 Gitで卒論を管理しよう回
Git勉強会 2016 Gitで卒論を管理しよう回
 
3次元の凸包を求める
3次元の凸包を求める3次元の凸包を求める
3次元の凸包を求める
 
Python Numpy Source Codes
Python Numpy Source CodesPython Numpy Source Codes
Python Numpy Source Codes
 

Similar to Gsi 10m dem_resample_and_convert_to_gmt

文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
文献紹介:X3D: Expanding Architectures for Efficient Video RecognitionToru Tamaki
 
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...Toru Tamaki
 
タイル地図がおもしろい
タイル地図がおもしろいタイル地図がおもしろい
タイル地図がおもしろいKohei Otsuka
 
文献紹介:Learnable Gated Temporal Shift Module for Free-form Video Inpainting
文献紹介:Learnable Gated Temporal Shift Module for Free-form Video Inpainting文献紹介:Learnable Gated Temporal Shift Module for Free-form Video Inpainting
文献紹介:Learnable Gated Temporal Shift Module for Free-form Video InpaintingToru Tamaki
 
文献紹介:Deep Analysis of CNN-Based Spatio-Temporal Representations for Action Re...
文献紹介:Deep Analysis of CNN-Based Spatio-Temporal Representations for Action Re...文献紹介:Deep Analysis of CNN-Based Spatio-Temporal Representations for Action Re...
文献紹介:Deep Analysis of CNN-Based Spatio-Temporal Representations for Action Re...Toru Tamaki
 
Iugonet 20120810 abe_analysis
Iugonet 20120810 abe_analysisIugonet 20120810 abe_analysis
Iugonet 20120810 abe_analysisIugo Net
 
QGIS2.18 ラスタ編
QGIS2.18 ラスタ編QGIS2.18 ラスタ編
QGIS2.18 ラスタ編Jyun Tanaka
 

Similar to Gsi 10m dem_resample_and_convert_to_gmt (7)

文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
 
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
 
タイル地図がおもしろい
タイル地図がおもしろいタイル地図がおもしろい
タイル地図がおもしろい
 
文献紹介:Learnable Gated Temporal Shift Module for Free-form Video Inpainting
文献紹介:Learnable Gated Temporal Shift Module for Free-form Video Inpainting文献紹介:Learnable Gated Temporal Shift Module for Free-form Video Inpainting
文献紹介:Learnable Gated Temporal Shift Module for Free-form Video Inpainting
 
文献紹介:Deep Analysis of CNN-Based Spatio-Temporal Representations for Action Re...
文献紹介:Deep Analysis of CNN-Based Spatio-Temporal Representations for Action Re...文献紹介:Deep Analysis of CNN-Based Spatio-Temporal Representations for Action Re...
文献紹介:Deep Analysis of CNN-Based Spatio-Temporal Representations for Action Re...
 
Iugonet 20120810 abe_analysis
Iugonet 20120810 abe_analysisIugonet 20120810 abe_analysis
Iugonet 20120810 abe_analysis
 
QGIS2.18 ラスタ編
QGIS2.18 ラスタ編QGIS2.18 ラスタ編
QGIS2.18 ラスタ編
 

Recently uploaded

LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアルLoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアルCRI Japan, Inc.
 
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizesatsushi061452
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance
 
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)NTT DATA Technology & Innovation
 
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptxssuserbefd24
 
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance
 
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...atsushi061452
 
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。iPride Co., Ltd.
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance
 
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptxyassun7010
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance
 

Recently uploaded (14)

LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアルLoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
 
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
 
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
 
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
 
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
 
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
 
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
 
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
 
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
 

Gsi 10m dem_resample_and_convert_to_gmt