全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
想要“黑掉”谷歌地图，99部手机就够了。
对于大多数开车的人来说，想要去一个不熟悉的地方，地图APP无疑是一个非常有利的工具。
输入目的地，点击导航，地图APP就会显示路线。
而我们经常会发现，地图上的路线会根据路况呈现不同颜色：绿色表示路况畅通，红色表示交通拥堵。
那么问题来了，你有没有好奇过，地图APP是怎么更新这些路面情况的呢?
德国一位艺术家小哥就做了个实验，真可谓是一试吓一跳。
这位小哥叫Simon Weckert，他用一辆装了99部智能手机的手推车在街道上行走。
这99部手机上的谷歌地图全部设置为导航模式，Simon就拽着它们缓慢行走。
从动图也可以看到，街道上并没有很多行驶的车辆。
然而，神奇的事情发生了。
当Simon走动的时候，谷歌地图导航界面原本绿色的线路，逐渐转为橘色，最终变成了红色。
然而，正如动图所示，街道上可以说是完全不堵车。
而且，更嘲讽的是，小哥还在谷歌柏林办事处附近溜达了一会儿，也把谷歌地图愚弄成了堵车。
为什么这样?
谷歌地图软件和其他地图软件一样，都会采用众包的方法。
2009年，谷歌地图就采用了这个方法，提高流量预测的准确性。
当Android手机用户打开GPS定位下的谷歌地图应用程序时，手机将匿名的数据发回给谷歌，这样谷歌就知道了汽车的速度。
谷歌地图不断合并分析来自所有汽车上的数据，并通过交通层上的彩色线给予用户反馈。
再后来，谷歌在2013年收购了Waze，将人为因素也考虑到了交通计算中。
但从德国小哥的实验看来，GPS数据在整体预测中的因素占比还是较大的。
不过，也有外媒报道说，由于Simon的视频中没有提供更多的细节信息，也有可能是完全伪造的。
在Simon发布的推特下面有人评论道：
我在谷歌地图工作过，我对它的工作原理有所了解。我相信这是有可能的。
若这是真的，谷歌还真得想想办法解决这样的漏洞。
在Simon的推特下面，网友们也是脑洞大开。
有可能使用99个虚拟设备，向谷歌发送错误的定位数据，并在没有真实手机的情况下模拟相同的实验吗?
那么，你觉得这样的方法对国内导航地图也有效吗?
