Dhaulagiri




Koordinatoj: 28°41′46″N 82°29′43″E  /  28.69611°N, 82.49528°O / 28.69611; 82.49528 (Dhaulagiri)



























































Dhaulagiri
monto

Dhaulagiri I.jpg

Dhaulagiri I en oktobro de 2002

Lando
Nepalo Nepalo
Regiono
Zono Rapti
Distrikto
Distrikto Rakum

Montaro
Himalajo
Rivero
Gandako

Situo
 Dhaulagiri
 - alteco
 8 167 m s. m.
 - koordinatoj
28°41′46″N 82°29′43″E  /  28.69611°N, 82.49528°O / 28.69611; 82.49528 (Dhaulagiri)

Unua grimpo
Kurt Diemberger
Nawang Dorje
Ernst Forrer
Albin Schelbert
Peter Diener
Nyima Dorje
 - dato
13-an de majo 1960

Horzono
UTC (UTC+ 5,5)




Situo enkadre de Nepalo

Fire.svg


Situo enkadre de Nepalo





Situo enkadre de Tero

Fire.svg


Situo enkadre de Tero



Commons-logo.svg Vikimedia Komunejo: Dhaulagiri

La 7-a plej alta monto de la mondo



Dhaulagiri




Vido al Dhaulagiri


Dhaulagiri estas kun alteco de 8167 m s.m. la 7-a plej alta monto de la mondo. Ĝi situas en Nepalo kaj apartenas al la montaro de Himalajo.



Geografio |


Dhaulagiro situas 35 km oriente de Anapurno aliflanke de la Kali-Gandaki-Valo. La altecon de Dhaulagiri mezuris en la jaro 1809 lieŭtenanto William Spencer Webb kaj kapitano John Hodgson kun 8190 metroj. Ĝi estis do la unua monto pli alta ol 8000 m malkovrita. Kaj ĝis la mezuro de Kangchenjunga en la jaro 1838 oni konsideris, ke Dhaulagiri estas la plej alta monto de la mondo.



Unua grimpo |


La unuan grimpadon sukcesis la 13-an de majo 1960 ekspedicio de Kurt Diemberger, Nawang Dorje, Ernst Forrer, Albin Schelbert, Peter Diener kaj Nyima Dorje. Ĝi estis la antaŭlasta de la montoj pli altaj ol 8000 m kiu estis grimpita de homoj.



Eksteraj ligiloj |


  • Historio de la unua grimpo de Dhaulagiri ĉe himalaya-info.org (en germana lingvo)


Himalayas.jpg

Montoj pli altaj ol 8000 m


Ĉomolungmo (aŭ Everesto) - K2 (Ĉogori aŭ Lambha Pahar aŭ Dapsang) - Kangchenjunga - Lhotse - Makalu - Ĉo Oju - Dhaulagiri - Manaslu - Nanga Parbat - Anapurno - Gaŝerbrum 1 (Kaŝita Pinto) - Broad Peak (Falĉan Kangri/K3) - Gaŝerbrum 2 (K4) - Ŝiŝapangmo



 







-

Popular posts from this blog

Aikido

Image
Ĉi tiu artikolo citas neniun fonton . Vi povas plibonigi ĝin, aldonante fidindajn fontojn. Senfontaj asertoj povas esti forigitaj.  (Novembro 2012) Aikido Japana Nomo: Kanji 合気道 Hiragana あいきどう Spiradaj ekzercoj Aikido , aŭ Ajkido , estas moderna japana luktarto (Shin Budo) kompilita de Ueshiba Morihei dum la periodo inter la 1930-aj jaroj ĝis 1960-aj jaroj. Ĝi estas senperforta kaj multaj el ĝiaj teĥnikoj evoluis el Daito-Rjuo (speco de ĵuĵicuo) kaj el glava batalado. La filozofio de aikido devenis ĉefe de la religio Oomoto pro la kontaktoj inter O´Sensei ("granda majstro", esprimo uzata de la aikidistoj por nomi Ueshiba Morihei) kaj Deguchi Onisaburo Sensei el Oomoto. Oni konsideras, ke aikidisto havu iom da spiriteco, interalie pri la uzo de la Ĉi, KI, ĝi postulas nenuran teknikan trejnon. La nepo de la kreinto, Ueshiba Moriteru, nun estas "Doshu", tiu kiu montras la vojon. Enhavo 1 Aikido - Oomoto - Esperanto...
Read more

The minimum number of groups for any class cannot be less than 2 error

Image
0 $begingroup$ cv_split = StratifiedShuffleSplit(n_splits=10, test_size=0.3, random_state=0) # Performing cross-validation to estimate the performance of the models for idx, est in enumerate(estimator): cv_results = cross_validate(est[1](), x_value, y_value, cv=cv_split) I got following error from this code ValueError: The least populated class in y has only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. and my y_value looks like y_value = array([221900, 180000, 510000, ..., 360000, 400000, 325000]) I used this method before and y_value has the same shape as before. python data-mining cross-validation share ...
Read more

SMOTE: ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6

Image
0 $begingroup$ I am designing a multi class classifier for 11 labels. I am using SMOTE to tackle the sampling problem. However I face the following error:- error at SMOTE from imblearn.over_sampling import SMOTE sm = SMOTE(random_state=42) X_res, Y_res = sm.fit_sample(X_f, Y_f) error ~/.local/lib/python3.6/site-packages/sklearn/neighbors/base.py in kneighbors(self, X, n_neighbors, return_distance) 414 "Expected n_neighbors <= n_samples, " 415 " but n_samples = %d, n_neighbors = %d" % --> 416 (train_size, n_neighbors) 417 ) 418 n_samples, _ = X.shape ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6 Why does it say I have only 1 n_samples? When I tr...
Read more