基于HARP框架的农业知识图谱表示模型研究

[目的/意义]随着农业知识图谱数据规模的增长,图谱的节点和关系复杂度不断提升,这对其训练和表示提出了新的挑战。在此背景下,探索如何在保全知识图谱结构的同时降低资源消耗并加快嵌入速度具有重要的研究和应用意义。[方法/过程]针对这一问题,本研究提出了一种基于HARP框架的农业知识图谱层次表示模型。该模型利用农业知识图谱的层次性特征,采用一种改进的基于关系路径随机行走策略,有效地保留了图谱中节点的层次性和非对称关系结构。[结果/结论]1)与HARP框架相比,使用LEIDEN的HRWP模型能更好地保留空间结构,并快速收敛了速度;2)采用HRWP的融合模型训练时间基本小于二者训练时间总和,且对原算法时间复杂度影响较小;3)结合HRWP的传统算法各指标平均提高2%,非神经网络模型有显著提升。综上,认为模型可以准确表示农业知识图谱并有效缩短训练时间。

阿拉伯海区域气溶胶时空动态变化及海域叶绿素a浓度特征

基于2003—2017年的MODIS/Aqua气溶胶和海洋叶绿素a浓度遥感数据资料,分析了阿拉伯海域气溶胶光学厚度(AOD)的时空动态变化及海域叶绿素a浓度(Chl-a)特征,并探讨了该海域气溶胶和海洋叶绿素a浓度的关系。结果表明:阿拉伯海区域AOD和Chl-a的空间分布都呈现出显著的季节性变化,且总体呈现出由近岸向外海逐渐降低的特征,其大小和分布受到陆源沙尘影响显著;海域AOD夏季高于春季,冬季高于秋季,15年间海域AOD整体呈现增加趋势,其中东部海域增加较明显,北部海域无显著变化;海域Chl-a秋冬季明显高于春夏季,变异性较高;由春冬季AOD与Chl-a的相关系数分析发现,二者相关性在阿拉伯海西北部区域显著性相关,且呈现出由北向南、由近海岸向外海区逐渐减弱的趋势。

中亚阿姆河跨境流域景观生态风险时空演变特征分析

以中亚阿姆河流域1995—2018年6期土地利用遥感数据为基础,应用景观生态风险指数模型、半方差分析、空间自相关等方法分析该跨境流域景观生态风险时空演变规律。结果表明:(1)自1995年以来,研究区景观格局发生了显著变化,裸地面积增加最多(22704.66 km^(2)),以林地、草地、水体转入为主,水体面积减少最多,占比由6.36%下降至3.12%,主要转出为草地和裸地;(2)区域内高风险区呈现流域上游集中且向外扩展而下游缩减的两极分化特征,咸海湖盆生态风险明显升高,除低风险等级面积减少(-32.22%),其余生态风险等级面积均有不同程度增加,景观生态风险趋于恶化;(3)流域6期景观生态风险Moran’s I值均在0.77以上,表现为较强的空间聚集分布特征,高-高聚集区主要分布于研究区西南、东南部及咸海三角洲,低-低聚集区主要位于研究区北部和东部。

混合云果园监测系统设计与开发

针对新疆和田地区大面积果园监测,利用天-空-地一体化监测体系对监测区域从不同尺度获取果园监测数据;利用混合云技术保障数据的安全性,提高数据计算能力;利用Spring Boot框架搭建系统基础架构,实现前后端分离,前端与后端分别部署在公有云和私有云,前端页面部署在公有云,为用户提供访问接口,后端业务逻辑部署在私有云,保障后端程序安全运行。经开发、测试和部署应用后,系统运行稳定,为新疆和田地区的果园管理提供了现代化的果园管理和监测平台。

2001—2018年中亚干旱区地表水资源时空变化特征

基于2001—2018年长时间序列地表水遥感监测数据,提取中亚五国地表水面积信息,通过动态度法、变化斜率法和相关分析法揭示中亚五国地表水面积的时空动态变化特征并对其进行驱动力分析。结果表明:(1)中亚五国地表水呈"北密南疏"分布特征,中北部地表水变化明显。近18 a来,季节水面积呈显著增加趋势,增加了133.55%,而永久水呈波动减少趋势,减少了17.27%。哈萨克斯坦地表水面积占比最大且变化也最为明显,其次是乌兹别克斯坦,其余三国无较大变化。(2) 2001—2018年,中亚五国全区季节水动态度为7.42%,并呈快-慢-快的增长趋势,而永久水呈增长-下降-增长的演变趋势,乌兹别克斯坦地表水变化最为活跃;北部边缘及图尔盖洼地、西部里海沿岸和咸海地区永久水面积显著减少而季节水显著增加,永久水向季节水转换现象明显。(3)中亚五国增温趋势不明显,降水呈减少趋势,人口、GDP和耕地均呈增加趋势。中亚五国地表水面积变化主要受社会经济因子的影响,气候因子对地表水的影响不显著。

利用深度学习进行GF-6影像枣园检测识别

针对新疆南疆大规模枣园的检测识别,本文提出了一种基于泛化迁移深度学习的枣园目标检测识别方法。以GF-6卫星影像数据为基础制作了Jujube数据集,并将其泛化扩充增强;以Faster R-CNN体系为基础,利用多态协同模式实现数据集的有效关联和优化重构,进行检测识别模型的迁移深度学习以提高对目标对象检测识别的泛化能力。结果表明,模型算法的验证识别精确率、召回率和调和平均值分别达0.979、0.952和0.965,在应用测试中,3个指标平均值均大于0.929,优于传统检测方法,且本文模型方法总体分类精度为0.97,Kappa系数为0.93,均高于面向对象最邻近法,能够有效地满足研究区规模化枣园目标检测识别的精度和效率的要求,为精细化枣园田间管理提供基础依据。

海南岛气溶胶时空变化及来源追溯

海南岛独特的区域和国家战略位置,使得了解和掌握该地区气溶胶时空格局特征及其大气污染物传输来源是海南大气环境质量监测和污染防治中重要的关注问题。选取MODIS 3 km分辨率气溶胶光学厚度(AOD)产品MOD043K,对海南岛2003—2017年AOD时空变化特征进行分析;以海口市为起始点,采用HYSPLIT模式对8次典型大气污染事件在10、500、1000 m 3个相对地面高度上进行48 h后向轨迹计算,以探究该区域大气污染物来源。结果表明:①海南岛AOD在空间上呈较为明显的三级阶梯状分布,从西北方向向东南递减,2003—2017年在不同阶梯的空间变化趋势差异十分显著;②2003—2017年海南岛AOD年均值为0.095,各年均值整体呈轻微升高趋势;季节均值差异表现为"春季>秋季>冬季>夏季",此差异除受区域天气系统与地方风向特征的影响外,本区旅游业发展造成的大气污染物排放也不可忽视;③海南岛(海口市)2013—2017年典型大气污染事件发生期间大气污染气流在3个高度上(10、500、1000 m)的后向轨迹基本保持一致,均主要来自于海南岛东北方向。据此,位于该方向毗邻的珠江三角洲地区陆源大气污染物在东北盛行风的影响下被输送至海南岛,在区域天气系统(如大陆冷高压)和局部天气系统(如海风辐合)共同作用下,是促成该地区大气污染事件发生的重要因素。研究结果对深入理解海南岛近十多年来大气环境状况的变化规律、完善该区域大气污染联防联控机制具有重要的意义。

京津唐地区臭氧时空分布特征与气象因子的关联性研究

京津唐地区随着经济的快速发展和城市化的不断推进,臭氧污染呈现加重的趋势,深入了解臭氧浓度时空变化特征及其变化驱动机制是采取科学有效防控措施的前提和基础.本研究针对京津唐地区近地面臭氧浓度快速增加的2016年,利用卫星遥感反演数据、地面每小时监测数据及气象观测资料,分析探讨了近地面臭氧浓度时空分布及与温度、压强、蒸发量、风(风速和风向)等气象要素的耦合关联关系.结果表明:京津唐地区近地面臭氧浓度每日7:00左右最低,午后达到最高;夏季臭氧浓度最高,且略有分区差异(北京呈现单峰型,6月臭氧浓度最高,天津和唐山呈双峰型,峰值分别出现在6月和9月),冬季浓度最低,12月达到最低值.全区各季节浓度空间分布趋势较为一致,均呈现从西北向东南逐渐降低的趋势.影响京津唐地区近地面臭氧浓度的首要气象要素为温度,二者呈较大的正相关性,臭氧浓度与近地面压强存在一定的负相关性,而与蒸发量具有较小的正相关性,与风速、风向的相关性较为复杂,表现出明显的地区和风向差异性(在偏南风和强风条件下较易出现高浓度臭氧),全年臭氧浓度与风速相关系数极低,呈不相关.全区分区(建成区与非建成区)近地面臭氧浓度与温度、压强、蒸发量、风速等的关联相关特性,虽然北京、天津和唐山各略有差异但基本一致.在不同气象要素分级组合协同条件下,臭氧浓度与温度、风速的相关性明显显著于其与蒸发量、压强的相关性,且存在在高压、较低蒸发量的气象条件下,臭氧浓度与温度的相关性随风速的增强(或减弱)而降低(或增强),与风速的相关性随温度的升高(或降低)而减弱(或增强)的普遍现象;对于压强和蒸发量而言,臭氧浓度与二者的相关性普遍相对较低,且趋势特征不明显.

叶尔羌河流域植被指数与地貌状况耦合度研究

针对叶尔羌河流域这一生态脆弱区,基于像元二分法利用MODIS NDVI数据计算该研究区典型正常年份2016年6-9月生长季植被指数(植被覆盖度),分析探讨了该流域植被覆盖度与土地利用/覆盖状况及高程、坡度、坡向等地貌状况主要要素之间的耦合关联关系。结果表明:叶尔羌河下游地区地形起伏较小,植被覆盖状况和土地利用/覆盖类型均具有明显的地带状与分层分布特征,植被覆盖度仅与距离水源地的远近相关性显著,与高程、坡度等其他地貌因子无明显相关性;而叶尔羌河中上游地区植被覆盖状况复杂,植被覆盖度与高程、坡度和坡向三因子总体耦合度较高。高程对植被覆盖状况的影响尤为显著,具有明显的垂直地带性;同时,随着高程增加,坡度对植被覆盖度的影响则表现出一定的垂直周期地带变化特性,以及随着坡向的变化植被覆盖度呈现出由阴坡、半阴坡较高(4 000m以下地区)按"顺时针"向阳坡、半阳坡较高(4 000m以上地区)逐渐转移。

Research on global change scientific satellites

Global change now poses a severe threat to the survival and development of mankind.Large-scale,real-time,highly accurate Earth observation from space has become a key technology used to observe global change.China is one of the most influential countries affecting and being affected by global change,yet it has no scientific satellite for global change research so far.Developing global change scientific satellites not only would meet an important demand of China,but also would be a valuable contribution to the world.By analyzing the mechanisms of space-based observation of variables sensitive to global change,this paper explores the concept of global change scientific satellites,and proposes a series of global change scientific satellites to establish a scientific observation system for global environmental change monitoring from space.