基于LandTrendr算法的广东省1990-2020年森林干扰与森林恢复的动态变化分析

为准确掌握广东省森林干扰与森林恢复的动态特征,文章基于谷歌地球引擎(Google Earth Engine,GEE)云平台构建Landsat长时序年度无云地表反射率影像集,采用LandTrendr(Landsat-based detection of Trends in Distur-bance and Recovery)算法提取广东省1990—2020年森林干扰与森林恢复的时空分布特征,并分析其演变的驱动因素,比较不同森林类型的干扰与恢复特征。结果表明:(1)1990—2020年,广东省的森林干扰总面积约为1.35×10^(4)km^(2),集中分布在广东省西部、东部和中部小范围地区,干扰面积最大的3个城市分别为韶关、梅州、清远市;森林恢复总面积约为1.91×10^(4)km^(2),集中分布在广东省北部和西部地区,恢复面积最大的3个城市分别为韶关、清远、肇庆市。(2)广东省森林干扰与森林恢复均集中发生在海拔小于等于600 m的地区,高海拔地区的森林面积较为稳定;广东省森林干扰集中发生在坡度小于等于25°的地区,森林恢复集中发生在坡度小于等于35°的地区。(3)广东省森林干扰在1996年后发生较为频繁,其中2011年的森林干扰面积最大;森林恢复主要集中在2001—2016年,其中2012年的森林恢复面积最大。(4)广东省的森林干扰与森林恢复主要受雨雪冰冻灾害、台风、病虫害等自然因素以及森林火灾、城市化、采伐、林业政策等人为因素的综合影响,其中雨雪冰冻灾害对广东省北部地区的常绿针叶林的影响较大,但该类型的森林恢复也较快。

基于LandTrendr算法海南东寨港红树林扰动研究

随着我国社会经济的快速发展和对自然资源需求的日益增加,自然保护区面临的压力越来越重。在对于红树林扰动和恢复的监测当中,应用时间序列分析法对其进行遥感研究还处于起步阶段,并且时间序列算法本身都十分复杂。文章基于谷歌地球引擎(Google Earth Engine,GEE)云平台的LandTrendr时间分割算法和Landsat影像时序数据,研究了东寨港红树林自然保护区1990—2020年期间红树林的扰动情况。研究结果表明:1990—2020年间,共有42.39 hm 2的红树林发生了扰动,其中2014年保护区内红树林扰动面积最大,为12.78 hm 2;1990—2020年间,轻微扰动和中度扰动所占比例较大,分别为65.39%和30.78%,严重扰动所占比例最少,只有3.83%;红树林变化像元的总体识别精度为89.50%,对扰动年份检测的总体精度为88%,Kappa系数为0.79。本研究基于LandTrendr算法解析了30 a间东寨港保护区内红树林发生扰动的年份和面积,结合实际情况分析了导致扰动的因素,认为人类活动是红树林扰动的主要原因,自然因素(如病虫害和极端天气等)是导致扰动的次要原因。研究结果能够为红树林保护区的管理提供科学依据和决策参考。

基于Landsat时序影像和LandTrendr算法的森林保护区植被扰动研究--以陕西柴松和太白山保护区为例

跟踪森林自然保护区的森林变化及其时空特征,可为保护区生态保护评价提供科学依据。使用LandTrendr算法和谷歌地球引擎(GEE)的Landsat卫星时间序列数据,描述了柴松和太白山保护区的长期(1984—2018年)森林变化模式。对森林变化像元和稳定像元的总体识别精度达到93%,对扰动年探测的总体精度为89%。在柴松保护区,扰动年发生在2008年左右,大部分扰动由人类活动引起。在太白山保护区,扰动年主要发生在2013年,由自然因素造成。柴松和太白山保护区的森林扰动面积分别为42.74 hm2和23.68 hm2。柴松保护区的扰动斑块数多于太白山,表明柴松保护区自2004年建立后干扰频繁。本研究可以帮助研究人员和决策者了解这两个保护区的森林状况,可为森林生态系统的自然保护区保护评估提供基线信息。

基于LandTrendr的老挝橡胶林遥感识别及扩张监测

天然橡胶作为世界上重要的工业原料,也是老挝农民收入的重要组成部分,受替代种植政策和橡胶价格变化的影响,准确快速地监测当地人工橡胶林对于促进橡胶产业的良性发展具有重要意义。目前大部分研究都集中在小区域的橡胶林提取,多为单时相或双时相影像的分类提取,无法得到长时间序列的橡胶林扩张特征。为探究长时间、大尺度的橡胶林种植扩张特征,本研究选取1990—2020年连续30年的Landsat时间序列影像,利用LandTrendr算法对老挝30年间橡胶林变化进行提取,并借助国际橡胶期货价格和地形数据进行时空变化分析。结果表明:经过优选后的特征组合可以更好地进行橡胶林分布提取,2020年橡胶林分布提取的总体精度为89.85%,Kappa系数为0.82,得出老挝在2020年的橡胶林总面积为32.1万hm^(2);使用LandTrendr算法和二次分类的橡胶林扩张变化监测总体精度为92.44%,Kappa系数为0.82;老挝人工橡胶林的扩张和橡胶期货市场密切相关,通过地形因素分析,得出橡胶林适宜种植在低海拔、坡度平缓且向阳的区域。本研究能够很好地在国家尺度上对橡胶林变化进行长时间的监测,为橡胶产业的发展和政策的把控提供数据支撑。

改进A^(*)算法和人工势场法的路径规划

A^(*)算法存在折线路径多和搜索节点多的问题,人工势场(artificial potential field,APF)法存在局部最优和不可到达的问题,针对两种算法存在的问题进行了研究。利用欧氏距离与投影距离提出一种新的混合式启发函数,依据该函数对A^(*)算法的流程进行改进,减少A^(*)算法的搜索节点,提高搜索效率。利用新A^(*)算法生成的最优节点作为APF算法的局部目标点,辅助机器人摆脱局部最优点;通过加入机器人和目标点的位置关系改进势场函数,修改斥力的增益,优化斥力的生成方向。在改进的基础上将两种算法融合提出一种新的算法,利用APF法的势场函数引导A^(*)算法的搜索。从路径长度、避障效果、迭代次数对改进算法进行对比分析,仿真结果表明,提出的改进算法搜索效率高,实现避障的同时保证计算的路径最优。

算法解释制度的体系化构建

算法解释在算法治理中举足轻重。算法解释承载着权益保障、社会交往和风险治理三重意义,其在技术层面上的障碍正在逐渐被突破,可以通过多种技术机制实现。在算法治理活动中,应根据常规场景、关键场景和争议场景分别限定选择解释的路径选择和技术方案,通过冻结机制、抽样机制和镜像机制固定算法解释,并使之接受外部的验证与审查,确保算法解释真实、有效。算法解释的系列机制应被进一步构建为体系化的算法解释制度,在这一制度框架内,对解释路径与精度、解释时限、解释瑕疵责任等要素的合理配置,可以实现社会效益与规制负担的精细平衡。

算法嵌入政府治理:逻辑、风险与规制

伴随着现代信息技术的迅猛发展,智能算法在推动经济社会不断发展的同时也成为推动国家治理现代化的重要驱动力。现阶段如何推进算法技术更有效地嵌入政府治理,在充分发挥技术效益的同时反制技术滥用,实现公共价值最大化目标是亟须关注的时代命题。从“技术—权力—规则”三个维度搭建研究算法嵌入政府治理的分析框架,探索算法技术赋能政府治理的价值意蕴与运作逻辑。聚焦算法技术黑箱阻滞公共责任认定、算法权力削弱政府与民众自主性、算法规则偏好导致治理正义性减损等风险与挑战,提出在实践中要推进技术适度透明化以明晰责任关系链条、规范算法权力运作并坚持人本主义治理理念、明确算法规则决策限度以强化治理正义性等实践进路。

算法审计需求论

算法审计是算法治理体系的重要成员,本文以经典审计理论为基础,提出算法审计需求的一个理论框架。算法的合约类委托代理关系中存在完备合约,监管类委托代理关系中算法相关法律法规发挥了类似完备合约的作用,这两类关系中都不存在算法审计需求。算法的资源类委托代理关系中,由于激励不相容、信息不对称、合约不完备和环境不确定同时存在,必须建构算法治理体系来应对算法代理问题和次优问题,算法审计基于审计固有功能对算法责任履行情况实施鉴证,发现其中存在的代理问题和次优问题,报告给委托人及其他利益相关者并推动整改,从而为算法责任的良好履行提供一定的保障。

如何实现“黑箱”下的算法治理?——平台推荐算法监管的测量实验与策略探索

近年来,平台推荐算法的快速发展和广泛应用深刻改变了互联网信息内容的供给方式,同时也引发了一系列算法风险与现实问题。平台推荐算法治理与监管成为政府规范算法应用的重点内容之一,无论是算法备案制度的探索,还是实现算法透明化的设想,均面临着一定的困难和挑战。在不打开算法“黑箱”的前提下,平台推荐算法规制与监管是否有可行之道?论文基于机器行为学思想,采用实验方法,以用户视角对推荐结果进行跟踪记录,通过实验数据的对比分析,验证了平台推荐算法结果差异的可测性。基于实验结果,论文提出了通过对不同平台推荐结果进行大规模数据测试和检验,测量平台推荐算法运行逻辑与推荐效果,从而实现“黑箱”下有效的逆向监管,以期丰富未来算法治理的选择。

算法审计内容论

以经典审计理论为基础,提出算法审计内容的一个理论框架。算法审计对象是算法责任履行情况,主要包括:代理人(算法使用者)的算法全面责任、算法开发者的算法开发责任、算法营运者的算法营运责任和算法监管者的算法监管责任。算法审计对象要落实到算法审计主题,算法全面责任、算法开发责任、算法营运责任的审计主题都是算法系统,算法监管责任的审计主题包括算法监管信息、算法监管行为和算法监管制度。基于不同的算法审计主题形成不同类型的算法审计业务,基于算法系统形成算法系统审计,基于算法监管信息、算法监管行为和算法监管制度分别形成算法监管信息审计、算法监管行为审计和算法监管制度审计。在算法审计业务实施中,必须将各个审计业务的审计主题分解为审计标的,算法系统的审计标的包括输入数据、算法设计和算法影响,每一个有独立计算方法的算法监管信息都可以成为独立的审计标的,每一个有独立规则的算法监管行为都可以成为独立的审计标的,每一项有独立规范对象的算法监管制度都可以成为独立的审计标的。

基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。

积极伦理观下算法歧视治理模式的革新

算法技术已借助大数据技术被广泛应用,成为影响人们日常生活的重要角色,其也因技术中立性不断遭受现实挑战而呈现出事实上的歧视性。重新审视算法歧视及其治理路径是发挥算法积极作用、避免算法消极影响的重要前提。传统伦理观念影响下的算法歧视治理模式存在价值观念偏航、治理结构失衡及技术治理落后的问题,影响算法歧视治理实效。社会发展促进了伦理观念的革新,积极伦理观的树立可以为算法技术向善的实现提供理论指引。算法治理结构的优化及反歧视技术水平的提高是纠正算法歧视的重要前提,理念、制度及技术三维措施的综合运用方可在算法领域实现科技向善的伦理目标。

教育数字化转型中的算法权力及其规制

依托框架优势、机器优势和嵌入优势的全新算法,将会随着数字平台的搭建、数据资源的挖掘、“人–机”交互的设计,由单纯的计算工具向事务运行规则转变,进而演变为教育数字化转型中不容回避的权力议题。教育数字化转型中的算法权力既有益于管理风险、规范行为和辅助决策,也可能由于自身的局限以及它与教育之间的冲突,导致教育的风险异化、行为降格和决策失衡。要将算法权力规制到安全、可靠的“笼子”之中,除借助算法目标的教育审查、算法设计的教育解释、算法运行的教育监管、算法应用的教育鉴别、算法信息的教育备案、算法责任的教育认定,以构建从背景、过程到结果的规范机制;还应诉诸教育之于算法的祛魅、平衡与扬弃,以凸显“入乎其内却又出乎其外”的制衡思想。

改进RRT算法的采摘机械臂路径规划

针对采用传统的快速随机扩展树(RRT)算法的采摘机械臂在果园工作环境中搜索路径时间长,最终路径不平滑、拐点多等问题,提出了一种改进的RRT避障算法。改进的算法采用高斯采样策略,减少了采样的随机性,避免产生更多不必要的随机树,增加规划的导向性;再添加A*代价函数去除路径的冗余点,最后使用贪婪算法简化路径,减少拐点,让机械臂可以快速、准确、平稳地沿着最佳路径运动到目标点。仿真表明,改进后的算法有效地减少了路径规划的时间,缩短了路径长度,具有良好的可行性和有效性。

算法歧视的敏捷治理——以D短视频平台为例

敏捷治理作为社会治理的新范式,是对回应式治理和集中式治理的进阶和超越,是塑造未来数智世界和元宇宙治理的现实路径。以敏捷治理化解算法歧视的技术与伦理风险,实现算法治理成为一项重要的理论和现实议题。通过参与式调查对D短视频平台的内容展开田野调查,深度剖析短视频平台算法运作的逻辑机理,总结归纳算法歧视的形态和成因,探索尝试算法治理的可行举措和实践进路。研究发现,基于用户偏好、平台优先等平台价值观念是D短视频平台算法运作的隐形逻辑;主观设计下歧视性推送和定价是D短视频平台算法歧视的突出表现;灵敏感知、快速响应、持续发展的敏捷治理机制是逾越“算计”陷阱的有效手段。因而,为应对算法歧视的风险挑战,政府亟须以敏捷治理赋能算法歧视治理,塑造多元参与、多管齐下的治理格局,实现整体智治、协同共治、动态管治,从而实现算法“善治”,优化算法治理的中国方案。

基于深度学习的无锚框目标检测算法综述

近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实验研究上述算法的性能,总结提出基于深度学习的目标检测算法未来的研究方向。

论政策共识构建中的算法支配:模式与维度

人类社会进入算法时代,政策共识构建无论是在科学化发展还是在民主化进程中都受到算法影响,当这种影响发展到一定程度时则会出现算法支配的现象。根据算法的自动化程度与相对于人类的独立性,政策共识构建中的算法支配可分为四种模式:工具性支配、平台式支配、博弈性支配、自动化支配。四种模式对政策共识构建的影响体现在不同层面,但都是从四个方面展开:通过代码设计对政策诉求进行标准化解读;对个体感知做出隐蔽控制以此编辑诉求内容;形成严密的审查体系对行为进行监控并做出引导;设定计算规则塑造共识构建的程序和方式。总体而言,政策共识构建的算法支配体现为技术支配与权力支配的混合,需要基于对算法的全面认知做出应对。

一种改进的概率霍夫直线检测算法

针对概率霍夫直线检测算法检测速率不高、检测精度易受其他特征和连续间断线干扰的缺点,提出了一种改进的概率霍夫直线检测算法。改进后的算法将注意力集中在直线可能存在的若干个区间,提升了检测速率与精度,在直线检测全过程监控并剔除连续间断线,提升了算法的抗干扰能力。经过100组铝锭边缘线检测的实验验证,改进后算法相较原算法平均检测速率提升至1.77倍,查准率提升至1.45倍,且改进后算法在其他图片上的检测速率和检测效果相较原算法也有明显提升。

智能算法的亚群优化策略综述

群智能算法的优化是提升群智能算法性能的一个主要途径,随着群智能算法越来越广泛地运用到各类模型优化、生产调度、路径规划等问题中,对智能算法性能的要求也越来越高。亚群策略作为一种优化群智能算法的重要手段,能够灵活地平衡算法的全局勘探能力和局部开发能力,已经成为群智能算法的研究热点之一。为了促进亚群优化策略的发展和应用,对动态亚群策略、基于主从范式的亚群策略和基于网络结构的亚群策略进行了详细调查,阐述了各类亚群策略的结构特点、改进方式和应用场景。最后,总结了亚群策略目前存在的问题以及未来的研究趋势和发展方向。

数字金融的算法风险及其法律规制

算法与金融的深度融合是金融产业数字化转型的关键驱动力,但同时也引发了算法歧视、算法权力、算法共谋、算法趋同等一系列新型风险。这些风险具有隐蔽性、系统性和根源多样性的特征,导致传统金融法制在法律主体、调整对象、算法权利、算法责任等方面表现出局限性。究其根源,在于算法黑箱削弱了金融消费者和监管者的风险识别和防范能力,并导致算法责任追究困难。因此,对数字金融算法风险的法律规制应以算法黑箱为切入点,以促进算法发展和防范算法风险统筹为目标,以算法透明性为基本原则,确保透明是合理的、有意义的且具有层次差异。在法律主体方面,应加强监管部门的专业性和协调机制,引入多方主体协同共治;在调整对象方面,应对算法本体和参与主体进行双维规制;在算法权利方面,应加强金融消费者数据保护与算法规制的衔接;在算法责任方面,应构建以算法设计与应用监管并重的双层监管结构,以确保数字金融算法安全可信的实现。