Web时空数据挖掘研究进展

随着互联网的迅速发展,Web已经渗透到人类社会的各个角落,其中蕴含着大量关系社会、经济和生活的信息。从中挖掘出刻画事件时空范围的时空信息,可以为探索社会、自然事件以及行为主体的时空运动规律和知识提供丰富的素材。系统综述了Web时空数据挖掘的理论、方法和应用,首先介绍了Web时空数据挖掘的概念及分类,详细阐述了Web时空信息的特点和提取方法,其次针对3类Web时空数据挖掘的内容、方法及应用进行了综述,最后探讨了Web时空数据挖掘面临的难题、研究热点和未来领域的发展方向。     

流域水文模型对土壤数据响应的多尺度分析

流域水文模拟对输入数据空间详细程度的要求受流域面积大小的影响,而流域面积影响作用的定量描述有助于模拟时的数据选取.本文以美国Brewery Creek流域(约19.5 k㎡)为例,在逐级连续的汇流面积上,分析了SWAT模型基于1:2.4万的SSURGO和10m分辨率的SoLIM土壤数据模拟的径流量的差别随汇流面积的变化...     

基于微博大数据的北京市流动人口情绪与职住分布的关系研究

流动人口的职住情绪能够反映其工作与生活状态。本研究首先基于2017年北京市微博大数据,利用jieba分词结合人工筛选得到流动人口发布的微博文本;其次,对Roberta-wwm-ext-large模型进行迁移学习识别北京全人群与流动人口的微博情绪;然后,结合POI数据与微博发布时间得到流动人口的职住分布;最后,基于微博情绪与职住分布得到流动人口的职住情绪,利用Getis-Ord Gi*挖掘职住情绪的空间聚集模式,采用地理探测器分析影响职住情绪热点分布的因素。实验表明,北京流动人口情绪均值（0.56）稍低于北京全人群（0.57）（P<0.01）,但整体表现为积极;从空间分布来看,流动人口在东、西城区情绪均衡,西北部科技创新区情绪相对于流动人口情绪均值较为低落,而东南部中心商务区、文化交流区及国际化社区情绪较高涨;从情绪与职住的关系来看,流动人口的工作情绪与从事的工作类型有关（q=0.03,P<0.05）,高新技术产业园、工业园、物流产业园的流动人口从业人员的工作情绪相对于流动人口工作情绪均值较为消极,健康产业园、文化创意产业园、农业园的流动人口从业人员的工作情绪较积极;流动人口的居住情绪与居住环境有关（q=0.06,P<0.1）,居住在远郊区的流动人口情绪相对于流动人口居住情绪均值较为消极,居住在近郊高密度的流动人口情绪较为积极。因此,相关部门应重点关注从事高新技术产业、工业、物流产业的流动人口以及居住在远郊区的流动人口。     

北纬地区温度和卫星监测的植被活动节律变化的比较分析(英文)

Plant growth at northern latitudes is highly responsive to the climatic changes that have occurred over recent decades. However, the sensitivity of the phasing of the seasonal cycle of terrestrial ecosystems to a changing environment remains less widely understood. We present an investigation and comparative study of large-scale changes in seasonal cy-cling of both land surface temperature and plant growth. Our results have shown trends in-dicating a marked increased towards overall plant productivity by ~3% from 1982 to 2005, reduced trends in seasonal variation at low-mid latitudes by ~2%, increased trends in sea-sonal variations at mid-high latitudes by ~7%, and an earlier phase in northern terrestrial ecosystems (~1.1 days) in parallel with changes in the phasing of surface temperatures at northern latitudes over the 24 years in this study. These shifts in annual cycles of terrestrial vegetation appear to have a distinct geographical zonality and are dependent upon latitudinal changes in climatic variables. More conspicuous changes in overall vegetation productivity and the seasonal phase of ecosystems have been observed in Eurasia compared to North America, largely because of a more rapid rise in temperature. Our results state that changing climate boosts plant growth at northern latitudes, but also alters the phase and seasonal variations of the annual cycle of terrestrial ecosystems.     

基于文献计量学的社会—生态系统恢复力研究进展

采用文献计量学方法,运用CiteSpace和TDA等引文分析及可视化工具,对国内外"社会—生态系统恢复力"相关研究论文进行分析。构建检索式,得到1900—2017年WOS(Web of Science)期刊论文共10 315篇,对研究态势及热点进行梳理和分析。结果发现,系统恢复力研究可归纳为5个基本理论问题,即内涵、变化诱因、空间尺度、研究对象及响应措施。自1973年提出,该理论发展了近45年,借助知识图谱分析发现,形成了三大研究主题领域:内涵与理论、诱因与方法、适应与管理。分析研究热点时序演化发现,近20年来,以气候变化为诱因、以生态系统为对象的研究形成了最为完备的理论和方法体系;近10年来,社区和城市尺度的研究发展迅速成为热点;近5年来,社会学习和知识传播等适应对策得到关注。深化对同质社会经济单元的研究,开展案例研究与实地观测、实验和建模方法的融合是未来研究的重点。     

地学知识图谱的定义、内涵和表达方式的探讨

在地学图谱和地学信息图谱的基础上,本文提出了地学知识图谱的概念,并介绍了地学知识图谱的基本框架、特征和理论意义。地学知识图谱将地学知识以虚拟空间坐标的形式反映在地图上,用以展示地理对象特征空间分布,揭示出一些隐含的规律。它是对地理知识形式化的图形表达,具有语法和语义特征,因此,有可计算性。它的基本组成要素和结构由所表达的内容决定。地学知识图谱,不仅是一种知识表达和数据挖掘的手段,也是空间认知的一种方式和结果。     

面向公共安全事件的网络文本大数据结构化研究

网络文本中所包含的相关信息目前已成为公共安全事件紧急救援与影响评估的重要信息源。现有的方法虽然可定向地提取文本信息中事件的各类要素信息,但由于缺乏面向事件的整体建模与解析框架,难以从网络文本中获取系统的事件要素的结构化信息,即所提取的事件要素信息要么不够完整,要么与目标事件不匹配,由此产生的遗漏与谬误难以支撑针对公共安全事件信息的系统分析。为解决该问题,本文提出了面向公共安全事件的网络文本大数据结构化理论框架,首先,建立了公共安全事件的语义框架,并以地震事件为例构建了相应的结构化表结构;其次,应用训练语料的关联标注解决了事件要素与事件无法匹配的难点;最后,通过使用可融合关联信息的文本解析算法,系统提取了事件类型、事件名称、事件时间、事件位置及其他属性,基本实现了网络文本中不同事件信息的结构化。本文以云南邵通鲁甸地震为例,展示了地震事件的网络文本信息的结构化过程与结果,为分析地震所受的关注程度以及救援状况提供了重要参考。在上述研究的基础上,开发了面向公共安全事件的网络文本信息挖掘系统,展示了地震事件文本的结构化解析以及由此实施的事件关注度分析。     

从地理规律到地理空间人工智能EI北大核心CSCD

近年来,人工智能技术快速发展,影响了很多学科的研究范式。对于地理学而言,这种趋势也不例外。从知识发现的角度,地理学研究主要有两个任务,即揭示未知的具体事实和发现一般性的规律机理。在这两个方面,人工智能技术可帮助地理学家发现知识甚至自动提取知识。相对于地球科学其他学科,地理学自动提取知识的任务更为凸显。但是在寻求地理规律的过程中,需要处理一般性和地理异质性之间的权衡,其核心可以表述为人工智能学习过程中的基础问题:泛化及可解释性问题。因此,二者存在内在的逻辑一致性,积极引入人工智能技术有助于强化地理学的学科基础。本文通过实例给出了人工智能用于地理规律发现的一个简单框架,指出了未来地理空间人工智能发展的方向,以及地理信息科学在机制、模型、方法及应用方面潜在的新任务。     

接驳地铁站的共享单车源汇时空特征及其影响因素

共享单车是解决“最后一公里”出行的有效方法,然而,人们在利用其进行接驳地铁时,常出现无车可用或车辆淤积的现象。因此,探究用于接驳地铁的共享单车的源汇时空分布特征及其影响因素对实现其供需平衡有一定意义,单车运营公司可据此进行更及时、合理的调度。为了解不同区域的共享单车在接驳地铁时使用模式的差异,本文基于不同时间段的客流特征,对用于接驳北京市地铁站的共享单车所产生的源、汇网格进行了K-均值聚类,并进一步利用地理探测器探究了造成这种空间分异的原因。结果表明：① 源、汇网格各被分为5类,分别为高频低流出、高频异常源、中频低流出、低频高流出、低频低流出和高频低流入、中频低流入、低频高流入、低频差异流入、高频异常汇等类型,反映了共享单车源汇的时空分布特征; ② 在不同聚类中,共享单车的日均流量对应的主导因子有所差别,位于市中心的聚类的车辆主要受距离和交通因子的影响,而在其它聚类中则会同时受到多种POI的显著影响,且在不同时段中影响机制不同;③ 对于净流入（出）率而言,各聚类的源、汇网格的主导因子则大致相同,车辆的缺少或过剩主要与距地铁站或市中心的距离有关。④ 从整体源、汇来看,住宅类POI数量与距最近地铁站的距离分别是影响日均流量和净流入（出）率的最强的因子。