基于ALBERT模型的园林植物知识实体与关系抽取方法

园林植物知识图谱可为顾及区域适应性、观赏性和生态性等因子的绿化树种的选型提供知识支持。植物描述文本的实体识别及关系抽取是知识图谱构建的关键环节。针对植物领域未有公开的标注数据集,本文阐述了园林植物数据集的构建流程,定义了园林植物的概念体系结构,完成了园林植物语料库的构建。针对现有Word2vec、ELMo和BERT等语言模型存在无法解决多义词、融合上下文能力差、运行速度慢等缺点,提出了嵌入ALBERT（A Lite BERT）预训练语言模型的实体识别和关系抽取模型。ALBERT预训练的动态词向量能够有效地表示文本特征,将其分别输入到BiGRU-CRF命名实体识别模型和BiGRU-Attention关系抽取模型中进行训练,进一步提升实体识别和关系抽取的效果。在园林植物语料库上进行方法的有效性验证,结果表明ALBERT-BiGRU-CRF命名实体识别模型的F₁值为0.9517,ALBERT-BiGRU-Attention关系抽取模型的F₁值为0.9161,相较于经典的语言模型（如Word2vec、ELMo和BERT等）性能有较为显著的提升。因此基于ALBERT模型的实体与关系抽取任务能有效提高识别分类效果,可将其应用于植物描述文本的实体关系抽取任务中,为园林植物知识图谱自动构建提供方法。     

基于城市园林树木景观三维模拟的绿视率估算方法

城市生态景观功能主要是绿色植物对人的视觉作用。绿视率被认为是一种比较好的衡量绿色空间视觉感受的描述因子。目前绿视率的估算主要基于静态的图像或者街景数据,而绿视率是一种动态的量,不同视点有不同的值,且植物是生长变化的。因此,本文提出一种基于数据和模型综合驱动的园林树木三维模拟景观的绿视率计算方法,其利用虚拟地理环境、虚拟植物等技术,通过道路、建筑物等硬质景观数据和树木模型驱动,建立城市园林树木三维景观;根据视觉成像原理,构建虚拟相机,模拟不同视点园林景观的视觉图像,然后识别表征植被信息的像素,从而计算绿视率。本文研发了园林树木景观三维模拟及绿视率估算原型系统,并以城市道路树木景观为例,模拟分析了机动车道中车辆乘客可获得的绿视率,与街景图像提取的绿视率值相近。该方法和系统可用于包含时间变量的不同生长阶段园林树木景观的绿视率评估,支持交互设置不同的视点参数,估算城市任意位置和任意方向的绿视率,评价过去、现在和未来的园林景观绿化质量,以人的视觉感知角度为城市绿地规划提供参考。     

基于街景图像的福州城区主要道路绿视率研究

道路的视觉感知是衡量城市绿化景观功能的重要途径,绿视率被认为是评价城市绿色空间的重要指标.本文根据植物对太阳光吸收和反射波谱特性,对应街景图像中红、绿、蓝三分量的特点,提取植被信息,从而计算绿视率.以福州市城区(鼓楼区、仓山区、台江区、晋安区)主要道路作为研究对象,计算每个观测点的绿视率和道路的平均绿视率,分析道路绿视...     

基于夜间灯光数据的河南省城市扩张及驱动力研究

以河南省为研究区,利用2000—2018年夜间灯光数据、NDVI数据和VANUI数据提取城市建成区.在建成区面积和灯光强度两个方面的变化进行论述,利用景观指数对河南省城市景观进行定量分析,采用主成分分析法对河南省建成区扩张驱动力进行分析.结果表明,河南省建成区面积从1937 km2增加到5155 km2;灯光强度从75...