大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究

传统机器学习算法已广泛应用于矿产预测,但面对地质大数据的高维稀疏、不平衡小样本等特性仍缺乏有效处理和分析的方法,设计适合地质大数据特点的机器学习算法是智能矿产预测亟需解决的新问题。本文以内蒙古浩布高地区的铅锌多金属矿产预测为例,提出了一种面向地质大数据的半监督协同训练矿产预测模型。首先对研究区地质找矿信息和地球化学异常信息进行定量分析,提取断裂构造、二叠系地层、燕山期侵入岩、地层与岩体接触带、围岩蚀变及Pb、Zn、Sn、Cu地球化学异常共9种找矿因子。然后利用递归特征消除法优选找矿因子组合,不包括Sn异常在内的8个找矿因子组合被选为最优组合。最后,利用支持向量机和随机森林算法作为基分类器进行半监督协同训练矿产预测,绘制成矿概率分布图。ROC曲线和预测度曲线分析结果表明,半监督协同训练模型的AUC值和预测效率都高于随机森林和支持向量机模型。研究结果也为大数据环境下的智能矿产预测提供了一种新的思路。     

顾及制图规则的地图多要素协同移位方法

在地图自动编制中,有时多类地图要素多个空间目标之间同时发生空间冲突,在移位过程中会影响到邻近区域的地图目标,这就需要对地图要素移位进行协同处理。在自动识别邻近空间冲突区的条件下,提出了一种顾及地图制图规则的解决地图目标群空间冲突的协同处理方法,并用参数表方法形式化表达了地形图上地图要素移位的常用制图规则。首先利用约束性Delaunay三角网识别出可能的空间冲突区域,并建立移位操作区;然后,建立移位传播关联线网,依据制图规则在关联线网上以能量最小化Beam移位模型为基础,对整个空间冲突区的地图目标群进行协同移位;最后,用实验验证了所提方法的有效性和适用性。     

使用角色构建虚拟地理环境群体协同方法

为解决虚拟地理环境缺乏有效组织、规划、管理群体协同的问题,研究并构建角色模型及角色支持下的虚拟地理环境群体协同方法。构建了包含角色扮演、角色权限、角色感知、角色思维、角色行为和角色表达等模块的角色模型,设计了基于角色的虚拟地理环境群体协同框架,提出了多角色群体协同规划方法,建立了角色支撑下的群体协同冲突检测与消除策略。针对人类活动与全球变化相互影响问题,构建多领域人员参与下虚拟地理环境群体协同模拟与评估原型系统。经系统测试发现,通过角色模型能够较好地实现协同参与者与虚拟地理环境之间的耦合,同时能够为虚拟地理环境的群体协同提供系统性方法支撑。     

晴隆县发展草地畜牧业应注意的几点气候问题

该文针对饲养中应注意的几个气候问题进行探讨,供有关部门参考。     

遥感信息协同智能网格模型设计及实现

为了给普通用户提供一个自动化、智能化的遥感信息处理平台,以OGSA(Open Grid Services Architecture) 为基础,结合多智能体技术,提出了基于协同智能网格的遥感信息处理模型RSCIG(Remote Sensing Cooperative Intelligent Grid);设计了RSCIG的体系结构,详述了如何高效准确地协同现有的网格服务以完成所面临的任务;实现了一个RSCIG体系结构下的遥感信息处理原型系统.     

浅谈拆迁赔偿中房屋面积测绘应把握的若干要点

介绍了房屋拆迁中房屋面积测绘需要把握的要点。     

京津冀协同治理的回顾与前瞻

京津冀区域治理是伴随三地协作发展的进程,从政府层面的管制转向各利益主体协调治理,从自上而下的竞争合作转向上下结合的协同合作的一系列有效应对举措。经过30多年的努力,学界和政府部门已经形成了较为丰富的京津冀区域治理研究成果。通过梳理自1984年以来相关区域的研究,尝试从时空维度厘清京津冀区域治理的研究脉络及其变化,剖析目前京津冀区域治理所涉及的治理模式、协调体系、以及形成的发展策略,为改进和提高京津冀区域治理效果提供参考。京津冀协同治理过程是学术界与政府的互动融合过程,其中政府的作用居主导地位。未来将在治理主体、治理机制、治理效果评价和文化、医疗、养老等领域的协调发展方面得到深化和细化。     

海岸带及其调查技术进展

海岸带是重要海陆过渡带地貌单元与区域,兼受海陆动力双重作用与影响,包括不同类型的沉积相,经历复杂的动力沉积、地貌演变及灾变过程。海岸带调查涉及学科交叉融合,调查要素相对独立与内容多学科交叉并存。我国曾分别于1960年、1981年和2003年组织开展过全国海岸带综合调查工作,调查获取了大量丰硕成果。当前海岸带调查与研究过程中亦暴露出一些亟需突破问题,包括:1)海岸带存在大范围"盲区",浅水易陷、礁石养殖等区域难以到达,成为海岸带数据"空白区"、调查"禁区";2)我国海岸带观测平台数量少、分布零散,未形成综合有效观测网,导致长时间序列、多源准同步调查数据缺乏,难以准确把握海岸带变化规律,破解资源环境有关问题;3)海岸带数据获取智能化程度低,严重阻碍制约有关对策及时有效性;4)海岸带不同学科协同调查、交叉融合研究模式尚未建立,不能及时发现海岸带科学问题。今后海岸带调查将在海岸带高分辨率过程数据、全覆盖无死角实时动态数据获取技术,长时间序列综合数据采集平台建设,陆海空全天候立体化数据采集传输及快速智能决策,以及海岸带多学科交叉攻关研究等方面取得突破。     

基于无人机多源遥感数据海岛植被叶面积指数协同反演研究

无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index, LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。