湖泊碳循环研究中遥感技术的机遇与挑战

湖泊碳循环是全球碳循环过程中的重要环节,随着全球碳循环研究的不断深入,湖泊碳循环对全球碳循环的影响,以及其对全球气候变化的调节作用越来越受到关注.然而,由于湖泊分布的破碎性(大于0.002 km2的湖泊约有1.17×108个,并零星地分布在全球)和多样性(流域生态多样性,湖泊类型多样性,分布的气候带多样性等),使得全面...     

水下机器人标准体系框架构建探索

水下机器人作为一类特种机器人,日益成为探索海洋奥秘、开发海洋资源的重要工具,被称为海洋高技术的皇冠,正逐步成为国家间海洋技术竞争的制高点。水下机器人标准体系最直接的作用是指导、规范水下机器人标准制定工作,使人们清楚水下机器人标准化工作方向和重点,有助于推动水下机器人研发和产业化进程,促进快速、健康发展。文章在介绍国内外水下机器人标准制订的基础上,探讨水下机器人标准体系框架构建思路,提出标准体系建设路径,明确水下机器人标准化工作范围和领域,并构建了水下机器人标准体系序列结构、三维结构、层次结构3种框架模型,为构建我国水下机器人标准体系提供了有价值的参考。     

华北地区地震序列参数的分布特征

为系统地考察华北地区地震序列参数的分布特征,以期构建适合区域地震活动特征的短期概率预测模型和评估地震危险性,本文利用当前较为前沿的ETAS模型和R-J模型,采用连续滑动、多时段拟合的方式,对华北地区1970年以来的16个地震序列进行了参数拟合,并对参数的整体情况、参数之间的关系、参数与大地热流之间的关系等特征进行了分析研究.研究结果表明,主震发生后的早期阶段,地震序列参数变化相对较为剧烈,误差也较大;两种地震预测模型的序列参数呈现出一种优势分布特征,主要参数的平均值分别为α_ETAS=1.7404±0.3420,p_ETAS=0.9769±0.1396,a_OML=-1.6638±0.5284,b_OML=0.8312±0.1658,p_OML=0.9053±0.1527,这与国际上其他区域的研究具有很强的一致性;大多数情况下,ETAS模型参数p_ETAS高于R-J模型参数p_OML,平均偏高0.0716;序列参数α_ETAS与大地热流值整体上呈现一种负相关关系,激发次级余震的能力与大地热流具有一定的相关性.地震序列参数的分布特征以及与大地热流之间的关系对地震序列类型的判断,及基于地震序列参数构建定量化的短期概率预测模型,均有重要的应用价值.     

智能位置服务工作机理及发展趋势研究

人工智能、大数据挖掘、云计算等技术拓展了位置服务的服务方式和应用领域,并将服务的层次升华至智能化水平。首先,本文阐述了智能位置服务的研究现状,对比一般位置服务,梳理了智能位置服务的内涵与特点;其次,研究了智能位置服务的工作机理,建立基于定位技术、地理信息系统、位置模型构建与管理、活动任务建模、物联网技术、大数据挖掘、机器学习和增强现实8种关键技术的体系结构、运行模式和服务方式;最后,探讨了智能位置服务的发展瓶颈与未来趋势,为进一步智能位置服务的关键技术攻关提供参考和借鉴。     

聊天机器人技术浅析

对话系统已经成为人工智能时代重要的人机交互接口.聊天机器人技术在对话系统技术发展中扮演着至关重要的角色,代表了对话系统技术的前沿发展.从聊天机器人技术的兴起入手,深入分析聊天机器人技术的发展趋势,介绍国内外学术界和产业界的聊天机器人技术研究进展,重点介绍聊天机器人的3项关键技术,即基于检索的多轮对话技术、基于生成的对话...     

基于案例推理的东海区鲐鱼中心渔场预报

根据1998～2005年的东海区上海、宁波、江苏和舟山四大渔业公司的鲐鱼(Pneumatophorus japonicus)生产统计数据以及同期的卫星资料反演的海表温度、叶绿素a浓度数据,利用案例推理方法,设定了上级结果的相似距对下级检索的影响权重因子,进一步研究渔场渔情的分析预报.通过试验性预报实例的预报结果与实际情况比较表明,预测精度达到75%,可以较好地反映出渔场的分布,为渔业资源的开发利用服务.     

开展竞争情报研究工作的思考

文章介绍了竞争情报的一些基本概念,对在地勘单位中开展竞争情报工作的必要性和可行性进行论述,提出一些建议及地勘单位的情报工作在转轨过程中如何发展的思路     

Sequential Gaussian simulation for geosystems modeling: A machine learning approach

Sequential Gaussian Simulation(SGSIM)as a stochastic method has been developed to avoid the smoothing effect produced in deterministic methods by generating various stochastic realizations.One of the main issues of this technique is,however,an intensive computation related to the inverse operation in solving the Kriging system,which significantly limits its application when several realizations need to be produced for uncertainty quantification.In this paper,a physics-informed machine learning(PIML)model is proposed to improve the computational efficiency of the SGSIM.To this end,only a small amount of data produced by SGSIM are used as the training dataset based on which the model can discover the spatial correlations between available data and unsampled points.To achieve this,the governing equations of the SGSIM algorithm are incorporated into our proposed network.The quality of realizations produced by the PIML model is compared for both 2D and 3D cases,visually and quantitatively.Furthermore,computational performance is evaluated on different grid sizes.Our results demonstrate that the proposed PIML model can reduce the computational time of SGSIM by several orders of magnitude while similar results can be produced in a matter of seconds.     

多形态崩塌智能监测系统在北京突发地质灾害监测预警工程中的应用

采用基于微纳技术(MEMS技术)的高性能三维运动姿态测量系统,主要包括三轴陀螺仪.三轴加速度计,三轴电子罗盘等运动传感器,实现多形态崩塌智能监测。     

基于空间建模的公共安全情报分析初探

空间建模及分析作为情报分析的主要技术手段之一,在欧美等国家得到了广泛实践和应用.本文在地理信息科学的主要空间模型基础上,进行了公共安全情报分析应用的研究和实践,并应用于警用地理信息系统建设中,为我国公安机关“情报信息主导警务”提供实战参考.