警用空间大数据区位标识方法及其应用

警用空间大数据为警务工作的开展提供了丰富的决策依据,但也带来了一些挑战,如大数据整合复杂、多尺度信息关联困难、区位标识不唯一等,不利于警务改革的深入发展。本文提出了基于区域的位置标识方法来解决存在的问题,方法基于剖分网格设计了警用空间大数据的区位编码方法,并以户籍的区位标识为例进行说明,最后对其应用进行了展望,从而为警用空间大数据的有效组织和高效应用等提供了一种新的解决思路。     

大数据时代的农情监测与预警

农情信息是世界粮农组织、各国政府、粮食贸易企业以及农场管理迫切需要掌握的信息。大数据时代的农情监测与预警正在由模型驱动向数据驱动转变,大数据正逐渐成为监测与预警的核心驱动力。伴随着农情监测与预警大数据的爆炸式增长,大数据与云计算技术的发展为农情监测与预警提供了全新的技术手段。2013年以来,全球农情遥感速报系统(CropWatch)已逐步引入聚类分析、时间序列分析、关联分析、时空变化异常诊断等大数据分析方法,并应用于业务化运行的农情监测与预警中。大数据技术提升了CropWatch的数据挖掘能力,对CropWatch农情监测与预警时空尺度的拓展以及农情监测内容的精细化起到推动作用,促进了面向需求的CropWatch农情信息与预警精准云服务的发展,促成了大数据时代CropWatch农情监测与预警技术体系的升级。未来,大数据时代的农情监测与预警将逐渐向全自动化监测、实时化精准农业管理与智能化信息服务方向发展;通过众源采集技术高效低廉的获取农情观测大数据将成为未来的发展趋势;大数据技术跨领域数据挖掘的能力,使得丰富多元化的跨界信息服务将成为大数据时代农情监测与预警的主流发展方向。大数据时代的CropWatch正在向基于大数据的农情监测与预警系统全速迈进。     

大眼金枪鱼的资源现状

大眼金枪鱼的分布很广 ,在南、北纬 4 0°以内的太平洋、印度洋和大西洋均有分布 ,是金枪鱼渔业的重要捕捞种类之一。本文分别论述了大眼金枪鱼在大西洋、印度洋和太平洋的渔业概况、生物学特性、资源状况和管理对策。     

国土资源大数据上云高效运行体系及关键技术研究——以山东省为例

基于山东省国土资源大数据上云系统建设和应用实践,在仿真实验的基础上,研究提高山东省国土资源大数据上云效率的运行体系和关键技术,为全省政务云建设提供参考。研究结果表明,通过高效运行体系构建和关键技术的应用,山东省国土资源上云系统快速显示、裁切、瓦片、数据挖掘等效率都得到不同程度的提高,其中上云系统并发性能耗时平均提速99.5%以上,矢量数据裁图效率同比提升17倍。研究结论:从功能设计、数据组织、硬件环境和拓扑结构四个方面统筹设计国土资源大数据上云系统高效运行体系,从数据处理、异构数据集成、分布式数据存储及挖掘、海量图库管理、灵活的搭建式开发等关键技术创新,可以大幅提高国土资源大数据上云运行效率。     

时空大数据在城市群建设与管理中的应用研究进展

伴随新型城镇化进程的不断推进,城市群已经成为地区社会经济发展的重要核心。大数据时代的到来促使新兴时空大数据在城市/城市群建设与管理中发挥着重要作用,并成为当前学术界的研究热点。大数据挖掘技术与融合分析技术将成为未来研究城市群的重要方法。本研究总结归纳了时空大数据在城市群建设与管理中的应用研究进展,对常见城市群时空大数据类型、获取方法和分析技术进行分类整理,并对基于资源调查和多源时空数据分析的城市/城市群研究进展进行分析,特别是对时空大数据及其技术在城市群建设与管理中的主要研究展开归类分析,认为目前时空大数据在城市群建设与管理应用领域主要涉及5大方向：城市群空间界定与发展监测、交通网络监测、关联性分析与功能布局评价、产业协同分析和环境监测与评估。最后,本文分析了现阶段时空大数据在城市群建设与管理应用中的发展瓶颈,提出了相关对策建议,并对未来研究发展趋势提出了展望。     

基于BERT—BiLSTM—CRF模型的中文岩石描述文本命名实体与关系联合提取

地质调查正在从“数字化”走向“智能化”,需要在大数据思维的指导下,面向非结构化数据开展机器阅读和地质知识的自动提取。地学命名实体和关系联合提取是当前研究的难点和核心。本文采用基于大规模预训练中文语言模型的BERT—BiLSTM—CRF方法开展岩石描述文本命名实体与关系联合提取。首先,通过收集数字地质填图工作中的剖面测量和路线地质观测数据,建立岩石描述语料;然后,在岩石学理论指导下分析岩石知识组成,完成岩石知识图谱命名实体与关系的模式设计,标注岩石语料;最后,开展岩石描述语料知识提取的深度学习训练和消融试验对比。试验结果显示,大规模预训练中文语言模型（BERT）对岩石描述语料知识提取具有较高的适用性。推荐的BERT—BiLSTM—CRF模型方法对岩石命名实体与关系联合提取的准确率（F1值）为91.75%,对岩石命名实体识别的准确率（F1值）为97.38%。消融试验证明基于BERT的词嵌入层对岩石描述知识提取的性能提升影响显著,双向长短时记忆网络模型层（BiLSTM Layer）能提升实体关系联合提取性能。     

中国岩相古地理研究进展

我国的岩相古地理研究大致经历了三个大的发展时期。初期阶段：20世纪80年代以前,主体是以古生物地层学的理论为指导编制出版大区域的古地理图集,集中反映海陆分布,岩相内容较少,较少的学者开展了岩相古地理研究,揭开了由古地理图向岩相古地理图转变的序幕。快速发展阶段：20世纪80年代至2000年,总体上是以大地构造学、古生物地层学、沉积学等理论为指导,开展了大量的岩相古地理研究与编图工作,并采取多种编图思路和方法编制大区域的岩相古地理图,是我国岩相古地理研究与编图大发展时期,形成了丰硕的理论和实践成果。编制的图件不仅尽量体现活动性古地理的学术前沿,而且更多的是强化实用性,聚焦对沉积层控矿产远景预测和油气勘探的支撑和指导作用。现代阶段：2000年至今,岩相古地理研究与编图聚焦支撑油气地质调查与勘探成为了这段时间的主题,采取不同的编图思路和方法编制出版了大区域的岩相古地理图。具有三大特点：一是编图资料丰富,技术方法新颖;二是编图思路先进,体现了以构造为主线,岩相古地理恢复为核心,支撑服务油气为根本的研究思路;三是以服务油气目标为特色。由于大数据、人工智能等信息技术突飞猛进促进大数据岩相古地理向前发展,数字岩相古地理必将推动我国在岩相古地理编图思路和技术方法的创新,提升支撑服务沉积矿产找矿和油气勘探开发的精准性和预测性水平。     

机器学习在岩矿地球化学研究中的应用——综述与思考

岩石与矿物的地球化学成分数据具有高维度特征。传统的岩矿地球化学成分研究主要采用二元/三元图解判别法,准确率不高,在数理统计方法上有欠缺。机器学习方法非常适用于对大样本高维度的岩矿成分数据进行数理统计处理。本文在介绍机器学习常见算法基本原理的基础上,总结近5年来国内外学者将机器学习方法应用于岩石矿物成分数据研究的实例,包括：① 根据矿物成分溯源其母岩（源岩）、判别矿床类型,② 新生代火山岩溯源,③ 判别变质岩原岩,④ 依据岩浆岩成分判别大地构造环境等。已有的研究实例显示,机器学习方法的准确度明显优于传统的低维度判别法。机器学习本质是分析大样本数据的高维度变量之间的相关、归类等多元统计问题。推广机器学习的应用需要建设开放获取（Open Access）的矿物、岩石成分数据库,同时全面实施开放研究（Open Research）的发表策略。     

大数据框架下金刚石地质成矿信息挖掘及应用

随着大数据时代的到来, 地质行业将大数据作为新兴增长点进行培育和挖掘, 以山东蒙阴金刚石矿集区为研究对象, 基于大数据实现地质工作和信息技术的深度融合, 通过数据统计、挖掘、洞察与预测等分析并集成融合与成矿系统相关的源、运、储、变、保等知识, 全面提取蒙阴地区多元地质信息, 建立西峪矿区金刚石矿多项指标的成矿地质信息模型, 开展三维可视化成矿预测, 进而圈定找矿远景区。探寻金刚石大数据管理、分析及成矿预测新技术方法, 促进成矿新认知与找矿新发现。