知识经济时代图书馆人力资源的开发与管理

在知识经济条件下，如何提高图书馆人力资源开发与管理的质量，调动广大图书工作者的积极性发挥他们的创造力，将直接影响到图书馆的发展和服务能力。     

虚拟地理环境知识工程初探

地理知识在虚拟地理环境（Virtual Geographic Environments,VGE）的科研与应用中发挥着极为重要的作用。现有地理知识工程研究整体处于初步探索阶段,且尚未在虚拟地理环境中展开。作为新一代GIS研究的科学方法和技术,虚拟地理环境具有典型的多领域、多协同、多交互、多模型及多感知的特点,但还亟需系统深入地了解VGE地理知识工程的特点、机理及关键技术。本文首先综述了国内外现有知识工程及地理知识工程研究现状,进而提出了VGE地理知识及VGE知识工程的概念和定义。在此基础上,本文分析了VGE地理知识有别于通用知识的特点,并提出了VGE地理知识的分类。最后,针对VGE地理知识工程的构建阐述了需解决的关键问题。本文基于VGE知识工程的初步探索,尝试为智能虚拟地理环境系统的构建提供理论基础,以促进虚拟地理环境中地理知识的快速转换和融合,为解决地理科学“数据丰富但知识贫乏”的问题提供一个可行的研究方向。     

上海天文台2004年度的科研工作

简要回顾了中国科学院上海天文台2004年科研及相关工作情况。     

德兴地体成矿特征

从成矿条件、地球物理和地球化学特征等方面研究了德兴地体乐(华)-德(兴)成矿带的铜铅锌金银多金属五大矿田,指出了找矿方向.     

地学知识可视化概念特征与研究进展

地学知识可视化是将知识可视化研究的理论、技术、方法引入地学研究领域,形成一个新的研究方向。通过分析地学知识可视化国内外研究现状,在总结其研究特点的基础上,对地学知识可视化的定义进行阐述,讨论其概念特征、理论基础以及表达方法,并对其应用研究现状与发展趋势进行概括总结。     

中国洪水灾害风险区划及其成因分析

洪涝灾害发生过程中观测数据多源异构（遥感影像、社交媒体文本、地理信息数据等）,难以利用互补优势融合应用于风险评估和提供决策知识。研究基于多模态数据的洪涝灾害知识图谱构建方法,融合抽取遥感影像与社交媒体文本知识,形成多模态洪涝灾害知识图谱。基于自顶向下的方法细分领域概念,构建洪涝灾害领域本体层。通过深度残差全卷积神经网络对遥感影像进行智能解译,利用地理逆编码将影像解译信息转化为文本,实现影像信息到文本知识的转化。基于命名实体识别技术与关系抽取技术对社交媒体文本数据进行知识抽取。通过训练词向量,利用语义相似度计算关联文本知识与影像知识,实现多模态数据知识统一表达。以中国湖北省洪涝灾害为例,该方法将多源异构的数据高效转化为知识并进行关联,形成领域知识图谱,实现了多源异构数据到多模态知识的转化。在灾害不同时期提供相应应急措施,并且通过关联农业受灾面积、农作物类型、农作物价值实现湖北省洪涝灾害评估。该方法结合深度遥感解译、文本知识抽取技术以及语义相似度计算,实现了多源异构数据到多模态知识的转化。

     

遥感影像分类与地学知识发现的集成研究

遥感与地学之间存在着数据与知识上巨大的互补性。本文通过地面类型数据将遥感影像分类与地学知识发现结合起来:用遥感数据驱动发现地学知识,用地学知识解释、确认、检验遥感分类结果,并使用统计值和分布谱来定量化表达地学知识,形成一体化的遥感地学分类系统。     

基于知识对象的土地管理空间数据库模型设计与实现

空间数据模型建立的目的是反映现实世界。当今的GIS系统的空间数据模型,主要反映地图制图领域的点、线、面对象管理与操作的几何知识。本文通过对比研究,发现土地管理空间概念的领域知识,包含几何知识。几何知识是依据几何特征属性识别的土地管理领域知识之一。将土地管理领域空间概念的领域知识对象化,建立与几何知识对象等价的对象组件,扩展对象关系型的空间数据模型,建立了[领域空间知识对象]+[GIS的点、线、面的几何对象]+[扩展属性]的空间数据模型。这种模型简化了空间数据库的管理操作,降低了对工作人员制图专业知识的要求,降低了空间对象实例与其属性的耦合度,减少了政策变化对数据的影响程度,提高了数据的稳定性和共享度。鉴于这种空间数据库模型,本文开发了空间知识对象的江苏省515城乡一体化地籍系统的数据检查子系统,在镇江市、江都市等多个市县的515城乡一体化地籍调查的数据检查入库工作中得以应用,证明了模型设计的可行性,收到了良好的效果,为专题GIS空间数据管理,提供了一种的新的空间数据模型。     

数据库知识发现技术及其在测绘中的应用

详细介绍了数据挖掘与数据库中的知识发现 (KDD)技术 ,给出了KDD的定义以及KDD具体实现的3种处理模型 ,并从GIS和遥感影像分析两个方面论述了KDD技术在测绘中的应用     

基于森林模型参数先验知识估算高分辨率叶面积指数

目前,估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型,再用统计模型估算LAI。然而,与农田地面测量实验相比,森林地面测量实验获取的观测数据更加有限,这使得基于统计模型的森林高分辨率LAI的估算精度低,难以满足应用需求。为此,本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先,获取全球20个森林实验区的LAI地面测量数据和NDVI数据,建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后,以一个新的森林站点Concepción作为研究区,将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型,优化模型用于估算森林高分辨率LAI,使用验证数据评价LAI的估算精度。同时,选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度,经验证4个森林站点的均方根误差分别为0.6680,0.4449,0.2863,0.5755。研究结果表明：在仅有少量观测数据时,采用本方法能有效地提高森林高分辨率LAI的估算精度。因此,本方法可为森林高分辨率LAI的遥感估算提供参考。