大数据驱动的资源学科领域数据分析前沿与应用
发布时间：2021-07-17 18:13
【目的】在大数据驱动和信息技术支持下,使得资源科学综合研究这一学科灵魂问题的突破和解决成为可能,催生和促进资源科学的新发展,促进资源学科领域的创新应用。【方法】基于资源学科领域需求,阐述了资源学科领域数据分析技术前沿,包括资源遥感监测、资源调查、资源网络挖掘以及资源综合分析等技术。以中国科学院"十三五"信息化专项科学大数据工程项目"大数据驱动的资源学科创新示范平台"为例,展示其典型应用架构。【结果】基于应用案例,展现了中蒙俄经济走廊交通与管线生态风险防控、京津冀资源环境承载力评价、大数据驱动的美丽中国全景评价三个典型资源学科领域科研活动应用中的大数据驱动场景。【结论】大数据驱动的资源学科领域数据分析技术具有巨大潜力且已有部分应用展示,但仍需要更多适应资源学科领域发展的新方法和新模式,促进其向综合科学研究的范式转变。
【文章来源】：数据与计算发展前沿. 2020,2(02)
【文章页数】：11 页
【部分图文】：
机器学习通用工作流程
在资源学科科学计算模型算法方面,平台设计构建了资源学科创新平台模型共享子系统。构建了资源领域科学计算模型分类体系,集成超过200个资源环境数据处理与分析模型,促进资源学科的模型集成共享,将模型共享服务推向大众。平台实现了模型元数据目录服务的功能;制定了资源学科科学计算模型的元数据标准规范;定义了资源学科模型互操作接口规范。模型共享包括六个步骤:一是模型开发与共享转换,二是模型注册,三是模型审核,四是模型发现,五是模型应用,六是复杂应用集成[38]。2.2 资源学科大数据驱动典型应用场景
结合中国科学院地球大数据科学工程,以地球大数据和云服务平台为基础,综合集成网络大数据、遥感大数据、社会经济统计数据等多源数据,构建地球大数据集成平台,根据美丽中国评价指标的需求提供相关数据、方法与模型产品[43]。①数据生产与汇集。汇集基础地理数据、网络挖掘数据、社会经济数据、遥感数据产品等数据产品,如2000年乡镇级人口数据、中国地表高程数据、中国地表坡度数据、中国地表坡向数据、全国道路数据、耕地保护数据、经济总量数据等,为美丽中国评价提供了支撑。②遥感技术支撑森林类型提取与服务SDG森林资源可持续评价。利用Sentinel-2影像、Sentinel-1SAR数据、SRTMDEM数据、森林类型清查数据、森林类型野外调查数据、环球地理参场图片库等数据,依托Google Earth Engine(GEE)大数据处理云平台和机器学习技术,综合时空谱特征得到空间分辨率为10米的中国秦岭地区森林类型产品。③为服务美丽中国评价,研发了面向美丽中国的数据集成与共享原型系统。系统内集成了面向“美丽中国生态文明建设科技工程”(以下简称“美丽中国”专项)评价的基础地理数据、社会经济数据、遥感数据产品等,覆盖中国、区域等不同尺度(图6)。3 结论与展望
【参考文献】：
期刊论文
[1]资源学科科学计算模型共享研究与实践[J]. 王翰林. 西部大开发(土地开发工程研究). 2019(08)
[2]文本情感分析方法研究综述[J]. 洪巍,李敏. 计算机工程与科学. 2019(04)
[3]面向SDGs和美丽中国评价的地球大数据集成框架与关键技术[J]. 王卷乐,程凯,边玲玲,韩雪华,王明明. 遥感技术与应用. 2018(05)
[4]资源环境数据生成的大数据方法[J]. 吴炳方,张鑫,曾红伟,张淼,田富有. 中国科学院院刊. 2018(08)
[5]科学大数据――国家大数据战略的基石[J]. 郭华东. 中国科学院院刊. 2018(08)
[6]地球大数据科学工程[J]. 郭华东. 中国科学院院刊. 2018(08)
[7]智能城市产业资讯汇总[J]. 智能城市. 2018(14)
[8]面向数据密集型科研范式的科学大数据服务平台构建研究[J]. 朱维乔. 图书馆学研究. 2017(13)
[9]论地理知识图谱[J]. 陆锋,余丽,仇培元. 地球信息科学学报. 2017(06)
[10]基于文字输入特征的情绪自动识别[J]. 曹晓春. 现代计算机(专业版). 2017(04)
博士论文
[1]Tchebichef矩方法在复杂体系分析中的应用及相关拓展研究[D]. 卢韶华.兰州大学 2019
硕士论文
[1]面向社交网络的群组发现和推荐研究[D]. 孙成成.南京邮电大学 2019
[2]基于多特征信息融合的癌症凝集素的鉴定方法研究[D]. 房园.云南大学 2019
[3]基于序贯重要性抽样的可靠性分析方法研究及其航天应用[D]. 唐贵建.国防科技大学 2017
[4]虚拟健康社区中的命名实体识别方法研究[D]. 刘凯.北京理工大学 2016
本文编号：3288684
【文章来源】：数据与计算发展前沿. 2020,2(02)
【文章页数】：11 页
【部分图文】：
机器学习通用工作流程
在资源学科科学计算模型算法方面,平台设计构建了资源学科创新平台模型共享子系统。构建了资源领域科学计算模型分类体系,集成超过200个资源环境数据处理与分析模型,促进资源学科的模型集成共享,将模型共享服务推向大众。平台实现了模型元数据目录服务的功能;制定了资源学科科学计算模型的元数据标准规范;定义了资源学科模型互操作接口规范。模型共享包括六个步骤:一是模型开发与共享转换,二是模型注册,三是模型审核,四是模型发现,五是模型应用,六是复杂应用集成[38]。2.2 资源学科大数据驱动典型应用场景
结合中国科学院地球大数据科学工程,以地球大数据和云服务平台为基础,综合集成网络大数据、遥感大数据、社会经济统计数据等多源数据,构建地球大数据集成平台,根据美丽中国评价指标的需求提供相关数据、方法与模型产品[43]。①数据生产与汇集。汇集基础地理数据、网络挖掘数据、社会经济数据、遥感数据产品等数据产品,如2000年乡镇级人口数据、中国地表高程数据、中国地表坡度数据、中国地表坡向数据、全国道路数据、耕地保护数据、经济总量数据等,为美丽中国评价提供了支撑。②遥感技术支撑森林类型提取与服务SDG森林资源可持续评价。利用Sentinel-2影像、Sentinel-1SAR数据、SRTMDEM数据、森林类型清查数据、森林类型野外调查数据、环球地理参场图片库等数据,依托Google Earth Engine(GEE)大数据处理云平台和机器学习技术,综合时空谱特征得到空间分辨率为10米的中国秦岭地区森林类型产品。③为服务美丽中国评价,研发了面向美丽中国的数据集成与共享原型系统。系统内集成了面向“美丽中国生态文明建设科技工程”(以下简称“美丽中国”专项)评价的基础地理数据、社会经济数据、遥感数据产品等,覆盖中国、区域等不同尺度(图6)。3 结论与展望
【参考文献】：
期刊论文
[1]资源学科科学计算模型共享研究与实践[J]. 王翰林. 西部大开发(土地开发工程研究). 2019(08)
[2]文本情感分析方法研究综述[J]. 洪巍,李敏. 计算机工程与科学. 2019(04)
[3]面向SDGs和美丽中国评价的地球大数据集成框架与关键技术[J]. 王卷乐,程凯,边玲玲,韩雪华,王明明. 遥感技术与应用. 2018(05)
[4]资源环境数据生成的大数据方法[J]. 吴炳方,张鑫,曾红伟,张淼,田富有. 中国科学院院刊. 2018(08)
[5]科学大数据――国家大数据战略的基石[J]. 郭华东. 中国科学院院刊. 2018(08)
[6]地球大数据科学工程[J]. 郭华东. 中国科学院院刊. 2018(08)
[7]智能城市产业资讯汇总[J]. 智能城市. 2018(14)
[8]面向数据密集型科研范式的科学大数据服务平台构建研究[J]. 朱维乔. 图书馆学研究. 2017(13)
[9]论地理知识图谱[J]. 陆锋,余丽,仇培元. 地球信息科学学报. 2017(06)
[10]基于文字输入特征的情绪自动识别[J]. 曹晓春. 现代计算机(专业版). 2017(04)
博士论文
[1]Tchebichef矩方法在复杂体系分析中的应用及相关拓展研究[D]. 卢韶华.兰州大学 2019
硕士论文
[1]面向社交网络的群组发现和推荐研究[D]. 孙成成.南京邮电大学 2019
[2]基于多特征信息融合的癌症凝集素的鉴定方法研究[D]. 房园.云南大学 2019
[3]基于序贯重要性抽样的可靠性分析方法研究及其航天应用[D]. 唐贵建.国防科技大学 2017
[4]虚拟健康社区中的命名实体识别方法研究[D]. 刘凯.北京理工大学 2016
本文编号：3288684
本文链接：https://www.wllwen.com/jingjilunwen/jiliangjingjilunwen/3288684.html
