中国林学会(服务号)
中国林学会资讯(订阅号)
官网移动端

大数据驱动林草科学发现

本文发布于:
2021-12-15
来源:
咨询部
阅读11024
推荐0
评论0

大数据与数据分析正对人类生活和全球环境产生越来越重要的影响。近日,第二届中国林草计算机应用大会分会场三以“大数据与数据分析”为主题,围绕4个特邀报告和6个专题报告进行线上直播,来自全国不同单位的800余人参会。分会场报告由浙江农林大学吴达胜教授和中国林业科学研究院资源信息研究所刘华研究员共同主持。

与会专家学者交流研讨了大数据与数据分析技术等领域的最新研究进展和应用实践。大家一致认为,林草大数据研究将呈现国际化、多学科化、标准化的发展趋势。需加强深入挖掘林草数据的信息价值,开发数据融合分析,提高与社会经济数据的综合利用程度。遥感数据是林草大数据的重要组成部分,应加强遥感数据与大量地面观测数据之间的协同和信息耦合应用。林草大数据的研究需不断拓展与更新,应紧盯国际前沿、国家重大战略,在统筹推进山水林田湖草沙系统治理、建设生态文明中发挥更大作用。

经大会评审,中国科学院东北地理与农业生态研究所魏红旭、中南林业科技大学姜镓伟、福建农林大学陈瑾的报告被评为优秀报告。(现将部分报告内容与读者分享)

 

大数据与数据分析分会场

 

武汉大学应申教授阐述了在国土空间统一规划和自然资源统一登记管理的需求下,通过探究测绘地理空间信息与自然资源信息化的关系,分析从土地到土地空间及地理空间的转变、从要素到全要素的统一和自然资源数据与泛地图的关联,构建了以空间统一表达为特点的自然资源全要素模型。

报告指出,要实现从现实世界到信息世界的表达,就要融合空间和语义的自然资源信息,建立面向自然资源信息统筹管理的技术框架,形成自然资源管理体系,在土地空间层面不同于传统的多图层表达,而是使用空间统一表达的自然资源全要素体系。全要素综合考虑领域、尺度、对象化、边界和关联性问题,最终实现泛地图表达。

 

特邀报告1:自然资源全要素模型

 

厦门大学罗志明副教授介绍了基于前景分割与多层特征融合的花卉图像分类方法、基于高阶统计特征的细粒度图像分类方法、融合整体与局部信息的武夷岩茶叶片分类方法。

报告指出了通用图像分类与细粒度图像分类的区别,基于前景分割的图像分类,难点在于复杂的背景环境、光照、拍摄角度以及类内差异,可在分类中采用基于显著性检测的GrabCut图像分割法分割图像,再采用多层次分类法完成分类。通过多层双线性卷积神经网络的深度学习,构建了基于高阶统计特征的细粒度图像分类方法。

 

特邀报告2:细粒度图像分类方法

 

中国林业科学研究院资源信息研究所纪平研究员解读了中国科学数据共享的相关政策,介绍了国家林业和草原科学数据中心平台构建技术和成果、数据获取方法、未来在大数据领域的发展思路和展望等。

报告指出,随着林草科学研究的不断交叉融合,加强多领域、跨领域、跨地区、多机构的合作,建立协同式大数据资源环境,融合现有多平台、多类型、多尺度的数据资源,提升计算机智能化处理和使用数据的能力,发展针对林草系统重大问题的系统分析方法,是促进协同创新、解决重大林草科学问题和产业问题的重要手段。国家林草科学数据中心以数据为基础,通过大数据技术实现跨平台协同共享,为林草科研提供服务。

 

特邀报告3:大数据时代的林草科学数据中心