您选择的条件: 马静
  • 疏勒河流域生态系统服务供需空间匹配特征

    分类: 地球科学 >> 地理学 提交时间: 2023-04-07 合作期刊: 《干旱区地理》

    摘要: 生态系统服务与人类可持续发展紧密相连,研究区域生态系统服务供需特征,了解其空间匹配状况是实现生态资源有效配置和推动区域生态安全的重要前提。基于多源数据,在InVEST模型、ArcGIS和GeoDA软件的支撑下,分析疏勒河流域产水服务、固碳服务、食物服务供需特征和空间匹配状况。结果表明:(1)除产水服务外,疏勒河流域其他各项生态系统服务供给均大于需求,但不同区域和生态系统服务间存在差异。(2)疏勒河流域综合服务供需比为0.063,不同生态系统服务的供需比由高到低依此为:固碳服务(0.1854)、食物服务(0.0078)和产水服务(-0.0043)。(3)产水服务和固碳服务空间匹配类型都主要以低高型空间错位和高低型空间错位为主,食物服务空间匹配类型主要以低低型空间匹配为主,其中产水服务的空间匹配错位现象最严重。

  • 中国农田非CO2温室气体减排的研究现状与建议

    分类: 其他 >> 综合 提交时间: 2023-03-28 合作期刊: 《中国科学院院刊》

    摘要: 温室气体减排对控制全球气候变暖具有重要意义。2014 年我国农田非 CO2 温室气体(主要指 CH4 和 N2O)排放占全国温室气体排放总量的 4.3%预计 2030 年我国实现碳达峰后,化石能源逐步被清洁能源替代,农田 CH4 和 N2O 排放占全国温室气体排放的比重也将随之增大,其减排的紧迫性和重要性将日渐凸显。然而,现有农田碳减排技术由于缺乏立法教育宣传和成果激励机制等,并未得到充分转化应用与推广示范,使得减排成果难以落地坐实,不利于我国农业碳减排目标的顺利实现。文章总结了我国农田 CH4 和 N2O 减排工作的研究进展,指出了当前我国农田 CH4 和 N2O 减排所面临的问题,并在今后长效监测平台运维、新方法技术突破、大众减排意识提升及成果推广示范加强4个方面提出了技术和政策上的建议。

  • 动态热门话题的“特征词条本体”自动构建与进化研究*

    分类: 图书馆学、情报学 >> 情报学 提交时间: 2017-11-08 合作期刊: 《数据分析与知识发现》

    摘要: 【目的】设计一种“特征词条本体”的自动构建及进化算法。【应用背景】热门话题产生的时间和话题演化往往是快速的, 且涉及领域广泛, 而现有的本体自动构建研究局限于具体领域的知识表达, 无法有效地对这种动态热门话题进行本体语义支持, 也不能进行有效跟踪与优化。【方法】通过对热门话题中关键事件的内容分析并由特征词组合而成的“特征词条本体”来描述热门话题的方法, 设计一种快速自动生成“特征词条本体”的算法;在初始本体指导下, 利用话题跟踪结果进行“特征词条本体”进化算法的设计, 以满足不断更新的话题语义表述需求。【结果】针对热门话题“魏则西百度推广事件”, 使用爬虫工具采集11 174 条新浪微博作为语料库进行实验,抽取生成拥有7421个特征词条、39 个特征词节点、781个特征词关系的初始本体, 基于话题跟踪结果进化为拥有24564个特征词条, 67 个特征词节点, 1 818 个特征词关系的进化本体, 其漏报率、误报率、损耗代价分别为0.1261, 0.0964, 0.5985, 优于TF-IDF 算法。【结论】“特征词条本体”的表述方式明显比单个词汇的本体表述准确率高, 且语义相似度更容易计算, 比较符合动态热门话题的快速语义处理。

  • 面向微博话题的“主题+观点”词条抽取算法研究

    分类: 图书馆学、情报学 >> 情报学 提交时间: 2017-11-08 合作期刊: 《数据分析与知识发现》

    摘要: 【目的】自动抽取微博话题信息, 从主题及观点两个维度整合揭示微博话题内容与观点。【方法】将主题 模型应用于微博话题中, 结合改进的 TF-IDF 算法, 构建主题特征词向量; 基于特征词向量中特征词之间的相关度, 自动抽取主题词汇链; 引入情感词典, 抽取主题观点, 无监督构建“主题+观点”词条。【结果】使用爬虫工具 抽取2014年6月–2015年6月期间4个特定热门微博话题事件的微博共24 598条, 抽取“主题+观点”词条, 平均 准确率达到 80.3%, 召回率为 76.7%。【局限】数据量依旧较小, 主题模型对于微博短文本的特征抽取效果仍需提高。【结论】本文算法可以准确且有效地描述话题事件内容及其相应观点。

  • 语义社会网络的超网络模型构建及关键节点自动化识别方法研究

    分类: 图书馆学、情报学 >> 情报学 提交时间: 2017-10-11 合作期刊: 《数据分析与知识发现》

    摘要: 【目的】通过对语义社会网络的建模, 讨论如何识别对舆论传播演化起核心作用的关键节点。【方法】引入超网络理论对微博语义社会网络进行理论建模, 使用情感本体以及LDA 话题模型对数据实现节点量化, 提出超边排序算法对用户节点进行计算和排序从而获取关键节点。【结果】利用真实微博网络数据编程实现超网络模型的构建和量化, 通过结果分析证明本文的关键节点识别方法在实际应用场景中的有效性和准确性。【局限】关键节点识别方法的实时应用效果和对识别关键节点后如何有效引导和干预机制未能全面涉及。【结论】本文的关键节点识别方法能够挖掘出微博网络的关键节点, 为政府对网络舆情监管和引导提供一种解决方案, 减少负面内容和消极舆论对互联网健康发展的影响。