2023年8月26-28日,第四届中国林草计算机应用大会在陕西西安召开,大会围绕数字化技术在林草领域的应用,共设置了1个主会场与8个分会场。来自中国工程院、全国各级林草信息化管理和建设部门、全国各林业及相关高等院校、科研院所的领导、专家和相关企业代表共400余人参加了大会。
第一分会场以“大数据与智能挖掘”为主题,与会者交流研讨了大数据、数据分析与数据处理技术等领域的最新研究进展和应用实践。分会场报告由中国林科院资信所纪平研究员和中南林业科技大学邝祝芳教授共同主持,来自中科院计算网络中心、哈尔滨工业大学、中南林业科技大学、东北林业大学、西北农林科技大学的5位专家学者作了特邀报告,来自南京林业大学、西安市勘察测绘院、南京林业大学的4位专家学者作了专题报告,60余人参与了交流。
01
特邀报告一
中国科学院计算网络中心王彦棢研究员作了题为《信息化应用引领下的智能服务环境与应用》的特邀报告,围绕科学领域需求,从人工智能算力出发,探讨当前人工智能计算与数据服务平台基本形态,将人工智能算法及数据管理对信息化基础设施的需求统一考虑,详细阐述了基于高性能计算环境的人工智能计算与数据应用服务平台建设方案,报告从生态、材料、生命及能源等领域需求出发,介绍人工智能技术与学科交叉的若干尝试性工作。
02
特邀报告二
哈尔滨工业大学王宏志教授作了题为《数智协同:大数据与人工智能的双向赋能》的特邀报告,针对工业数据分析任务的处理,提出了多种关于参数优化、自动搜索、自动压缩、自动选择分类算法等一系列自动化方法。针对高性能数据密集型计算平台研究,提出了同步异步结合的大数据分析算法、基于集合的时间序列近似匹配算法和基于算式依赖图的复杂算式并行优化算法,对于数智协同领域具有重要的参考价值。
03
特邀报告三
中南林业科技大学孙华教授作了题为《地空激光雷达点云融合方法研究》的特邀报告,通过树冠密度分析提取树冠特征点的方法能够实现机载和地基点云融合。该方法具有特征点提取步骤简单、运算量小、时间复杂度低、自动化程度较高的优点;融合后的点云能有效提高树高参数提取的精度,能更好地量化树木和森林的结构,更有利于森林生态系统的监测和研究。该方法在林业资源监测、生态环境评估等方面具有巨大潜力,为林业精细化管理提供了全新的方法和思路。
04
特邀报告四
东北林业大学景维鹏教授作了题为《利用高效的分布式矩阵解决遥感数据应用中的计算密度问题》的特邀报告,针对遥感数据应用中的计算密度问题,提出了一种面向为遥感应用高性能计算的分布式计算框架LBM-RS。该框架可并行执行遥感任务,生成基于stage的任务执行计划来简化计算域成本建模,同时通过数据聚合最大限度地减少网络资源的使用。该框架还引入了面向遥感数据的多级缓存感知内存结构,有效提高了矩阵乘法运算的性能。
05
特邀报告五
西北农林科技大学张宏鸣教授作了题为《全球高程数据噪声剔除与侵蚀地形因子提取》的特邀报告,介绍了全球高程数据噪声剔除与侵蚀地形因子提取的关键技术,通过修改算法提高了数据的准确性,有效地避免了由投影转换引起的误差,大大提高了计算性能。将整套方法集成到LS-TOOL中,可用于土壤侵蚀评估。
06
专题报告六
南京林业大学魏浩瀚副教授作了题为《植被影响下多频多模GNSS反射信号反演》的专题报告,开展了植被对GNSS反射信号的影响及其在土壤湿度反演研究发现,由GNSS观测数据计算的NMRI与NDVI具有很强的相关性,且时间分辨率更高,可用来校正植被效应引起的反射信号的幅度和相位偏移,因此,通过GNSS多径观测计算的NMRI可以在不测量植被含水量的情况下用于校正植被误差。
07
专题报告七
西安勘察测绘院王君工程师作了题为《全球10米土地覆被产品林草灌专题要素一致性分析和精度评价一以西南地区为例》的专题报告,该研究选取中国西南地区10m高空间分辨率土地覆被产品FROM-GLC、ESA和ESRI,分析了空间分辨率为全球10m土地覆被产品的一致性和精度,为研究全球受石漠化灾害严重影响的生态系统的技术人员提供了林草灌专题要素基础数据。
08
专题报告八
西安市勘察测绘局康军梅工程师作了题为《中国西北地区3种10米全球土地覆被产品林草灌专题要素的一致性评价分析》的专题报告,对中国西北地区的3种空间分辨率为10米全球土地覆被产品进行了林草灌专题要素一致性评价分析,构建了高精度遥感大尺度(中国/全球)“普查”、机载LiDAR/无人机航测的中尺度”详查”、重点/典型区域小尺度地面调查核实的“核查”共同组成的“空-天-地”一体化林草灌监测体系,做到精准高效识别林草灌及其精细覆被类型。
总结
大数据与智能挖掘技术广泛应用于林草各项业务工作,如森林资源监测、生物多样性管理、森林防火监测预警、生态系统保护、林业有害生物防治、森林资源管理、人类活动监管和巡护管理等。与会专家分享的大数据分析、挖掘、处理和服务等一系列新技术和新方法,为林草资源监测和生态系统评估提供数据和技术支撑,为林草智能化管理提供新的思路。