面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组...面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组大数据高通量获取和智能化解析中的关键技术难题,设计了具有自主知识产权的轻小敏捷型多传感器阵列、通用化成像单元和适用于多生境的固定式、移动式高通量表型平台装备,以及配套算法和软件平台,构建了农作物表型组大数据工厂成套技术装备体系。该体系由大田和设施作物高通量自主作业表型平台、室内器官和显微表型平台、大田和设施环境自动化种植管控设备、作物模型系统、数字孪生智慧管控平台和大数据计算服务中心等构成,可实现多生境、自动化、高通量、高效率、高精度的多源作物表型-环境数据协同采集,涵盖农作物群体、个体、器官和显微多重尺度,能够重建农林作物的三维形态结构并精准解析株型、产品、品质、抗性等表型组指标,是发展数字育种和智慧栽培的新一代信息化基础设施。农作物表型组大数据工厂技术装备体系创新了作物表型组大数据的产生、处理和服务模式,可为作物表型组理论技术的发展、基于AI for Science的平台化科研和工厂化的作物种质资源表型鉴定等提供体系化的技术装备支撑。展开更多
【目的】本研究旨在系统解析多源大数据驱动的生态系统文化服务(cultural ecosystem service,CES)评估创新,明晰研究进展与未来方向。【方法】以“生态系统文化服务”和“价值评估”为关键词,检索Web of Science与CNKI数据库2000—2024...【目的】本研究旨在系统解析多源大数据驱动的生态系统文化服务(cultural ecosystem service,CES)评估创新,明晰研究进展与未来方向。【方法】以“生态系统文化服务”和“价值评估”为关键词,检索Web of Science与CNKI数据库2000—2024年的文献。从大数据类型、CES价值类型、评估对象与评估方法4个维度梳理研究成果,对当前研究机遇、挑战及未来趋势进行系统性评述,并系统性总结基于多源大数据的CES评估工作流。【结果】1)CES评估范式呈现从传统经济核算向智能评估转型的趋势。统计表明,约70%的研究通过多源数据的应用实现了范式革新,主要体现在CES价值类型维度拓展、评估对象类型细化、评估方法应用创新3个方面。2)大数据应用突破了传统信息获取瓶颈,形成政府公开数据(生态环境数据、人口经济数据等)与用户生成数据(社交媒体数据、地图与兴趣点数据、位置服务数据等)融合的多元化格局,显著提升了CES价值解析的精度、时空覆盖度及场景适用性。3)机器学习、深度学习等人工智能技术与大数据分析手段成为新兴的CES评估方法,能进行海量数据处理与深度信息挖掘,有效提升了评估效率与准确性。【结论】多源大数据的应用使得CES评估从传统经济核算转向智能感知分析,为CES研究提供了新依据。未来需推动评估框架的标准化,以提升研究结果的科学性和解释力。展开更多
文摘面向作物表型组大数据获取解析、作物种质资源表型鉴定等亟需高效率、智能化和低成本技术、装备及系统的问题,在系统梳理分析国内外农作物高通量表型平台相关技术产品研究现状的基础上,通过组织多学科的协同技术攻关,突破了作物表型组大数据高通量获取和智能化解析中的关键技术难题,设计了具有自主知识产权的轻小敏捷型多传感器阵列、通用化成像单元和适用于多生境的固定式、移动式高通量表型平台装备,以及配套算法和软件平台,构建了农作物表型组大数据工厂成套技术装备体系。该体系由大田和设施作物高通量自主作业表型平台、室内器官和显微表型平台、大田和设施环境自动化种植管控设备、作物模型系统、数字孪生智慧管控平台和大数据计算服务中心等构成,可实现多生境、自动化、高通量、高效率、高精度的多源作物表型-环境数据协同采集,涵盖农作物群体、个体、器官和显微多重尺度,能够重建农林作物的三维形态结构并精准解析株型、产品、品质、抗性等表型组指标,是发展数字育种和智慧栽培的新一代信息化基础设施。农作物表型组大数据工厂技术装备体系创新了作物表型组大数据的产生、处理和服务模式,可为作物表型组理论技术的发展、基于AI for Science的平台化科研和工厂化的作物种质资源表型鉴定等提供体系化的技术装备支撑。
文摘【目的】本研究旨在系统解析多源大数据驱动的生态系统文化服务(cultural ecosystem service,CES)评估创新,明晰研究进展与未来方向。【方法】以“生态系统文化服务”和“价值评估”为关键词,检索Web of Science与CNKI数据库2000—2024年的文献。从大数据类型、CES价值类型、评估对象与评估方法4个维度梳理研究成果,对当前研究机遇、挑战及未来趋势进行系统性评述,并系统性总结基于多源大数据的CES评估工作流。【结果】1)CES评估范式呈现从传统经济核算向智能评估转型的趋势。统计表明,约70%的研究通过多源数据的应用实现了范式革新,主要体现在CES价值类型维度拓展、评估对象类型细化、评估方法应用创新3个方面。2)大数据应用突破了传统信息获取瓶颈,形成政府公开数据(生态环境数据、人口经济数据等)与用户生成数据(社交媒体数据、地图与兴趣点数据、位置服务数据等)融合的多元化格局,显著提升了CES价值解析的精度、时空覆盖度及场景适用性。3)机器学习、深度学习等人工智能技术与大数据分析手段成为新兴的CES评估方法,能进行海量数据处理与深度信息挖掘,有效提升了评估效率与准确性。【结论】多源大数据的应用使得CES评估从传统经济核算转向智能感知分析,为CES研究提供了新依据。未来需推动评估框架的标准化,以提升研究结果的科学性和解释力。
