土壤是具有高度异质性的复合体。早期的数字土壤制图研究主要关注水平方向的土壤空间变异和制图,对垂直方向空间变异和土壤三维制图考虑较少。近年来,三维地理信息技术和对地观测与探测技术的快速发展,极大地促进了土壤三维空间数据获...土壤是具有高度异质性的复合体。早期的数字土壤制图研究主要关注水平方向的土壤空间变异和制图,对垂直方向空间变异和土壤三维制图考虑较少。近年来,三维地理信息技术和对地观测与探测技术的快速发展,极大地促进了土壤三维空间数据获取、三维空间推测、三维数据模型、三维模型构建和可视化方法等方面的研究。本文对三维空间土壤推测与土壤模型构建的已有方法进行梳理和评述,以期为三维数字土壤制图的应用和发展提供建议。以三维土壤制图、三维GIS、三维数据模型、三维地质建模、三维可视化、土壤空间变异、空间推测、克里格插值、土壤-景观分析、深度函数、机器学习、地统计学、随机模拟等为关键词检索Web of Science数据库,基于相关度、引用率和文献来源等因素进一步筛选出重点文献进行分析。归纳整理了土壤空间变异性、三维空间土壤推测、三维空间数据模型和三维模型构建等关键技术的现有研究体系,对各种三维推测和建模方法的优缺点和适用场景作出评价。针对目前研究中存在的垂直方向土壤数据稀少、土壤三维推测精度低、三维模型质量待提高等问题,提出一些可行的研究思路。展开更多
文摘针对现有的中文命名实体识别算法没有充分考虑实体识别任务的数据特征,存在中文样本数据的类别不平衡、训练数据中的噪声太大和每次模型生成数据的分布差异较大的问题,提出了一种以BERT-BiLSTM-CRF(Bidirectional Encoder Representations from Transformers-Bidirectional Long Short-Term Memory-Conditional Random Field)为基线改进的中文命名实体识别模型。首先在BERT-BiLSTM-CRF模型上结合P-Tuning v2技术,精确提取数据特征,然后使用3个损失函数包括聚焦损失(Focal Loss)、标签平滑(Label Smoothing)和KL Loss(Kullback-Leibler divergence loss)作为正则项参与损失计算。实验结果表明,改进的模型在Weibo、Resume和MSRA(Microsoft Research Asia)数据集上的F 1得分分别为71.13%、96.31%、95.90%,验证了所提算法具有更好的性能,并且在不同的下游任务中,所提算法易于与其他的神经网络结合与扩展。
文摘土壤是具有高度异质性的复合体。早期的数字土壤制图研究主要关注水平方向的土壤空间变异和制图,对垂直方向空间变异和土壤三维制图考虑较少。近年来,三维地理信息技术和对地观测与探测技术的快速发展,极大地促进了土壤三维空间数据获取、三维空间推测、三维数据模型、三维模型构建和可视化方法等方面的研究。本文对三维空间土壤推测与土壤模型构建的已有方法进行梳理和评述,以期为三维数字土壤制图的应用和发展提供建议。以三维土壤制图、三维GIS、三维数据模型、三维地质建模、三维可视化、土壤空间变异、空间推测、克里格插值、土壤-景观分析、深度函数、机器学习、地统计学、随机模拟等为关键词检索Web of Science数据库,基于相关度、引用率和文献来源等因素进一步筛选出重点文献进行分析。归纳整理了土壤空间变异性、三维空间土壤推测、三维空间数据模型和三维模型构建等关键技术的现有研究体系,对各种三维推测和建模方法的优缺点和适用场景作出评价。针对目前研究中存在的垂直方向土壤数据稀少、土壤三维推测精度低、三维模型质量待提高等问题,提出一些可行的研究思路。
