以“大数据、大模型”为代表的新一代智能化信息技术的应用,为生态环境研究提供了新的视角。构建以“人工智能”为核心的生态环境监管新模式已成为现代生态监管研究的重要课题。矿区生态环境“轻发现、重事后、强评估、弱预警”的传统...以“大数据、大模型”为代表的新一代智能化信息技术的应用,为生态环境研究提供了新的视角。构建以“人工智能”为核心的生态环境监管新模式已成为现代生态监管研究的重要课题。矿区生态环境“轻发现、重事后、强评估、弱预警”的传统监管分析方式难以满足管理部门对精准识别、快速高效以及提前发现的迫切需求。为此,提出了面向生态监管的矿区生态环境知识图谱(Knowledge Graph of Ecological Environment in Mining Area,KGEE-MA)构建框架,分析了协同感知、认知学习、图谱表达和智慧应用等关键环节,定义了扰动源、生态要素、采动灾害、感知数据、分析指标以及评估模型本体的概念层次关系、语义关系以及时空关系。以永夏矿区为例,对所提技术与方法进行了应用验证研究。结果表明:(1)KGME-MA有助于识别采动扰动影响的敏感生态因子、生态孕险因子,提前发现资源采动过程中的可疑生态靶点、潜在孕灾区以及生态扰动剧烈区;(2)生态环境知识图谱可为矿区这一特殊空间场景的生态损伤的智能推理、提前发现和精准识别提供一定的支持。上述研究反映出,所构建的矿区生态环境知识图谱可为生态环境“智慧监管”提供新的技术手段,为解决现代生态治理问题提供新思路,可丰富矿山生态演变和生态修复理论,对于指导矿区生态分析评价、生态综合治理以及生态复垦等具有一定的参考价值。展开更多
文摘以“大数据、大模型”为代表的新一代智能化信息技术的应用,为生态环境研究提供了新的视角。构建以“人工智能”为核心的生态环境监管新模式已成为现代生态监管研究的重要课题。矿区生态环境“轻发现、重事后、强评估、弱预警”的传统监管分析方式难以满足管理部门对精准识别、快速高效以及提前发现的迫切需求。为此,提出了面向生态监管的矿区生态环境知识图谱(Knowledge Graph of Ecological Environment in Mining Area,KGEE-MA)构建框架,分析了协同感知、认知学习、图谱表达和智慧应用等关键环节,定义了扰动源、生态要素、采动灾害、感知数据、分析指标以及评估模型本体的概念层次关系、语义关系以及时空关系。以永夏矿区为例,对所提技术与方法进行了应用验证研究。结果表明:(1)KGME-MA有助于识别采动扰动影响的敏感生态因子、生态孕险因子,提前发现资源采动过程中的可疑生态靶点、潜在孕灾区以及生态扰动剧烈区;(2)生态环境知识图谱可为矿区这一特殊空间场景的生态损伤的智能推理、提前发现和精准识别提供一定的支持。上述研究反映出,所构建的矿区生态环境知识图谱可为生态环境“智慧监管”提供新的技术手段,为解决现代生态治理问题提供新思路,可丰富矿山生态演变和生态修复理论,对于指导矿区生态分析评价、生态综合治理以及生态复垦等具有一定的参考价值。
