检索结果-南通市图书馆

Artificial intelligence for geoscience:Progress,challenges,and perspectives

在线全文

学校读者我要写书评

暂无评论

The Innovation 2024年第5期5卷 136-160,135页

作者： Tianjie Zhao Sheng Wang Chaojun Ouyang Min Chen Chenying Liu Jin zhang Long Yu Fei Wang Yong Xie Jun Li Fang Wang Sabine Grunwald Bryan MWong Fan zhang Zhen Qian Yongjun xu Chengqing Yu Wei Han Tao Sun Zezhi Shao Tangwen Qian Zhao Chen Jiangyuan Zeng Huai zhang Husi Letu Bing zhang Li Wang Lei Luo Chong Shi Hongjun Su Hongsheng zhang Shuai Yin Ni Huang Wei Zhao Nan Li Chaolei Zheng Yang Zhou Changping Huang Defeng Feng Qingsong xu Yan Wu Danfeng Hong Zhenyu Wang Yinyi Lin Tangtang zhang Prashant Kumar Antonio Plaza Jocelyn Chanussot jiabao zhang Jiancheng Shi Lizhe Wang Aerospace Information Research institute Chinese Academy of SciencesBeijing 100094China School of Computer science China University of GeosciencesWuhan 430078China State Key Laboratory of Mountain Hazards and Engineering Resilience Institute of Mountain Hazards and EnvironmentChinese Academy of SciencesChengdu 610299China Key Laboratory of Virtual Geographic Environment(Ministry of Education of PRC) Nanjing Normal UniversityNanjing 210023China Data science in Earth Observation Technical University of Munich80333 MunichGermany The National Key Laboratory of Water Disaster Prevention Yangtze Institute for Conservation and DevelopmentHohai UniversityNanjing 210098China institute of Computing Technology Chinese Academy of SciencesBeijing 100190China School of Geographical sciences Nanjing University of Information Science and TechnologyNanjing 210044China State Key Laboratory of soil and Sustainable Agriculture Institute of Soil ScienceChinese Academy of SciencesNanjing 210008China soil Water and Ecosystem Sciences DepartmentUniversity of FloridaPO Box 110290GainesvilleFLUSA Materials science Engineering Program Cooperating Faculty Member in the Department of Chemistry and Department of Physics Astronomy University of CaliforniaCaliforniaRiversideCA 92521USA institute of Remote Sensing and Geographical Information System School of Earth and Space SciencesPeking UniversityBeijing 100871China Key Laboratory of Computational Geodynamics University of Chinese Academy of SciencesBeijing 100049China International Research Center of Big Data for Sustainable Development Goals Beijing 100094China College of Geography and Remote Sensing Hohai UniversityNanjing 211100China Department of Geography The University of Hong KongHong Kong 999077SARChina Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control Nanjing 210044China School of Environmental science and Engineering Nanjing University of Information Science&TechnologyNanjing 210044China Collaborative Inno

This paper explores the evolution of geoscientific inquiry,tracing the progression from traditional physics-based models to modern data-driven approaches facilitated by significant advancements in artificial intelligence(AI)and data collection *** models,which are grounded in physical and numerical frameworks,provide robust explanations by explicitly reconstructing underlying physical ***,their limitations in comprehensively capturing Earth’s complexities and uncertainties pose challenges in optimization and real-world *** contrast,contemporary data-driven models,particularly those utilizing machine learning(ML)and deep learning(DL),leverage extensive geoscience data to glean insights without requiring exhaustive theoretical *** techniques have shown promise in addressing Earth science-related ***,challenges such as data scarcity,computational demands,data privacy concerns,and the“black-box”nature of AI models hinder their seamless integration into *** integration of physics-based and data-driven methodologies into hybrid models presents an alternative *** models,which incorporate domain knowledge to guide AI methodologies,demonstrate enhanced efficiency and performance with reduced training data *** review provides a comprehensive overview of geoscientific research paradigms,emphasizing untapped opportunities at the intersection of advanced AI techniques and *** examines major methodologies,showcases advances in large-scale models,and discusses the challenges and prospects that will shape the future landscape of AI in *** paper outlines a dynamic field ripe with possibilities,poised to unlock new understandings of Earth’s complexities and further advance geoscience exploration.

关键词： Earth utilizing landscape

基于贝叶斯理论和条件协同模拟的海上风电场土体参数空间变异性表征

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

岩土工程学报 2024年第8期46卷 1644-1654页

作者：徐加宝张泽超张璐璐曹子君王宇张一凡张德陈杨明上海交通大学土木工程系海洋工程国家重点实验室上海200240 香港城市大学建筑学及土木工程学系中国香港999077 中国长江三峡集团有限公司科学技术研究院北京100038 高新船舶与深海开发装备协同创新中心上海200240 上海市公共建筑和基础设施数字化运维重点实验室上海200240 西南交通大学智慧城市与交通学院高速铁路线路工程教育部重点实验室四川成都611756

海上风电场土体参数的空间变异性表征对海上风电工程具有重要意义,多源土体参数融合可降低表征结果的不确定性。然而,现有方法无法利用非同位多源土体参数数据,且不考虑统计不确定性对空间变异性表征的影响。为此,提出了基于贝叶斯理论... 详细信息

海上风电场土体参数的空间变异性表征对海上风电工程具有重要意义,多源土体参数融合可降低表征结果的不确定性。然而,现有方法无法利用非同位多源土体参数数据,且不考虑统计不确定性对空间变异性表征的影响。为此,提出了基于贝叶斯理论的条件协同模拟方法,该方法根据非同位多源土体参数数据,利用贝叶斯理论估计交叉变异函数,再利用条件协同模拟方法生成大量土体参数空间分布的模拟样本,表征参数空间变异性,表征过程中合理地考虑模型参数的统计不确定性。以某海上风电场为工程背景,利用提出的方法融合无侧限抗压强度(qu)和标准贯入试验(SPT)击数N值,表征qu的空间变异性。结果表明:提出的方法可以根据有限非同位的qu和N值数据,表征qu的空间变异性,合理地反映了有限数据条件下统计不确定性的影响。此外,利用强信息先验分布或者融合标准贯入数据,可以降低变异函数模型参数统计不确定性和条件协同模拟结果的不确定性。

关键词：海上风电场空间变异性条件协同模拟贝叶斯理论多源数据融合

秸秆与木本泥炭短期施用对潮土有机质及微生物群落组成和功能的影响

在线全文

学校读者我要写书评

暂无评论

土壤学报 2020年第1期57卷 153-164页

作者：赵文慧马垒徐基胜谭钧张佳宝赵炳梓土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所) 南京210008 中国科学院大学北京100049 北京中向利丰科技有限公司北京100004

直接添加富含腐殖物质的木本泥炭可快速提升土壤有机碳含量,但其与常规施用秸秆相比的效应如何尚不清楚。通过设置不添加物料(CK)、施用秸秆(R)、施用木本泥炭(MT)、秸秆还田和木本泥炭联合施用(RMT)四个田间试验处理,经过一季玉米生长... 详细信息

直接添加富含腐殖物质的木本泥炭可快速提升土壤有机碳含量,但其与常规施用秸秆相比的效应如何尚不清楚。通过设置不添加物料(CK)、施用秸秆(R)、施用木本泥炭(MT)、秸秆还田和木本泥炭联合施用(RMT)四个田间试验处理,经过一季玉米生长后比较不同处理对玉米产量、土壤肥力、细菌群落组成和功能的影响。结果表明,R和RMT处理的地上生物量与CK无显著差异,而在玉米整个生育期的平均呼吸速率则分别较CK高40%和64%;MT处理的地上生物量较CK低10%,但MT和CK的平均呼吸速率无显著差异。另一方面,R处理的土壤有机质(SOM)含量与CK无显著差异,而MT和RMT处理的SOM含量则较CK分别高79%和56%。基于主成分分析和功能预测发现,与CK处理比,R处理分解利用新鲜秸秆的绿弯菌门、芽单胞菌门、节细菌属、指孢囊菌属和Rubellimicrobiu显著增多,而化能异养、需氧化能异养、尿素代谢功能显著降低;MT处理降解大分子有机物的土壤杆菌属、纤维菌属、德沃斯氏菌属、农研丝杆菌属、类诺卡氏菌属和Rubellimicrobium显著增多,需氧化能异养功能显著降低,纤维素代谢功能显著升高;而RMT处理与CK群落组成和功能类似。因此,在潮土区单独施用MT尽管能迅速提升SOM含量,但可能导致短期内作物产量降低,而R和MT联合施用在迅速提升SOM的同时可提高土壤呼吸,维持稳定的微生物群落和功能。

关键词：秸秆还田木本泥炭高通量测序微生物群落功能预测

生物质炭和秸秆施用对黄褐土生化性质及小麦产量的影响

在线全文

学校读者我要写书评

暂无评论

土壤 2021年第3期53卷 495-502页

作者：邱丽丽李增强徐基胜李慧赵炳梓张佳宝土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所) 南京210008 楚雄师范学院地理科学与旅游管理学院云南楚雄675000 中国科学院大学北京100049 河南农业大学资源与环境学院郑州450002

以位于河南省方城县的黄褐土田间定位试验为平台,监测生物质炭和秸秆连续施用4 a后小麦拔节期和成熟期土壤性质变化及其与成熟期籽粒产量的关系,明确影响小麦产量的主要土壤生化因子。试验包含6个处理,即分别在不施用生物质炭(–B)和施... 详细信息

以位于河南省方城县的黄褐土田间定位试验为平台,监测生物质炭和秸秆连续施用4 a后小麦拔节期和成熟期土壤性质变化及其与成熟期籽粒产量的关系,明确影响小麦产量的主要土壤生化因子。试验包含6个处理,即分别在不施用生物质炭(–B)和施用生物质炭(+B)条件下各设置3个处理:(1)对照(CK),(2)单施化肥(NPK),(3)秸秆还田配施化肥(NPK+S)。结果表明:生物质炭和秸秆施用对土壤生化性质和籽粒产量的影响基本上不存在交互作用。连续4a施用生物质炭后,小麦产量平均降低了17.4%。尽管NPK+S与NPK处理间平均产量没有显著差异,但它们比CK处理产量分别增加了33.8%和37.4%。采用偏最小二乘法路径模型(PLS–PM)分别分析了拔节期和成熟期的土壤速效养分、活性有机质和酶活性对产量的影响,发现小麦拔节期的土壤速效养分含量,特别是氮素的供应是直接影响产量的最为重要因子;而成熟期土壤生化性质对作物产量的影响比较小。因此,为防止黄褐土上施用生物质炭和秸秆后小麦产量降低,需要特别注意小麦拔节期土壤氮素的补充。

关键词：生物质炭秸秆还田速效养分活性有机质酶活性小麦产量

木本泥炭对红黄壤性水田土壤有机质提升和细菌群落组成的影响

在线全文

学校读者我要写书评

暂无评论

土壤 2020年第2期52卷 279-286页

作者：陈美淇马垒赵炳梓范树印谭钧鞠振山朱锦尉徐国华王淑媛徐基胜张佳宝土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所) 南京210008 中国科学院大学北京100049 国土资源部土地整治中心北京100035 北京中向利丰科技有限公司北京100004 浙江省土地整理中心杭州310007 杭州市桐庐县国土资源局杭州311500

通过工程措施开发新垦耕地是增加耕地面积的重要方法,这些新垦耕地的主要问题为土壤有机质(SOM)低下,而农田SOM培育是一个漫长的过程。本研究以新垦红黄壤性水田为研究对象,通过施用腐熟秸秆及与土壤腐殖质结构类似的木本泥炭,明确其快... 详细信息

通过工程措施开发新垦耕地是增加耕地面积的重要方法,这些新垦耕地的主要问题为土壤有机质(SOM)低下,而农田SOM培育是一个漫长的过程。本研究以新垦红黄壤性水田为研究对象,通过施用腐熟秸秆及与土壤腐殖质结构类似的木本泥炭,明确其快速提升SOM效应。此外,为了促进秸秆养分的快速转化,本研究进一步比较分析了3种商用激发剂的激发秸秆分解潜力,并采用16s高通量测序技术阐明其微生物机制。试验包含6个处理:对照(CK)、施用腐熟秸秆(S)、施用腐熟秸秆+木本泥炭(SP)、以及在SP基础上添加激发剂Ⅰ、Ⅱ、Ⅲ(SPJ1、SPJ2、SPJ3)。结果表明,SP、SPJ1、SPJ2、SPJ3中的土壤有机质(SOM)、易氧化碳(EOC)、可溶性有机碳(DOC)分别比S或CK处理高12.1%~20.6%、29.9%~48.9%、50.8%~75.5%,微生物生物量碳(MBC)则为它们的10.5倍~16.1倍,导致MBC/MBN增加了5.1倍~12.4倍;土壤有效磷(Ava P)和团聚度在SPJ1、SPJ2、SPJ3间类似,并比SP、S、CK处理显著提高44.7%~63.6%、26.4%~43.6%,表明木本泥炭以及本试验所选择的3种激发剂均能显著改善土壤理化性状。细菌多样性和系统发育多样性指数在激发剂施用土壤中均处于较高水平,并分别与DOC和EOC显著正相关。PcoA与Anosim分析发现3种激发剂施用土壤的细菌群落结构类似并与其他处理差异显著,该差异主要与Ava P、DOC、EOC、MBN有关。上述结果表明,通过在新垦水田土壤上施用腐熟秸秆和木本泥炭,可快速提升SOM含量,而在此基础上添加商用激发剂具有激发养分转化功能的微生物的潜力,从而改善土壤理化性质和提升作物产量,并且本研究选择的3种激发剂均有类似效应。

关键词：秸秆还田木本泥炭激发剂有机质细菌群落

长期秸秆还田对砂姜黑土矿质复合态有机质稳定性的影响

在线全文

学校读者我要写书评

暂无评论

土壤学报 2019年第5期56卷 1108-1117页

作者：王擎运杨远照徐明岗陈景郜红建陈林张佳宝柴如山叶新新周云鹏农田生态保育与污染防控安徽省重点实验室安徽农业大学资源与环境学院合肥230036 耕地培育技术国家工程实验室中国农业科学院农业资源与农业区划研究所北京100081 土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所) 南京210008

依托10a定位试验研究了秸秆还田对典型砂姜黑土有机矿质复合体中有机质稳定性的影响机制。田间试验设置5个处理:氮磷钾配施下的小麦和玉米秸秆双季还田(WMS+F)、小麦秸秆还田(WS+F)、玉米秸秆还田(MS+F)、非秸秆还田(F)处理,以不施肥模... 详细信息

依托10a定位试验研究了秸秆还田对典型砂姜黑土有机矿质复合体中有机质稳定性的影响机制。田间试验设置5个处理:氮磷钾配施下的小麦和玉米秸秆双季还田(WMS+F)、小麦秸秆还田(WS+F)、玉米秸秆还田(MS+F)、非秸秆还田(F)处理,以不施肥模式下的非秸秆还田为对照(CK)。结果显示,铁铝键合态和紧密结合态有机质含量累计占土壤总有机质的88.70%,且三者变化趋势一致,均呈现WS+F≈WMS+F≈MS+F>F>CK,并与土壤短程有序、有机结合态铁铝氧化物呈显著正相关,但与非晶型铁铝氧化物呈负相关性。秸秆还田显著促进了土壤有机质累积,并受到土壤铁铝键合态有机质的影响,但由于非晶型铁铝氧化物生成速度较慢,限制了土壤有机质的进一步累积。土壤紧密结合态有机质对其全量的贡献明显高于铁铝键合态有机质,相关机制值得进一步研究。

关键词：秸秆还田有机质累积有机矿质复合体非晶型铁铝氧化物

东北-黄淮海平原旱作区作物秸秆养分资源量及还田替代化肥潜力

在线全文

学校读者我要写书评

暂无评论

安徽农业大学学报 2022年第4期49卷 621-629页

作者：汪秋云李庆阳柴如山李军利王擎运郜红建张世文马东豪张佳宝徐明岗安徽农业大学资源与环境学院农田生态保育与污染防控安徽省重点实验室自然资源部江淮耕地资源保护与生态修复重点实验室安徽省绿色磷肥智能制造与高效利用工程研究中心合肥230036 安徽理工大学地球与环境学院淮南232001 中国科学院南京土壤研究所土壤与农业可持续发展国家重点实验室南京210008 中国农业科学院农业资源与农业区划研究所耕地培育技术国家工程实验室北京100081

东北-黄淮海平原旱作农业区(旱作区)是中国重要的粮食产区,估算旱作区主要作物秸秆养分和化肥替代潜力,可为该区域秸秆养分资源的合理利用和秸秆还田条件下化肥减施提供科学依据。基于2015-2018年统计年鉴数据,对旱作区各市小麦、玉米... 详细信息

东北-黄淮海平原旱作农业区(旱作区)是中国重要的粮食产区,估算旱作区主要作物秸秆养分和化肥替代潜力,可为该区域秸秆养分资源的合理利用和秸秆还田条件下化肥减施提供科学依据。基于2015-2018年统计年鉴数据,对旱作区各市小麦、玉米和大豆3种作物秸秆养分资源量和利用潜力进行分析。结果表明:小麦、玉米和大豆累积播种面积占旱作区作物播种面积的81.49%;作物秸秆资源年均产量分别为9432.24万t(小麦)、13485.91万t(玉米)和732.94万t(大豆),占全国相应作物秸秆资源总量的70.96%、51.63%和42.34%。秸秆养分总量为678.60万t,包含167.75万t(N)、67.12万t(P_(2)O_(5))和443.73万t(K_(2)O),累计占该区域三大作物推荐施肥总量的53.75%。秸秆还田模式下,小麦、玉米和大豆秸秆当季替代化肥(N+P_(2)O_(5)+K_(2)O)潜力分别为188.88、138.71和38.51 kg·hm^(-2)。小麦主要种植区(黄淮海平原)小麦秸秆可实现N 16.15~30.11 kg·hm^(-2),P_(2)O_(5)7.89~14.71 kg·hm^(-2),K_(2)O 112.18~209.16 kg·hm^(-2)的化肥替代;玉米主要种植区(东北平原)玉米秸秆可实现N 20.39~39.85 kg·hm^(-2),P_(2)O_(5)10.39~20.31 kg·hm^(-2),K_(2)O 66.60~130.18 kg·hm^(-2)。可见旱作区秸秆还田替代化肥潜力较大。

关键词：旱作农业区作物秸秆养分资源量秸秆还田化肥替代

不同比例有机无机肥配施对水稻产量与氮素利用率的影响

在线全文

学校读者我要写书评

暂无评论

中国农学通报 2022年第31期38卷 1-5页

作者：许丹阳李虹颖孙义祥邬刚王家宝袁嫚嫚王佩旋张祥明束孝海养分循环与资源环境安徽省重点实验室/安徽省农业科学院土壤肥料研究所合肥230031 安徽省南陵县农业技术推广中心安徽芜湖238000

探讨中药渣有机肥氮替代化肥氮不同比例对水稻生长发育、水稻产量及氮肥利用的影响,以期为水稻提质增效和实现有机废弃物的资源化利用提供新思路。在总施氮量不变的情况下,以中药渣有机肥为供试材料,设置不施肥对照(CK)和有机肥氮替代... 详细信息

探讨中药渣有机肥氮替代化肥氮不同比例对水稻生长发育、水稻产量及氮肥利用的影响,以期为水稻提质增效和实现有机废弃物的资源化利用提供新思路。在总施氮量不变的情况下,以中药渣有机肥为供试材料,设置不施肥对照(CK)和有机肥氮替代化肥氮0%、25%、50%、75%、100%6个处理,研究有机肥氮替代化肥氮不同比例对水稻产量和氮肥利用率的影响。试验结果表明,在等氮量下以合理比例有机肥氮替代化肥氮有利于提高结实率、增加有效穗数。25%有机肥替代化肥增产最高,比单施化肥增产9.06%。本试验条件下,回归计算有机肥氮部分替代化肥氮比例为35.3%,产量可达到9057 kg/hm^(2),有机氮替代比例能显著提高水稻的生长和氮肥利用率。在农业生产实际中,等氮量替代条件下有机肥施用比例25%~35%是较理想的施肥比例。

关键词：有机无机肥比例氮肥利用率水稻产量