人工智能在水下攻防体系中的应用构想

简要介绍了人工智能的概念和神经网络、浅层学习算法、强化学习等技术的发展，结合军事上的水下攻防作战，对人工智能技术在潜艇指挥控制和UUV群协同作战中可能的一些应用形式或方向进行了构想，有关构想可供后续更深入的应用方案研究提供参考借鉴。     

全球湿地遥感研究综述：1975年—2020年

在显著气候变化叠加人类活动干扰的背景下，可持续的湿地生态系统管理对于湿地空间信息的需求不断提升，湿地遥感作为重要的交叉学科方向，研究成果日益增多。本文以Web of Science核心合集为数据库，通过检索过去50年湿地遥感论文成果，总结了湿地遥感研究全球发文量和引文量的变化情况；进行文献计量分析，探讨湿地遥感研究的发展历程和发展趋势。论文将湿地遥感研究划分为潜力探索期、框架成形期、快速增长期3个阶段，进而总结分析了不同阶段湿地遥感的研究主题和主要数据源；最后基于VOCviewer软件对湿地遥感研究热点关键词进行综述，从大数据时代背景下的湿地遥感分类及景观动态、精细化的湿地生态参量遥感观测、湿地可持续管理空间决策支持3个方面进行了未来研究趋势的展望。本研究将为理解国际湿地遥感研究发展历史、把握湿地遥感研究国际前沿、进行国内湿地遥感研究布局提供借鉴。     

地球科学知识图谱比较分析与启示：构建方法与内容视角

地球科学（以下简称地学）知识图谱将地学知识以有向图的方式进行形式化表达，具有强大的知识表达能力、开放互联能力和推理预测能力，是地学与人工智能交叉融合发展的基础设施之一，已成为当前地学研究中重要的研究热点。因此，国际上很多科学组织或团队先后开展了地学领域的知识图谱研究，并构建了一系列具有代表性的知识图谱。然而，目前尚缺乏对这些知识图谱的深入研究和分析。文章从基本情况、构建方法、主要内容及特点等方面，对当前国际上主要的地学领域知识图谱进行了系统的比较分析,并在此基础上，指出了对未来地学知识图谱研究的启示：从构建方法上，应构建地学知识图谱统一表达模型，建立融合多源、多模态数据的知识源，研究地学知识表示与计算方法；从内容上，应加强地学知识时空特征描述，考虑地学知识复杂时空关系和推理规则；从应用上，应发展地学知识质量评估和修正方法，提升地学知识图谱应用成效。     

Advanced processing techniques for remotely sensed imagery

综述了遥感影像信息处理技术的研究进展,主要包括高分辨率影像信息提取技术、影像超分辨率、高光谱影像处理和目标探测,以及遥感影像处理与分类的人工智能方法.对于高分辨率影像处理,从纹理、形状、结构和对象的角度探讨了空间信息提取对于高分辨率影像解译的意义和作用,分析了小波纹理、空间共生纹理、形状特征提取和面向对象分类技术的进展和存在的问题;对于超分辨率技术,文章主要介绍了超分辨率技术的最新进展,及其在遥感影像(sPOT5和MODIS)中的应用;在高光谱数据处理方面,从纯净像元和混合像元两方面介绍了最新的进展.对于纯净像元方法.主要分析了植被指数和统计方法,混合像元方面,则主要分析了像元分解、端元提取的最新技术方法;在智能化信息处理方面,先回顾了神经网络和遗传算法在遥感图像处理中的应用,然后介绍了人工免疫系统对多、高光谱遥感影像分类研究的最新进展.     

岩石薄片图像智能分析研究进展

分析岩石薄片显微图像中的矿物组成、结构构造、生成顺序、围岩蚀变和次生变化等特征，可以进行岩石种类鉴定、地质构造分析、古地质环境反演等相关研究。对于岩石薄片图像的分析及信息提取目前主要依靠专家进行人工目视解译。而利用计算机技术进行自动、快速、客观、准确的岩石薄片图像智能分析，将能有效提高相关研究工作的效率，为“大数据+地球系统科学”的研究范式提供基础。本文综述了岩石薄片图像智能分析的相关工作，从技术方法的角度系统归纳和阐述了其一般原理和方法，分类总结了相关应用案例，分析和展望这一领域存在的挑战与发展方向。     

基于时空大数据的石油安全智能分析方法研究

传统石油安全战略分析方法存在数据更新不及时、处理复杂数据困难、效率较低等不足，难以适应大数据时代快速分析的要求.为了满足石油安全供应对多元异构大数据高效分析的需求，本文设计了涵盖石油全产业链与安全密切相关指标体系，即综合考虑生产、运输、储备、加工与消费等环节的多层次影响因素；提出了事件驱动的石油安全智能分析模式，当突发战争、公共卫生、天气、海盗、灾害等重大事件时，可对石油全产业链中一个或多个环节进行多角度的智能分析与挖掘.采用大数据、人工智能、云计算、物联网等技术手段，构建石油安全智能分析平台，通过时空大数据驱动自动计算石油安全相关环节造成的影响，从而实现一种面向石油安全的新型“事件-计算-响应-应对措施”工作模式.以马六甲海峡因多种事件造成通道阻塞为例，采用2021年中国从全球石油进口数据为基数，可“一键式”高效测算并以多种可视化形式实时展现2023年前6个月对全国及单一港口的海上石油进口影响.实验证明本方法是一种高效的石油安全战略分析方法，为新时代石油资源战略研究从定性分析向智能分析范式转变提供参考．     

人工智能模型的分类临近预报产品效果检验与分析

对2019年2—10月人工智能临近预报模型的降水、雷电、雷暴大风和冰雹等4类产品分别进行了业务检验与分析，结果表明：（1）对于降水产品，随着降水量级的增大，模型预报效果变差。相对来说，模型对0～1 h降水的预报能力略优于1～2 h，模型在0～2 h内完全不能预报出站点上≥10 mm的实况小时降水。（2）对于雷电产品，总体上模型的预报能力较差，1～2 h的预报效果明显比0～1 h差。相对5与20 km半径格点化实况，当取10 km半径格点化时，模型的雷电整体预报效果最优。（3）雷暴大风与冰雹产品具有类似的特点：在适当的时空匹配方式下，模型能预报出大多数实况中出现的雷暴大风或冰雹，但虚报率高，业务应用中主要考虑消空。最大时间提前量随着空间匹配半径或时间扩展的增大而增大，相对于冰雹预报，雷暴大风预报的最大时间提前量要优于冰雹预报。当空间匹配半径取10 km和时间扩展取20 min时，既可兼顾雷暴大风和冰雹的局地性，又可保证定量检验上相对较优。     

基于AI的多组学分析方法鉴别新型冠状病毒感染和社区获得性肺炎的价值

目的：旨在评估基于影像组学特征和常规临床信息（包括临床症状及临床检验数据）的多组学模型在区分新型冠状病毒感染（COVID-19）和社区获得性肺炎（CAP）方面的分类性能。方法：收集奥密克戎（Omicron）变异株引起的COVID-19确诊患者和其他病毒感染引起的CAP确诊患者临床及胸部CT影像资料，基于数据集构建影像组学模型、临床特征模型、多组学模型，通过受试者工作特性曲线（ROC）分析评估每个模型的分类性能。结果：选择8个影像组学特征和7个临床特征来构建影像组学模型、临床特征模型、多组学模型。在测试集中，影像组学模型受试者工作特征曲线下面积（AUC）为0.759，临床特征模型AUC为0.853，多组学模型AUC为0.9。结论：基于AI的多组学分析方法构建的多组学模型分类性能高于影像组学模型和临床特征模型，对COVID-19和CAP的鉴别诊断具有可行性。     

基于人工智能技术的植被色彩感知与焦虑关联分析

城市绿色空间对焦虑的缓解作用受到城市地理学、城市规划学和景观生态学等多学科学者的关注。然而，受限于数据采集技术的精确程度，很少有研究分析绿色空间中的植被色彩对降低焦虑水平的作用。基于此，本文结合公民科学和人工智能技术建立高精度城市植被数据库，从植被色彩视觉感知的角度入手分两个层次评价植被色彩，并构建有序Logistic模型探究不同地理背景下植被色彩与个体焦虑的关系。研究表明：丰富的植被色彩确实能有效缓解焦虑，但同时受可塑性面积单元（MAUP）和地理背景不确定性问题（UGCoP）的影响。具体而言，提升居住环境的基底色彩水平、增加工作环境中植被色彩的多样性有助于缓解焦虑，并且植被色彩与焦虑的关联主要在小规模缓冲区中观察到。上述结论证实了植被色彩对焦虑缓解作用，能够为城市绿色空间设计提供具体的优化建议。     

人工智能技术在桥梁抗震领域的应用综述

近年来，人工智能技术发展迅速，作为国家战略的新一轮科技革命和产业变革的核心技术，已经渗透到各行各业，推动了各行业的发展。与其他行业相比，桥梁等基础设施的智能化程度还较低，融合人工智能技术的发展成为必然趋势。桥梁作为重要的生命线工程，当地震灾害发生时，及时和准确地评估桥梁地震损害和调动相应的事后救援工作起着关键作用。人工智能技术能很好地捕捉变量之间的复杂非线性关系，快速准确地对未知数据进行识别与预测，相比于传统的无法同时兼顾准确性与效率分析的方法，人工智能技术有着巨大的优势。为了促进人工智能技术与桥梁抗震深度融合，基于国内外的研究现状，归纳总结了人工智能技术在地震动分析预测、桥梁地震响应预测和模式识别及快速评估方面的应用，梳理了当前人工智能模型存在的问题，并对未来的研究进行了展望，指出真实数据建立的数据库、基于物理的模型、可解释性以及同类型桥梁之间的泛化将是未来的发展方向，为未来的桥梁抗震设计、分析和评估提供帮助。