深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

绿色物流视角下生活垃圾回收处理研究文献综述

近些年来,我国众多城市都出现了"垃圾围城"的现象,垃圾回收处理也成为了社会广泛关注的热点,但是众多学者对相关理论的研究成果并没有被系统性的总结。文章将在绿色物流视角下,对生活垃圾回收处理的相关研究进行全面梳理,从居民垃圾分类意识、垃圾回收处理服务网络构建、垃圾回收站点及中转站的选址等三个方面进行综述,最后进行述评和研究展望。     

我国农作物秸秆综合利用产业促进政策研究

［目的］深入地分析了我国秸秆综合利用产业现行促进政策，阐述了存在的主要问题，并提出针对性解决方法，以期为促进秸秆综合利用政策体系建设提供政策建议。［方法］按照法律法规、目标引导和考核、财税补贴、技术研发和推广、信息统计等进行分类，综合评述各类现行政策的特点、使用范围和有效性，并采用相关者利益分析等方法分析存在问题，提出政策建议。［结果］随着我国秸秆露天焚烧问题日益突出，国家加大了对秸秆综合利用重视的程度，出台一系列关于秸秆综合利用等方面的法律、法规和激励政策等，初步构建了秸秆综合利用政策体系，呈现出聚焦关键环节、关键技术和重点地区的趋势。但是，还存在着政策的有效性有限，未形成合力； 农民参与度低； 使用环节缺乏激励政策等问题。［结论］建议出台区域生态补偿制度，落实耕地地力保护补贴政策，鼓励终端产品使用和消费等政策。     

军事遗产旅游资源分类与价值评估

军事遗产是重要的历史资源,尤其在历史教育、知识输出、国情教育等方面具有重要价值,因而可被视为独特的旅游资源。本文在国内外军事遗产研究综述的基础上,提出军事遗产的分类方法,共计2个大类、7个亚类、28个子类。在梳理国内外研究的基础上结合专家评价,提出军事遗产的旅游价值评估指标体系,包含要素价值、存续特征2个一级指标及游憩价值、历史价值、审美价值、社会价值、独特程度、规模程度、知名度、完整性、适游性、承载力和安全性11个二级指标,并进一步划分为可观赏性等23个三级指标。采用基于专家打分的层次分析法对指标权重赋值,形成军事遗产旅游价值评价的方法体系,并构建军事遗产旅游价值评价对比关系图,以指导资源群中的单体开发梯次。     

我国秸秆综合利用面临形势与对策研究

[目的]为加快推动秸秆资源化利用,促进农业绿色发展。[方法]文章在系统梳理我国秸秆综合利用政策文件、相关文献的基础上,全面分析了我国农作物秸秆禁烧和综合利用的发展阶段,提出了秸秆利用面临的形势和存在的主要问题。[结果]我国秸秆综合利用从时间序列上,可以划分为起步阶段、强力推进阶段和攻坚阶段。城镇化的快速推进、农村能源结构的调整、农业供给侧结构性改革的实施、农作物季节矛盾突出等,成为秸秆综合利用面临的新形势、新挑战。当前推进秸秆综合利用存在四大方面问题:秸秆还田成本较高,区域技术规范和技术适宜性缺乏;受"成本地板"和"价格天花板"双重挤压,秸秆产业化利用发展困难;秸秆收储运成本高,技术装备水平低,用地、运输问题尚未解决,收储运体系建设不健全;关键性政策工具尚未破题,缺乏普惠性、针对性的资金扶持。[结论]针对形势与问题,提出了推进秸秆资源化利用的4条对策建议:开展县域秸秆全量化利用、分区施策确定秸秆利用方向、加强政策工具集成创设、扩大试点示范引导。     

On the Opportunity Cost of Crop Diversification

Distance functions are increasingly being augmented, with environmental goods treated as conventional outputs. A common approach to evaluate the opportunity cost of providing an environmental good is the exploitation of the distance function's dual relationship to the value function. This implies that the opportunity cost is assumed to be non‐negative. This approach also requires a convex technology set. Focusing on crop diversification for a balanced sample of 44 cereal farms in the East of England for the years 2007–2013, this paper develops a novel opportunity cost measure that does not depend on these strong assumptions. We find that the opportunity cost of crop diversification is negative for most farms.     

Machine learning for financial transaction classification across companies using character-level word embeddings of text fields

An important initial step in accounting is mapping financial transfers to the corresponding accounts. We devised machine-learning-based systems that automate this process. They use word embeddings with character-level features to process transaction texts. When considering 473 companies independently, our approach achieved an average top-1 accuracy of 80.50%, outperforming baselines that exclude the transaction texts or rely on a lexical bag-of-words text representation. We extended the approach to generalizes across companies and even across different corporate sectors. After standardization of the account structures and careful feature engineering, a single classifier trained on 44 companies from 28 sectors achieved a test accuracy of more than 80%. When trained on 43 companies and tested on the remaining one, the system achieved an average performance of 64.62%. This rate increased to nearly 70% when considering only the largest sector.     

剖线强度梯度变化的作物软硬变化区精确划分

[目的]软硬变化区的划分是进行遥感变化检测技术识别农作物的基础。为解决人工判读方法中存在人为主观因素影响以及自动判别和交互式判别方法对不同研究区的适用性问题,该文提出基于剖线梯度变化(Profile based Gradient Change Magnitude,PGCM)进行软硬变化区划分的方法。[方法]该研究选择破碎农业景观种植区域为研究区,计算拔节期Quick Bird影像和播种期模拟影像两个时相的变化强度,从作物地块内部向外绘制剖线,利用剖线强度的梯度变化确定硬变化区(Hard change region,HCR)、软变化区(Soft change region,SCR)和未变化区(Non change region,NCR)3者间的划分阈值。[结果]从识别结果来看,PGCM能够有效在地块边界处探测到软变化像元,进而确定HCR、SCR。像元分辨率在5~60 m不同尺度下,识别HCR区混入比例为11%~16%,混入比例随着分辨率下降而降低;NCR区混入比例为3%~4%,受分辨率尺度影响不大;SCR区识别比例为74%~86%,识别精度较高,识别结果与冬小麦空间分布结果保持一致。[结论]PGCM方法能够自动、便捷地确定阈值,摆脱人工判定的主观性,有效地划分出HCR、SCR和NCR 3个区域,为进一步HCR、SCR区内的作物识别提供基础。     

The impact of climate change on labour demand in the plantation sector: the case of tea production in Sri Lanka

Limited opportunities for crop switching and lengthy preharvesting periods make the plantation sector particularly vulnerable to climate change. Surprisingly, however, the economic consequences of climate change on plantation crops are seldom analysed. Drawing on a unique primary panel data set from a representative cross section of 35 tea estates in Sri Lanka over the period 2002–2014, this study implements a structural model of estate profit maximisation to estimate the elasticity of labour demand with respect to different components of weather. Results indicate a negative relationship between labour demand and rainfall in the south‐west monsoon, the north‐east monsoon and the second inter‐monsoon. A positive relationship is found between labour demand and rainfall in the first inter‐monsoon. Overall, predicted changes in rainfall by 2050 are anticipated to reduce labour demand by approximately 1,175,000 person‐days per year across Sri Lanka's tea plantation sector. This is likely to have considerable social and welfare implications, particularly for the Indian Tamil women who comprise the majority of the sector's workforce.     

农作物面积抽样单元空间变异性及其对抽样外推效率的影响

［目的］联合遥感和传统抽样方法的空间抽样技术是进行大区域农作物面积监测的有效手段。但传统抽样要求抽样单元间相互独立，并未考虑到区域农作物空间变异性的存在对农作物面积空间抽样效率是否有影响及其影响程度如何，从而限制了农作物面积监测的效率和精度。［方法］文章以吉林省德惠市为研究区，利用变异函数分别对10种抽样单元尺度内玉米和水稻种植面积的空间变异性进行定量评价。选择3种空间抽样方案（简单随机抽样、系统抽样、分层抽样），分别计算不同空间变异程度下的样本容量（n）、抽样相对误差（Re）和总体总值估计量的变异系数（CV（Y︿））作为空间抽样效率的评价指标，定量分析空间变异性对农作物面积空间抽样效率的影响，提出适宜空间变异农作物的空间抽样优化方案。［结果］(1)玉米和水稻面积的空间变异性（反映为基台值C0+C）均随着抽样单元尺度的增加逐渐而减小，其中500m×500m和2 500m×2 500m抽样单元尺度下农作物面积的空间自相关程度相对最小。(2)相同抽样比下，农作物面积在3种抽样方法下的相对误差和变异系数均随着空间变异性的减小（抽样单元尺度增加）逐渐增大，其中玉米和水稻在分层抽样条件下的相对误差和变异系数具有相对最小值，分别限制在10%和20%以内，其次为系统抽样（Re<40%，CV（Y︿）<88%）和简单随机抽样（Re<50%，CV（Y︿）<75%）。 在抽样方法被选定的情况下，两种农作物的分层抽样相对误差变化率随着抽样比的增加迅速降低，当抽样比增至5%时，其相对误差和变异系数的变化率基本趋于稳定，继续增加抽样比来提高抽样精度的效果甚微。 在3 500m×3 500m抽样单元尺度内，按5%抽样比确定的样本容量对玉米和水稻面积进行分层抽样时，可达到95%的抽样精度（Re<5%）。 综合农作物在不同抽样单元尺度下的空间变异特征和空间抽样效率，基于2 500m×2 500m的抽样单元尺度和5%抽样比进行分层抽样的空间变异性农作物空间抽样方案是一种高精度、低成本、代表性强的空间抽样方案。［结论］该研究为区域农作物面积抽样调查方法的改善和抽样效率的提高提供技术支持和参考依据。