正版保障 假一赔十 可开发票
-
作者:
汤旭光等
-
出版社:
科学出版社
-
ISBN:
9787030699732
-
出版时间:
2021-09
-
四部分类:
子部 > 艺术 > 书画
-
装帧:
平装
-
开本:
16开
-
作者:
汤旭光等
-
出版社:
科学出版社
-
ISBN:
9787030699732
-
出版时间:
2021-09
-
四部分类:
子部 > 艺术 > 书画
售价
￥
120.70
6.4折
定价
￥188.00
品相
全新
上书时间2024-05-14
卖家超过10天未登录
手机购买
![]()
微信扫码访问
-
-
商品描述：
-
目录
第1章 生态大数据概述
1.1 生态大数据的概念
1.2 生态大数据的特征
1.3 生态大数据的主要来源
1.3.1 主要来源
1.3.2 优选生态观测网络
1.3.3 对地观测大数据
1.3.4 公民科学的发展
1.4 生态大数据分析的技术方法
1.4.1 整合分析
1.4.2 数据挖掘
1.4.3 数据-模型融合
1.4.4 可视化及人机交互
1.5 发展历程与应用
1.5.1 大数据发展历程
1.5.2 生态大数据发展历程
1.5.3 主要应用
1.6 生态大数据的平台架构
1.6.1 数据采集层
1.6.2 数据管理层
1.6.3 数据运算层
1.6.4 服务应用层
1.7 面临的主要挑战与展望
1.7.1 主要挑战
1.7.2 前景展望
1.8 本章小结
参考文献
第2章 生态大数据管理
2.1 概述
2.1.1 生态大数据的数据密集问题
2.1.2 生态信息的大规模高并发访问
2.2 非关系型数据库NoSQL
2.2.1 广义列模型：Google BigTable
2.2.2 Key-Value模型：Amazon Dynamo
2.2.3 文档存储模型：MongoDB
2.2.4 NoSQL基本思想总结
2.3 关系数据库与海量异构数据存储
2.3.1 数据仓库
2.3.2 复制技术
2.3.3 数据切分
2.3.4 关系数据库和NoSQL结合方式
2.4 云计算平台
2.4.1 Hadoop架构介绍
2.4.2 HDFS分布式文件系统
2.4.3 MapReduce并行处理框架
2.4.4 基于Hadoop的生态数据存储框架设计
2.5 本章小结
参考文献
第3章 基于Google Earth Engine云平台的陆表参数变化分析
3.1 概述
3.2 GEE云平台
3.2.1 GEE概述
3.2.2 主要数据说明
3.3 研究区概况及分析方法
3.3.1 研究区概况
3.3.2 NDVI数据重建
3.3.3 时间序列分析
3.3.4 相关性分析
3.4 三峡库区土地利用与陆表参数变化特征
3.4.1 植被SINDVI变化时空分布特征
3.4.2 地表温度变化时空分布特征
3.4.3 反照率变化时空特征分析
3.4.4 土地利用变化分析
3.4.5 陆表参数相关分析
3.5 土地利用变化对关键陆表参数影响
3.5.1 土地利用与SINDVI研究
3.5.2 土地利用与地表温度研究
3.5.3 土地利用与反照率研究
3.6 本章小结
3.6.1 讨论
3.6.2 结论
参考文献
第4章 基于机器学习算法的陆地生态系统碳通量估算
4.1 概述
4.2 通量观测数据获取与处理
4.2.1 观测站点介绍
4.2.2 数据处理
4.3 主要机器学习方法与性能评价
4.3.1 机器学习方法
4.3.2 模型构建
4.3.3 性能评价
4.4 主要结果分析
4.4.1 机器学习在不同陆地生态系统中的GPP模拟
4.4.2 机器学习在不同陆地生态系统中的RE模拟
4.4.3 机器学习在不同陆地生态系统中的NEE模拟
4.5 讨论
4.5.1 机器学习模型的性能及其比较
4.5.2 机器学习模型在不同碳通量上的预测能力
4.5.3 机器学习模型在不同陆地生态系统上的预测能力
4.6 本章小结
参考文献
第5章 基于生态大数据的西南喀斯特地区生态恢复成效评估
5.1 概述
5.2 生态工程恢复成效研究进展
5.3 生态工程恢复成效评估方法
5.3.1 相关数据介绍
5.3.2 统计分析方法
5.4 西南喀斯特地区植被SIF时空动态分析
5.4.1 空间格局
5.4.2 年际及季节动态
5.4.3 空间趋势分析
5.5 生态工程影响评估
5.5.1 生态工程对区域植被SIF的影响
5.5.2 西南喀斯特地区植被动态影响因素
5.6 本章小结
参考文献
第6章 基于生态大数据的红树林湿地生态系统健康评价
6.1 概述
6.2 红树林生态系统健康评价研究进展
6.3 漳江口红树林湿地生态系统
6.3.1 漳江口红树林湿地概况
6.3.2 土地覆盖数据主要获取来源
6.4 红树林湿地生态系统健康评价方法
6.4.1 评价指标体系构建
6.4.2 指标权重计算
6.4.3 生态系统健康指数
6.5 红树林湿地生态系统变化
6.5.1 景观格局变化特征
6.5.2 湿地生态系统的压力-状态-响应健康状况
6.5.3 湿地生态系统健康水平的时空变化
6.6 红树林湿地生态系统健康变化驱动力因素分析
6.6.1 互花米草入侵与海平面上升的影响
6.6.2 养殖业扩增与海堤建设的影响
6.6.3 保护区建设的影响
6.7 本章小结
参考文献
第7章 基于生态大数据的区域生态安全诊断
7.1 生态安全概述
7.2 相关研究方法
7.2.1 生态足迹
7.2.2 生态承载力
7.2.3 生态赤字/盈余
7.2.4 生态压力指数
7.3 全国尺度生态安全格局分析
7.3.1 生态足迹分析
7.3.2 生态承载力分析
7.3.3 生态安全分析
7.4 河南省生态安全格局分析
7.4.1 人均生态足迹分析
7.4.2
内容摘要
第1章 生态大数据概述 本章导读 大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中获取新知识、创造新价值、提升新能力的新一代信息技术和服务业态。随着人类命运共同体、可持续发展、生态安全等全球生态环境问题成为新时期人类社会发展面临的现实问题，生态文明建设成为中华民族永续发展的千年大计，这对大数据时代生态学研究提出了新的要求。综合应用云计算、物联网、人工智能、数值模拟等信息处理技术，已成为区域、国家乃至全球尺度生态环境监测、保护与治理现代化的重要手段。以天-空-地立体生态环境监测网络为基础，建立生态大数据管理中心，加强生态大数据综合应用和集成分析，打造智慧决策的“环境大脑”，为生态环境保护科学决策提供全面支撑。 1.1 生态大数据的概念 随着全球经济的快速发展和人类活动的不断加剧，生态环境问题日益严重。目前全球性生态环境问题主要表现在环境污染、土地退化、森林锐减、生物多样性丧失、水资源枯竭以及气候变暖等方面[1，2]。中国的生态环境问题突出表现在水土流失严重、湿地面积减少、水资源短缺加剧、生物多样性减少、草原退化和土地沙化尚未得到有效遏制等方面。此外，气候变化导致中国内陆冰川冻土加剧融化、局部沙漠化、海平面上升和海水倒灌、旱涝灾害增加、农业生产受损等[3]。这些问题往往涉及尺度大、过程复杂、驱动因素众多，需要面对海量的多源异构生态环境数据，给全球生态环境问题的监测、评估和应对带来了巨大的挑战。 大数据是继物联网和云计算之后信息技术产业又一次重要的技术变革，该技术对于处理超出传统数据库系统存储管理和分析处理能力的多源海量数据集群，具有很大的技术优势。近年来，大数据已经在农业、经济、气象、交通、医疗、通信等领域得到了有效应用。生态学领域也逐渐认识到了大数据的优势，并开展了全球气候变化预测、生态网络观测与模拟、环境污染防控、生态环境评估等研究[3]。2016年，环境保护部发布了《生态环境大数据建设总体方案》，该方案将生态环境大数据的构建作为推动生态文明建设的重要保障措施。在大数据时代，如何基于生态大数据实现生态学理论的发展和突破，服务于新时期生态文明建设等重大问题的解决，具有重要意义[4]。 目前关于大数据的定义并没有达成完全的统一，一般泛指用传统方法或工作所不能处理或分析的数据信息。参考前人研究[5-7]，本书中的生态大数据是指运用大数据理念、技术和方法，解决生态环境领域数据的采集、存储、计算与应用等一系列问题，是大数据理论和技术在生态环境领域的具体应用和实践，是为生态环保决策问题提供服务的大数据集、大数据技术和大数据应用的总称。生态大数据包含了一般大数据的基本属性，同时比一般大数据表现得更为特殊，内容更为庞杂，服务需求更为专业化和多样化等。近年来，随着信息技术、网络技术和“3S”技术等相关技术的发展，生态大数据呈现出猛烈增长的势头，积累了几十年甚至上百年的数据，使得这些海量数据从存储管理到分析挖掘都面临着巨大的挑战。 1.2 生态大数据的特征 大数据是以“6V”为主要特征的数据集合，具体包括：海量规模(volume)、类型多样(variety)、高速率(velocity)、应用价值大(value)、真实性低(veracity)和易受攻击性(vulnerable)[8]。第一，数据量大。通过各种设备产生的海量数据，规模庞大，数据量从TB级别跃升到PB级别。第二，数据种类繁多。数据来源种类多样化，不仅包括传统结构化数据，还包括各种非结构化数据和半结构化数据，而且非结构化数据所占比例越来越高。第三，大数据的“快”，包括数据产生快和具备快速实时的数据处理能力两个层面。第一层面是数据产生得快。目前有的数据是爆发式产生，例如欧洲核子研究中心的大型强子对撞机在工作状态下每秒产生PB级的数据，而有的数据是涓涓细流式产生。但是由于用户众多，短时间内产生的数据量依然非常庞大，例如点击流、日志、射频识别数据、GPS位置信息等。第二层面是对数据快速、实时处理的能力强。大数据技术通过发展不同于传统的快速处理的算法，对海量动态数据进行处理分析，将它们转换为可用的有价值数据。因此，大数据对实时处理有着较高的要求，数据的处理效率决定着获得信息的能力。第四，数据价值密度低、应用价值高。众多不同数据集组成大数据集，这些数据集价值密度的高低与数据集总量的大小成反比。在大数据应用中，数据量大的数据并不一定有很大的价值，不能被及时有效处理分析的数据也没有很大的应用价值。第五，真实性低。随着社交数据、企业内容、交易与应用数据等新数据源的兴起，我们能获得的数据源爆炸式增长，这使得获得的数据具有模糊性。真实性将促使人们利用数据融合和先进的数学方法进一步提升数据的质量，从而创造更高价值。例如社交网络中的视频、语音、日志等获得的原始数据真实性差，需要我们对其进行过滤和处理才能提取出有用的信息。第六，易受攻击性。大数据的安全主要包括大数据自身安全和大数据技术安全。大数据自身安全指在数据采集、存储、挖掘、分析和应用过程中的安全，在这些过程中由于外部网络攻击和人为操作不当造成数据信息泄露，外部攻击包括对静态数据和动态数据的数据传输攻击、数据内容攻击、数据管理和网络物理攻击。大数据技术在解决生态环境问题时形成了生态大数据独一无二的特征[9]。 1. 生态大数据具有天-空-地立体化观测的巨大数据量
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
