水生植被和藻类作为湖泊生态系统的主要初级生产者,对湖泊生态系统具有重要作用。在气候变化和人类活动的双重作用下,湖泊富营养化加剧,水生植被退化,藻类水华频发。开展湖泊水生植被群落和藻类水华的长期观测可为湖泊生态系统水生植被修复和藻类水华管控提供决策依据。本研究以太湖流域浅水湖泊长荡湖为研究区,基于1985-2021年的Landsat 5和8卫星数据,利用VBI(vegetation and bloom indices)草藻分类算法,开展了浮叶/挺水植被、沉水植被和藻类水华长时序时空演变分析。结果表明:36年来,长荡湖水生植被(包括浮叶/挺水植被和沉水植被)都呈现显著下降趋势,其中沉水植被下降趋势尤为明显,沉水植被从湖中心向岸边逐步退化,其覆盖度从1985年的75%下降至2021年的不足21%;自2011年起,长荡湖水生植被优势生活型从沉水植被转变为浮叶/挺水植被;2010年首次监测到水华发生,2020年和2021年连续两年均监测到湖中心有大面积水华。基于湖泊围网面积和气象数据分析发现,围网拆除是水生植被退化和优势生活型转变的主要因素。
知识库问答(knowledge base question answering,KBQA)是一个具有挑战性的热门研究方向,多跳知识库问答主要的挑战是非结构化的自然语言问题与结构化的知识库推理路径存在不一致性,基于图检索的多跳知识库问答模型善于把握图的拓扑结构...
详细信息
知识库问答(knowledge base question answering,KBQA)是一个具有挑战性的热门研究方向,多跳知识库问答主要的挑战是非结构化的自然语言问题与结构化的知识库推理路径存在不一致性,基于图检索的多跳知识库问答模型善于把握图的拓扑结构,但忽略了图中结点和边携带的文本信息。为了充分学习知识库三元组的文本信息,构造了知识库三元组的文本形式,并提出了三个基于非图检索的特征增强模型RBERT、CBERT、GBERT,它们分别使用前馈神经网络、深层金字塔卷积网络、图注意力网络增强特征。三个模型显著提高了特征表示能力和问答准确率,其中RBERT结构最简单,CBERT训练最快,GBERT性能最优。在数据集MetaQA、WebQSP和CWQ上进行实验对比,在Hits@1和F1两个指标上三个模型明显优于目前的主流模型,也明显优于其他BERT的改进模型。
暂无评论