黄河流域空天地一体化大数据平台架构及关键技术研究黄河流域的生态保护成效事关我国经济社会发展和生态安全［1］。 以下从3 个方面分析本研究的必要性。 第一，从国家战略、政策层面来看，2019 年9 月习近平总书记在郑州主持召开黄河流域生态保护和高质量发展座谈会并发表重要讲话，明确提出黄河流域生态保护和高质量发展是重大国家战略［2］。 2018 年6月，中共中央、国务院印发《关于全面加强生态环境保护坚决打好污染防治攻坚战的意见》，提出“建立权威高效的生态环境监测体系，构建天地一体化的生态环境监测网络”［3］。 2017 年12 月的中共中央政治局集体学习也特别提出，要加强大数据技术在各行各业的创新性应用，健全大数据辅助科学决策和社会治理的机制［4］。 第二，从黄河流域的生态、发展状况来看，黄河流域面积79.5 万km2，面临水土流失严重、水资源分配不均、二级悬河严重、甘肃内蒙古等地经济发展滞后等生态环境和经济发展问题［5］。 黄河流域的生态保护和高质量发展涉及多部门、多学科、多因素，指挥调度困难，需要处理海量的水文泥沙、气象气候、地质地貌、植被生物、土壤水质以及经济社会等多尺度异构数据，这无疑给黄河流域的生态监测、水土治理、产业发展等一系列生态保护和高质量发展措施加大了难度。 第三，从现实的数据产生、技术发展来看，未来10 a全球天、空、地部署的数百万计传感器每日获取的观测数据将超过10 PB［6］，面对海量的生态环境监测数据，传统的数据处理理念、方法、工具和技术根本无以应对，必须采用大数据的理念、方法、工具和技术，这已是国家、省级和地方各级环保部门的共识。 综上，进行面向黄河流域生态保护的空天地一体化大数据平台研究很有必要。 平台设计的好坏、技术组件选配是否合理，直接影响黄河流域生态大数据的处理分析，进而影响黄河流域生态保护的差别化、精准化和管理一体化。 1 黄河流域生态大数据的内涵及其面临的问题大数据具备“5V”基本特征，即规模性（Volume）、多样性（Variety）、高速率（Velocity）、真实性（Veracity）以及价值性（Value）［6］，根据行业领域可分为不同的类别，例如健康医疗大数据、教育大数据、电子商务大数据、生态大数据等。 较之其他行业大数据，生态环境大数据是一个系统生态圈，涉及地理信息广，是涉及空间段、天际段及地表段全方位地理空间数据集，是黄河流域物理空间到数字空间的映射和提炼［7］。 因此，黄河流域生态大数据不仅具有一般大数据的基本特征，还具有地理时空性特征，如图1 所示。
图1 黄河流域生态大数据地理空间特征 根据相关的文献定义［6-9］，并针对黄河流域特点，列出黄河流域生态保护相关的数据类型、采集方式和主要内容，见表1。 表1 黄河流域生态大数据类型、采集方式及主要内容
确定黄河流域生态大数据的类型和特点，将为后续定制大数据平台提供必要的依据。 目前，各方将大数据技术应用于生态保护的积极性比较高，但仍存在以下问题：①多元立体感知能力欠缺，生态环境无人机监测系统数量较少，应急、机动观测能力不足，地面监测方面规模化、常态化监测很少；②全要素监测能力薄弱，大部分是对单一生态要素的监测，未将多个生态要素的监测数据整合应用起来，势必造成所获取的数据不全面，挖掘出的知识不系统；③流域环境监测数据的共享、整合、应用能力不足，不同系统各自分散独立建设［9］，缺少统一规划、统一建设、统一部署；④深层次知识挖掘水平较低，对生态环境大数据的利用水平较低，大部分只是用来做一些简单的统计和报表［10］，如何利用大数据技术结合业务模型从海量数据中挖掘隐藏在其中的各种知识、洞见，则做得比较少。 笔者对生态大数据的平台架构及关键技术进行研究，对遥感数据、水文数据、水质数据、气象气候数据等进行深度挖掘、智能分析，以期为生态保护决策提供数据支撑。 2 黄河流域空天地一体化大数据平台框架建立大数据平台的前提和基础是数据资源的共享，大数据平台的数据探测与采集面对的是多部门、多系统数据融合，现实中各行业数据标准格式以及技术路线是不统一的，各部门之间是数据割据的局面，导致不同程度的“数据孤岛”现象，数据之间没有实现共享，这也是制约大数据发展的显著问题［11］。 为了响应国家大数据战略，各级环保部门纷纷开始探索和建设生态大数据平台。 黄河流域空天地一体化大数据平台架构如图2 所示。
图2 黄河流域空天地一体化大数据平台架构 生态环境一体化大数据平台建设，目的是实现生态环境综合决策科学化、生态环境监管精准化、生态环境公共服务便民化［8］。 首先应该基于先进的物联网技术，融合5G 网络通信手段，构建空天地一体化网络。 沈学民等［12］提出以地基网络（地面互联网、移动通信等）为基础，以空基网络（高空通信平台、无人机自组等）和天基网络（各种卫星通信系统等）为补充和延伸的空天地一体化网络建设设想，以期不同维度的网络可以充分发挥自身作用，打破各自独立的网络系统之间的数据共享屏障，实现广域网络的互通互联。黄河流域从空间段、天际段到地表段的数据采集，都离不开网络的传输，并且在水文泥沙、土壤土质等数据的采集中，更是离不开传感器的数据传输。 空天地一体化网络的建设影响数据的传输速率、范围，同时为空天地一体化平台的应用提供网络通信基础，空天地一体化网络也是未来网络发展的趋势之一。 空天地一体化大数据是针对某个研究对象或者具体范围，由空、天、地设备协同探测与采集的多源多模大数据及相关的综合分析技术。 一体化大数据平台的建设需借助大数据技术对多源异构数据进行大数据存储管理、数据分析与挖掘、数据可视化，建立一体化的大数据运营调度中心，开展黄河流域植被遥感图像的自动识别与标注、数据综合分析与数据挖掘、动态环境监测、智能算法模型库构建等关键技术研发，构建以“数据-分析-服务-价值”为驱动的一体化大数据平台，为解决黄河流域治理相关问题提供相应的数据、服务、调度、预测、决策等一系列支持。 黄河流域生态环境空天地一体化大数据平台总体规划是基于物联网、人工智能、区块链等新一代信息技术，以环境水利、人文社会为业务支撑，整合基础设施资源、时空大数据资源、北斗高精度资源，建立一体化大数据运营中心，为生态保护、文化旅游、产业布局、安全监测、交通治理、规划建设、应急指挥以及国土资源提供服务。 3 黄河流域空天地一体化大数据平台技术架构研究一体化大数据技术平台因其要处理的数据类型不同、采取的数据处理技术不同，技术架构的层次体系也不同。 赵芬等［13］针对生态大数据，将大数据技术处理流程分为获取、存储与管理、计算模式与系统构建、分析4 个阶段；舒田等［7］针对石漠化大数据，将喀斯特石漠化大数据平台技术处理流程分为获取、存储与管理、计算模式、分析4 个阶段；常杪等［14］将大数据的处理流程分为采集与预处理、存储、分析、可视化4 个阶段。生态大数据处理的核心思想是通过各种数据的有机结合、计算、分析，去解决复杂的生态环境问题，为环境决策的准确性、时效性、科学性提供支撑，助力保护生态环境和社会经济的高质量发展，最终将生态大数据价值最大化［15］。 本文基于大数据处理的常规流程将黄河流域空天地一体化大数据的技术处理流程分为数据采集与预处理、数据存储与安全管理、数据智能分析、数据可视化4 个部分，如图3 所示。
图3 黄河流域空天地一体化大数据技术处理流程 3.1 基础设施平台黄河流域空天地一体化大数据在总体架构上将平台分5 层，分别是基于网络基础服务和IT 基础设施服务的基础层、采集层、大数据层、分析层和呈现层。 作为大数据平台的运行基础，基础层为黄河流域空天地一体化大数据平台提供坚强的软硬件基础设施支撑。基础设施平台中硬件资源包括处理数据的计算机、通信网络和存储设备，软件资源包括操作系统、数据库管理系统以及中间件等。 采集层主要是对生态大数据进行探测、采集、预处理，它是大数据平台的数据支撑层，是数据分析的前提条件。 大数据层是对数据的存储与安全管理层，数据的存储方便数据的检索，数据在传输、存储、处理时易受到数据泄密、篡改等安全威胁，保障数据安全即保障黄河流域空天地一体化大数据平台系统的可靠性，最终使数据价值最大化。 分析层是大数据平台的核心部件，运用数据挖掘、机器学习、统计分析等手段，最大限度地开发数据“矿产”，为政府、科研机构提供更多的规律、现象、决策。 呈现层是数据价值的体现，一般采用图表等数据可视化形式展示数据的形态，或者在真实场景虚拟仿真的基础上具现化数据，为用户提供所需的服务。 3.2 技术路径黄河流域空天地一体化大数据的采集主要对空、天、地三个时空领域进行采集。 其中：空间段采集的数据主要是卫星遥感和卫星定位数据，主要来自于国产卫星影像云服务平台的分发点［16］，通过GIS 空间技术分析地表信息的变化，例如黄河两岸地表植被覆盖率、建筑占地、防护林面积等指标分析；天际段采集的数据主要是无人机巡航数据、遥感数据、航空测绘数据等，通过一体化测图系统将天际段采集的数据变化信息与空间段采集的基础信息相匹配、拼接、匀色以及正射处理等，实现局部区域任意时间段的数据得到增量更新［16］，弥补卫星数据周期长、费用高的不足，这种增量处理方式也可促进空天地一体化数据采集的协同处理；地表段的数据采集主要通过物联网、移动平台、人工管理等方式，通过地面气象站、环境监测网络、部门的存活系统，采集多源异构数据如地面监测数据、社会统计数据，再融合处理。 数据预处理是指在数据深度挖掘前，对原始数据进行必要的清洗、集成、转换、离散和归约等一系列的处理工作，从而达到数据分析算法和工具所要求的最低规范和标准［17］。 目前使用的数据预处理工具主要有Data Flux、Data Stage、IPC 等［13］。 数据存储是数据分析与可视化的基础，对于黄河流域生态大数据的数据存储采用分布式的存储方式，通过建立文件服务器、图片服务器、关系型数据库和非关系型数据库，确保数据的持续可用、快速查询。 比较常用的开源工具如Hadoop Common、HDFS、HBase等［13］，利用这些存储技术来保障数据的实时提取以及多点数据关联分析。 数据智能分析主要包括多源多模数据融合、大数据智能计算和多维目标智能识别3 个方面。 数据融合主要针对静态数据的批处理、在线数据的流式处理以及三方数据的交互处理，针对各行业、各环控部门的数据进行组合、整合、聚合，发挥大数据的价值。 大数据智能计算和多维目标智能识别是以机器学习、统计分析、数据挖掘、建模分析为核心进行数据的价值挖掘、目标自动识别等智能分析的过程。 在框架层，可以采用Map Reduce、Storm、Spark 等工具。 在科学计算库中，可以采用Numpy、Pandas、Scipy 等工具包。 数据可视化是数据的呈现方式，通过交互可视界面，使数据分析结果透明化、具现化。 大数据可视化的目的是让用户直观地看到智能分析后的结果［7］，检索用户自身需要的项目，解决自身的需求和问题，为方案决策提供数据支撑，为态势走向作科学预测。 从目前来看，ChronoViz、D3、flightgear 和Highcharts 等都是比较常用的智能可视化软件。 4 黄河流域空天地一体化大数据平台关键技术研究4.1 大数据探测与采集技术获取生态大数据是建立空天地一体化大数据平台的前提，数据采集质量对数据分析结果有直接影响，因此生态大数据的采集技术是大数据平台的关键技术之一。 下文从空域、天域、地域3 个方面分析大数据的探测与采集。 4.1.1 空域大数据的探测与采集 空域大数据主要通过卫星探测与采集，从卫星的不同用途可以分为遥感卫星、导航卫星、通信卫星。 遥感信息的获取通过大量搭载了全色、多光谱、高光谱传感器的遥感卫星来完成。 其中，全色图像、多光谱图像、高光谱图像的分辨率见表2。 国外遥感卫星中地球观测一号卫星（EO-1）是2000 年发射的，区别于传统卫星的是最多提供7 个多光谱波段的陆地资源卫星，EO-1 卫星搭载了高光谱成像仪Hyperion、高级陆地成像仪ALI 以及大气校正仪LEISA［18］。 国内的卫星中高分一号卫星（GF-1）是2013 年发射的，搭载有2 m 空间分辨率全色相机、8 m 空间分辨率多光谱相机以及16 m 空间分辨率多光谱宽幅相机［18］，主要用于陆地监测、环境监测。 利用此类遥感数据为黄河流域的地理测绘、气象气候监测、水文泥沙含量监测提供数据支撑。 表2 全色图像、多光谱图像、高光谱图像的分辨率
空域大数据可以从中国遥感数据网、地理空间数据云、遥感集市数据中心、国家综合地球观测数据共享中心等获取。 4.1.2 天域大数据的探测与采集 随着数字化时代的发展，无人机的应用变得越来越广泛。 如日常的河流巡航，可以通过无人机的实时拍摄画面监测日常状况以及突发状况。 黄河流域天域大数据除了无人机的日常巡检数据、灾害巡查视频数据、搭载无人机的传感器监测数据外，还有航空的测绘数据。 这类数据主要通过移动客户端、设置埋点、数据推送、爬虫等技术进行采集。 4.1.3 地域大数据的探测与采集 地域大数据主要包括水文泥沙、土壤土质、水资源取水耗水情况、水质污染状况等数据，这些数据一部分在各部门机构中，属于机密信息，一部分是公开数据，例如全国水雨情网站公布的水雨情信息，国家统计局公布的统计数据、年鉴数据、资源公报等，这类数据采集主要通过系统自动分析网页抓取或自动读取，存储到平台中。 4.2 大数据智能处理技术4.2.1 空天地多源多模数据融合技术 多源数据融合是将不同来源的数据集，通过某种数学算法，利用各类数据在时空分辨率、完整性、精度等方面的互补性［19］，综合各个输入数据集的优势，弥补单个数据集的不足。 数据融合与单一信源独自处理相比，其可探测性和可信度更高，时空感知范围更广，降低推理模糊程度，增加目标特征的位数，系统的容错能力也更强［20］。 多模态数据融合可为模型决策提供有力的数据支撑，提高决策的准确率［21］。 多模态数据融合的目标是建立能够处理和关联来自多个模态信息的模型。 多源多模数据融合方法见表3。 表3 多源多模数据融合方法
4.2.2 空天地大数据智能计算 空天地大数据智能计算的关键技术是数据挖掘和预测分析，见表4。 数据挖掘技术是大数据分析的核心，基本过程主要有数据准备、数据挖掘、解释评估和知识运用［23］；预测分析技术是利用统计、建模、数据挖掘工具对现有数据进行更深入的研究，对事态进行一定的预测［23］。 预测分析是大数据平台的核心应用，而预测分析的效果取决于数据的质量、采用的技术处理手段以及预测分析的平台。 表4 大数据智能计算关键技术分类［23］
4.2.3 空天地多维目标智能识别 三维图像，甚至多维图像是在二维目标监测的基础上，增加了识别目标的尺寸、深度、姿态等信息［24］，比二维图像更有意义，例如通过预估实际位置，自动驾驶的车辆和机器人可以准确地预估和规划自己的行为、路径，这比二维空间的位置更准确。 按照输入数据的不同类型可以将三维目标监测数据分为单目图像数据、多视图图像以及点云数据。 根据传感器的不同，三维目标监测也分为视觉、激光点云和多模态融合三类［25］。 单目图像主要用来实现图像平面的分类与定位，基于单目图像的三维目标监测的实现主要利用三维模型匹配、深度估计网络等算法去回归目标的三维几何信息［24］。 激光点云数据相比视觉数据具有准确的深度信息，三维空间特征明显，其缺点是数据稀疏时提供的有效空间特征不足［24］，不能准确监测目标位置。 目前针对激光点云的三维目标监测算法为三维空间体素特征法、三维点云投影法，其中三维点云投影法的实现思路是利用坐标维度回归算法，如图4 所示。
图4 三维点云投影法 多视图图像一般使用双目或深度相机采集图像信息，具有较完整的深度图信息。 针对多视图图像的视觉算法的核心是利用图像纹理特征、深度特征等进行多特征融合，具体方法有两种：①采用单目图像与深度图像双通道CNN 融合，如3DOP 监测网络［26］、Stereo R-CNN监测网络［27］；②基于三维空间卷积算法，如TLNet 监测网络［28］，SurfConv 监测网络［29］。 5 大数据平台在黄河流域生态保护中的应用5.1 大数据平台专题应用生态保护监测专题，通过大数据平台监测了解黄河流域水利、土壤、气象、植物、动物、微生物等数据信息，包括这些数据的历史演变情况，从而找到符合生态规律的保护及修复措施，构建黄河流域生命共同体，如图5 所示。
图5 大数据平台生态保护监测专题 此外，空天地一体化大数据平台还有7 个专题：①水土保持专题，运用各种措施防治水土流失，保护、改良和合理利用水土资源，建立良好生态环境；②污染治理专题，通过监控工业、城镇生活、农业面源及尾矿库等4 类污染源，对水质做到监控、预测、预警；③防汛预警专题，通过无人机监测以及降水量的监测数据，实时预警洪涝灾害，以最大程度引水避害，减少人员财产损失；④黄河文化专题，利用卫星遥感技术，监测展示黄河流域游客热衷的区域及游客所在的地理区域，以便提供更好的文化宣传和服务；⑤气象专题，监测黄河两岸气象气候，及时对农业灌溉、引水调度提供干旱预警数据；⑥产业经济专题，智能分析黄河流域九省（区）的GDP 总量、产业构成情况、就业情况、消费支出状况等，依据这些指标为黄河流域经济快速发展提供数据支撑；⑦数字经济专题，通过数字经济一张图，直观掌握黄河流域数字经济产业存活状况、行业数字经济状况、热门投资数字经济产业。 5.2 生态保护模型评估与预测应用模型的建立是为了更好地分析数据，得到隐性的分析结果。 在模型评估方面，大数据平台通过DEAMalmquist 模型，对黄河流域的水资源利用效率进行评价［30］，从DEA 模型上来看，黄河流域水资源的利用效率总体良好，用水效率呈上升趋势；从Malmquist 指数上来看，黄河流域的全要素生产率在波动升高，主要是各个指标在逐渐升高，从而提高水资源利用效率。 其次，构造上级政府、基层河长、公众三方演化博弈的模型［31］，经过模型的求解与演化仿真，证明了三方博弈策略选择行为的演化路径是稳定在均衡点处的策略组合上，来解决黄河流域的违法“四乱”（乱占、乱采、乱堆、乱建）问题。 在模型预测方面，通过构建CNN-LSTM 模型预测小浪底水库出口溶解氧浓度变化，在预测误差上，CNN-LSTM的RMSE 指标和MAE 指标分别比堆叠LSTM 模型低10.43%和19.76%。 大数据平台通过对污染源的生命周期进行管理，快速识别排放异常或者超标数据［14］，通过水质分析、水质预测分析其产生、变化的原因，帮助环保部门动态管理污染源企业，并有针对性地对污染治理提出建议对策。 5.3 生态保护监测评价应用在黄河流域生态保护中，可以运用空天地一体化大数据平台进行监测评价，即进行数据长期监测、自动传输、在线计算和可视化应用。 随着大数据技术的发展，平台承载能力的提升，生态环境的监测也从短期监测向长期监测转变，从单一要素向多维宏观结构、时空协同监测转变［32］，数据平台的建立简化了数据共享流程。 同时，基于物联网传感技术和动态监测，结合遥感技术和地理信息数据，构建多模块的生态保护服务平台，在很大程度上促进了生态环境监测数据的管理、共享和评价。 6 结论与展望本文分析了黄河流域空天地一体化生态大数据的含义和面临的问题，提出黄河流域空天地一体化大数据平台构建的总体框架，通过基础层、采集层、大数据层、分析层、呈现层5 层架构体系的研究，构建了黄河流域空天地一体化大数据平台的总体架构，梳理了建立大数据平台的大数据探测与采集、大数据智能处理技术等关键技术，分析了黄河流域空天地一体化大数据平台在专题展示、模型评估与预测、生态评价等方面的应用。 建立生态环境空天地一体化管理体系，完善综合防汛预警体系，科学分配水资源，加大流域内产业结构优化调整，加速流域内传统产业转型，为黄河流域生态保护和高质量发展做出贡献，是黄河流域空天地一体化大数据平台的最终目的。 然而平台的建设面临的问题也较多，例如：如何协调各行业各部门的利益，把不同领域的跨学科、多源头、多尺度的黄河流域生态数据聚合共享；如何更多地利用人工智能、区块链等关键技术对数据进行信息提取与知识发现；如何更好地利用大数据平台进行生态、生活预警；如何将大数据平台推广应用，最终利于生态、利于人民的社会生活等，都是下一步需要解决的问题。 ［1］ 水利部黄河水利委员会.黄河流域综合规划（2012—2030年）［M］.郑州：黄河水利出版社，2013：1-5. ［2］ 习近平.在黄河流域生态保护和高质量发展座谈会上的讲话［J］.求是，2019（20）：4-11. ［3］ 中共中央，国务院.关于全面加强生态环境保护坚决打好污染防治攻坚战的意见［J］.中华人民共和国国务院公报，2018（19）：7-16. ［4］ 红星杨.政治局集体学习“大数据”［J］.人民周刊，2018（1）：10-11. ［5］ 王军.新一代信息技术促进黄河流域生态保护和高质量发展应用研究［J］.人民黄河，2021，43（3）：6-10. ［6］ 孙中平，申文明，张文国，等.生态环境立体遥感监测大数据顶层设计研究［J］.环境保护，2020，48（增刊2）：56-60. ［7］ 舒田，熊康宁.喀斯特石漠化大数据平台架构和技术初探［J］.贵州师范大学学报（自然科学版），2020，38（4）：18-25. ［8］ 熊丽君，袁明珠，吴建强.大数据技术在生态环境领域的应用综述［J］.生态环境学报，2019，28（12）：2454-2463. ［9］ LIU X，PAN Y，LI N. Big Data Platform of Provincial Key Basin’s Ecological Environment Information［J］.IOP Conference Series： Earth and Environmental Science，2019，295（2）：012073. ［10］ 蔡志洲，袁普金，王森.空天地一体化水土保持监测初探［J］.人民黄河，2018，40（4）：92-95. ［11］ 张毅，贺桂珍，吕永龙，等.我国生态环境大数据建设方案实施及其公开效果评估［J］.生态学报，2019，39（4）：1290-1299. ［12］ 沈学民，承楠，周海波，等.空天地一体化网络技术：探索与展望［J］.物联网学报，2020，4（3）：3-19. ［13］ 赵芬，张丽云，赵苗苗，等.生态环境大数据平台架构和技术初探［J］.生态学杂志，2017，36（3）：824-832. ［14］ 常杪，冯雁，郭培坤，等.环境大数据概念、特征及在环境管理中的应用［J］.中国环境管理，2015，7（6）：26-30. ［15］ JOHNSON A C，DONNACHIE R L，SUMPTER J P，et al.An Alternative Approach to Risk Rank Chemicals on the Threat They Pose to the Aquatic Environment［J］.Science of the Total Environment，2017，599-600：1372-1381. ［16］ 马照亭，刘勇，沈建明，等.智慧城市时空大数据平台建设的问题思考［J］.测绘科学，2019，44（6）：279-284. ［17］ 范明，孟小峰.数据挖掘概念与技术［M］.北京：机械工业出版社，2007：23-60. ［18］ 师艳子，李云松，郑毓轩.国内外卫星遥感数据源综述［J］.卫星与网络，2018（4）：54-58. ［19］ 陈迪，吴文斌，陆苗，等.基于多源数据融合的地表覆盖数据重建研究进展综述［J］.中国农业资源与区划，2016，37（9）：62-70. ［20］ 祁友杰，王琦.多源数据融合算法综述［J］.航天电子对抗，2017，33（6）：37-41. ［21］ 何俊，张彩庆，李小珍，等.面向深度学习的多模态融合技术研究综述［J］.计算机工程，2020，46（5）：1-11. ［22］ 闫晗晗，邢波涛，任璐，等.遥感数据融合技术文献综述［J］.电子测量技术，2018，41（9）：26-36. ［23］ 高志鹏，牛琨，刘杰.面向大数据的分析技术［J］.北京邮电大学学报，2015，38（3）：1-12. ［24］ 李宇杰，李煊鹏，张为公.基于视觉的三维目标检测算法研究综述［J］.计算机工程与应用，2020，56（1）：11-24. ［25］ 沈琦，陈逸伦，刘枢，等.基于两级网络的三维目标检测算法［J］.计算机科学，2020，47（10）：145-150. ［26］ CHEN X Z，KUNDU K，ZHU Y K，et al. 3D Object Proposals Using Stereo Imagery for Accurate Object Class Detection［J］. IEEE Transactions on Pattern Analysis ＆Machine Intelligence，2018，40（5）：1259-1272. ［27］ LI P L，CHEN X Z，SHEN S J. Stereo R-CNN Based 3D Object Detection for Autonomous Driving ［J］. Institute of Electrical and Electronics Engineers，2019，15-20：19263032. ［28］ QIN Z Y，WANG J L，LU Y. Triangulation Learning Network： from Monocular to Stereo 3D Object Detection［J］.Computer Vision and Pattern Recognition，2019，6：1906.01193. ［29］ CHU H，MA W C，KUNDU K，et al. SurfConv： Bridging 3D and 2D Convolution for RGBD Images［J］.Computer Vision and Pattern Recognition，2018，9：1812.01519. ［30］ 买亚宗，孙福丽，石磊，等.基于DEA 的中国工业水资源利用效率评价研究［J］.干旱区资源与环境，2014，28（11）：42-47. ［31］ 岳瑜素，王洁方，卢亚丽.黄河泥沙资源利用合作创新的演化博弈模型［J］.人民黄河，2017，39（1）：21-23，29. ［32］ CAREY C C，WARD N K，FARRELL K J，et al. Enhancing Collaboration Between Ecologists and Computer Scientists： Lessons Learned and Recommendations Forward［J］.Ecosphere，2019，10（5）：5-16. Research on Architecture and Key Technologies of Air-Space-Ground Integrated Big Data Platform Along the Yellow River Basin
|
