摘要：为了探索高效且能大区域应用的基岩填图方式,本文整合水系沉积物地球化学数据和局部空间Moran’s I指数、高程、坡度、坡向变率、高磁、断层、矿点、水系等多元地学数据作为附加特征,采用浅层机器学习决策树及其Bagging和Boosting集成算法,以及深度学习的图卷积网络,分别训练了不同的基岩判别模型。结果表明,相比浅层机器学习的决策树及其集成算法,深度学习的图卷积神经网络基岩判别模型仅使用20%带标签数据就获得了最高的78.31%判别精度。应用基于图卷积网络的基岩类型判别模型对察汗乌苏河地区第四系覆盖物下伏基岩填图,预测结果与其周边基岩类型协调一致,该模型可用来探究更全面的区域基岩分布情况。

摘要：为了探索高效的第四系覆盖及露头较少区域的基岩智能填图方法,应用图卷积网络(GCN)对青海省察汗乌苏河地区水系沉积物地球化学采样的下伏基岩进行分类。基于Delaunay三角化采样点被组织为一个地形加权的有向图来表达水系沉积物地球化学采样点之间的河流上下游关系。实验结果表明:半监督的GCN模型仅使用了20%的采样点标签,分类精度达到68.20%(10类基岩)和78.31%(5类基岩)。该方法能有效利用水系沉积物地球化学采样中的元素含量进行基岩填图,且能提高基岩填图的效率并能进行大面积应用。

摘要：生态风险是指在一定区域内,具有不确定性的事故或灾害对生态系统及其组分可能产生的作用。基于风险表征=风险源表征×暴露表征×生态效应表征理论框架模型,综合多风险源、风险暴露性、风险效应3方面因素,建立湖南省域生态风险评价指标体系;利用主成分分析法和地理信息系统技术,构建生态风险综合评价模型;计算综合生态风险值并识别湖南省域11个生态风险高发区,对高风险区的风险情况进行分析。研究成果可为湖南省生态风险管理提供理论和技术支持。