基于大数据流水线系统的算法模型整合方法研究——以基于机器学习方法的LiDAR数据树木生物量反演为例
文献类型：期刊论文
| 作者 | 郭学兵1,2; 朱小杰3; 唐新斋1; 杨刚3; 侯艳飞1,2; 何洪林1,2 |
| 刊名 | 数据与计算发展前沿(中英文)
 |
| 出版日期 | 2024-08-20 |
| 卷号 | 6期号:04页码:96-105 |
| 关键词 | 大数据流水线 算法模型集成 激光雷达 机器学习 随机森林 πFlow |
| 产权排序 | 1 |
| 英文摘要 | 【背景】激光雷达（LiDAR）数据在森林资源分析利用方面有着广泛应用，科研人员研制了很多涉及大数据管理和人工智能的专业算法模型，这些算法模型目前多数散落在研究人员手里，尚缺乏新型信息化平台对其进行整合。【方法】大数据流水线系统πFlow软件具有大数据管理能力和大数据算法集成能力，并可以所见即所得方式构建流水线并调度运行流水线，适合于LiDAR数据复杂算法模型的整合，且流水线可定制、可复用。【内容】本文介绍了πFlow的特点和功能，并以基于LiDAR冠层高度模型（CHM）数据的树冠解析及利用机器学习方法估测树木生物量为例，介绍了将算法整合到πFlow并构建LiDAR数据分析处理流水线的方法和技术，且对流水线进行了测试运行。【结果】利用πFlow构建的可重复信息化平台可支撑野外站观测网络的LiDAR数据生物量快速反演，为数据密集型的专业数据处理算法模型的整合提供了创新方法技术。 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/206823]  |
| 专题 | 生态系统网络观测与模拟院重点实验室_中文论文 |
| 通讯作者 | 郭学兵 |
| 作者单位 | 1.中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室 2.国家生态科学数据中心 3.中国科学院计算机网络信息中心 |
| 推荐引用方式 GB/T 7714 | 郭学兵,朱小杰,唐新斋,等. 基于大数据流水线系统的算法模型整合方法研究——以基于机器学习方法的LiDAR数据树木生物量反演为例[J]. 数据与计算发展前沿(中英文),2024,6(04):96-105. |
| APA | 郭学兵,朱小杰,唐新斋,杨刚,侯艳飞,&何洪林.(2024).基于大数据流水线系统的算法模型整合方法研究——以基于机器学习方法的LiDAR数据树木生物量反演为例.数据与计算发展前沿(中英文),6(04),96-105. |
| MLA | 郭学兵,et al."基于大数据流水线系统的算法模型整合方法研究——以基于机器学习方法的LiDAR数据树木生物量反演为例".数据与计算发展前沿(中英文) 6.04(2024):96-105. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。