河流地貌知识图谱构建方法与实证研究
文献类型：学位论文
| 作者 | 刘晓璐 |
| 答辩日期 | 2025-05 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 周成虎 |
| 关键词 | 河流地貌 知识体系 知识抽取 知识图谱 青藏高原 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 河流是水资源的重要来源，其作用于地表形成了河流地貌。河流地貌研究对理解地表形态变化，支持水资源管理和灾害防控至关重要，是地理科学中的重要分支。在大数据与人工智能快速发展的背景下，地貌学界也开始思考如何借助现代科技提升现代地貌研究的水平和能力。 目前，河流地貌研究积累了海量的地貌科学数据，但现有河流地貌研究还未形成统一认知，方法也未能充分与人工智能方法结合，一定程度上限制了河流地貌学科的发展。因此，本文从河流地貌学科出发，运用知识图谱技术与方法，形成一个完整的、计算机可操作、可理解的河流地貌知识体系，针对这一过程中面临的系列瓶颈问题开展研究： （1）针对现有地貌学研究中知识碎片化、难以系统化整合的问题，根据现有的知识分类方法和地貌研究基础，结合地貌、河流地貌经典的专著和文献，对河流地貌知识进行梳理与归纳，划分成三类：分类知识、成因知识、地貌单元特征知识；采用知识树的知识表示方法将河流地貌知识三类知识以层次结构化的形式可视化，基于此采用本体的知识表示方法，构建了一个完整的、语义更加丰富的河流地貌知识体系，实现了计算机对河流地貌知识的初步理解，为河流地貌知识的系统化管理和应用奠定了基础。 （2）为解决传统河流地貌信息获取方法效率低、自动化能力弱的问题，本文构建了“双路径”知识抽取体系：一方面，基于大语言模型提出了河流地貌语义知识的自动抽取方法，利用ChatGPT模型配合Python工具，对30篇高被引英文文献进行语义分析，结合已构建知识体系，抽取了约7600条知识三元组，涵盖分类知识、成因知识和特征描述知识，并通过余弦相似度评估验证了其抽取效果和语义一致性；另一方面，针对河流地貌的形态特征信息，设计并实现了基于遥感影像的知识抽取流程，采用融合Sentinel-1与Sentinel-2数据的深度学习模型DIResU-Net，实现了河流形态要素（如湿润宽度、分汊指数、通道密度等）的高精度提取与时序分析。两类知识抽取方法相互补充，分别从文本和图像数据中挖掘结构化知识，为河流地貌知识图谱构建提供了语义与遥感影像双层次的数据支持，也显著提升了知识体系的完整性与智能性。 （3）针对知识图谱在河流地貌中实际应用的问题，提出了以Neo4j图数据库为基础的河流地貌知识图谱构建框架。首先，设计了综合的河流地貌图数据库，包括数据模型设计、本体映射以及河流地貌知识的存储，为知识图谱构建提供了结构化的基础。随后，围绕雅鲁藏布江的相关数据，构建了详尽的节点和关系，表明了其在河流地貌研究与应用中的前景和价值。 本文的研究成果不仅为河流地貌学科提供了一种新的知识管理和应用框架，同时也为其他地学领域的知识图谱构建与应用提供了宝贵的经验和参考。通过结合地理信息科学的前沿技术和方法，推动了地理时空数据挖掘和知识发现的进步，深化了对地球系统的理解，对于促进地学与信息技术的融合发展具有重要意义。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 页码 | 159 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/217325]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 刘晓璐. 河流地貌知识图谱构建方法与实证研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2025. |
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。