陸地生態(tài)系統(tǒng)生境信息感知技術(shù)研究進(jìn)展

陳永明等

摘要：研究陸地生態(tài)系統(tǒng)生境信息感知技術(shù)，對于分析陸地生物生存環(huán)境和預(yù)測陸地生態(tài)系統(tǒng)生境變化具有重要意義。介紹了傳統(tǒng)的基于視域和認(rèn)知域的陸地生態(tài)系統(tǒng)生境信息感知技術(shù)研究現(xiàn)狀，綜述了近期探索性的視域與認(rèn)知域關(guān)聯(lián)的陸地生態(tài)系統(tǒng)生境感知技術(shù)研究現(xiàn)狀，探討了前沿的跨媒體感知技術(shù)被用于陸地生態(tài)系統(tǒng)生境信息交互感知研究的可行性，分析了上述相關(guān)感知技術(shù)存在的局限性，對陸地生態(tài)系統(tǒng)生境信息感知關(guān)鍵技術(shù)研究進(jìn)行了展望。

關(guān)鍵詞：陸地生態(tài)系統(tǒng)；生境信息；感知技術(shù)

中圖分類號：Q948 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2015）17-4117-05

DOI：10.14088/j.cnki.issn0439-8114.2015.17.002

陸地生態(tài)系統(tǒng)為人類以及其他大量生物創(chuàng)造了生存條件和提供了物質(zhì)基礎(chǔ)，陸地生態(tài)環(huán)境也成為人類和其他大量生物主要賴以生存的生態(tài)環(huán)境[1-3]。然而，目前陸地生態(tài)系統(tǒng)卻不斷遭到破壞，例如：過度砍伐森林資源，過度草場放牧，不合理的工業(yè)、城市布局和用地，這些行為導(dǎo)致全球植被面積劇烈減少，許多天然綠色植物和生物物種大量消失，各地區(qū)不斷出現(xiàn)極端厄爾尼諾現(xiàn)象，生物系統(tǒng)的多樣性和生態(tài)系統(tǒng)的平衡被嚴(yán)重破壞，全球氣候變暖、水旱災(zāi)害頻發(fā)，進(jìn)一步引發(fā)全球性的陸地生態(tài)系統(tǒng)的退化和區(qū)域性變異等現(xiàn)象，這些現(xiàn)象都已經(jīng)嚴(yán)重威脅到人類和其他各種陸地生物的生存[4-6]。

這些問題的產(chǎn)生很大程度上是由于陸地生態(tài)系統(tǒng)生境的多樣性和復(fù)雜性，導(dǎo)致人們無法宏觀準(zhǔn)確理解陸地生態(tài)系統(tǒng)生境所處的各種狀態(tài)及內(nèi)部成分相互作用機(jī)制，無法清晰地認(rèn)識自身在進(jìn)行陸地生態(tài)資源利用過程中過度的行為帶來的破壞性影響。陸地生態(tài)系統(tǒng)生境信息交互感知研究為解決這一問題提供了一種新的途徑，該研究可以被用于深入理解陸地生態(tài)系統(tǒng)變化和其內(nèi)部成分作用機(jī)理，進(jìn)而可以被用于解釋和預(yù)測生態(tài)環(huán)境變化，估計生態(tài)系統(tǒng)產(chǎn)生的價值，進(jìn)而指導(dǎo)人類合理利用陸地生態(tài)資源，從而保護(hù)陸地生態(tài)系統(tǒng)。由此可見，這項(xiàng)研究工作的展開，將對維持陸地生態(tài)系統(tǒng)平衡，保持陸地生態(tài)系統(tǒng)可持續(xù)發(fā)展，保護(hù)人類和其他大量生物賴以生存的環(huán)境起重要的作用，因此研究具有重要的現(xiàn)實(shí)意義[7-11]。

1 國內(nèi)外研究現(xiàn)狀

1.1 基于視域的感知研究

基于視域的陸地生態(tài)系統(tǒng)生境信息感知主要借助于衛(wèi)星、飛行器、雷達(dá)等的裝備捕獲大范圍陸地生態(tài)系統(tǒng)影像，宏觀上感知陸地上各種地形、植物等的形態(tài)與分布。

目前，基于視域的陸地生態(tài)系統(tǒng)生境感知仍然是國際學(xué)術(shù)社會研究的重點(diǎn)：龐立東等[12]結(jié)合遙感影像信息和地理圖件建立草原區(qū)景觀生態(tài)分類模型，并用來判別西烏珠穆沁草原生態(tài)系統(tǒng)景觀類型。楊浩等[13]利用雷達(dá)極化指數(shù)監(jiān)測小麥倒伏的方法，并使用內(nèi)蒙古額爾古納市上庫力農(nóng)場春小麥抽穗灌漿期的數(shù)據(jù)對提出方法進(jìn)行驗(yàn)證，結(jié)果表明該方法能有效辨識和監(jiān)測小麥倒伏狀況。Johansen等[14]使用QuickBird衛(wèi)星影像數(shù)據(jù)光譜和紋理來感知河岸及其周邊的森林生態(tài)系統(tǒng)植被結(jié)構(gòu)狀態(tài)。Mathieu等[15]結(jié)合用面向?qū)ο蠓诸惙椒ê统叻直媛识喙庾VIkonons影像來了解新西蘭達(dá)尼爾城市生態(tài)系統(tǒng)特征和園林生態(tài)系統(tǒng)的多樣性。Antonarakis等[16]利用遙感技術(shù)和波形激光雷達(dá)對森林冠層結(jié)構(gòu)和組成空間進(jìn)行綜合估計，可以提高陸地生態(tài)環(huán)境模型碳通量預(yù)測的準(zhǔn)確度。

從上述相關(guān)的研究中可以看出，基于視域的陸地生態(tài)系統(tǒng)感知技術(shù)宏觀上探測了陸地生態(tài)系統(tǒng)的各種狀態(tài)與變化屬性，一定程度上揭示了陸地生態(tài)系統(tǒng)內(nèi)部成分之間的關(guān)聯(lián)性，但要從影像中獲取有效信息還必須借助圖像處理、模式識別、機(jī)器學(xué)習(xí)等其他學(xué)科的知識才能實(shí)現(xiàn)，然而目前的這些計算技術(shù)手段受本身發(fā)展的限制，還無法將圖像中有效信息完整表達(dá)。另外，圖像數(shù)據(jù)往往反映陸地生態(tài)系統(tǒng)生境的具體形態(tài)，而具體形態(tài)無法揭示物理細(xì)節(jié)成分之間相互作用機(jī)理，因此要全面認(rèn)識陸地生態(tài)系統(tǒng)還必須借助其他技術(shù)手段。

1.2 基于認(rèn)知域的感知研究

多數(shù)時刻所描述的生態(tài)系統(tǒng)內(nèi)部成分之間聯(lián)系的有效手段是借助語料知識表達(dá)，針對此項(xiàng)研究，國內(nèi)外學(xué)者也積極開展了相關(guān)研究：文健等[17]將生物類文檔用本體庫中的概率來表達(dá)，數(shù)據(jù)集的主題用聚類結(jié)果的輸出表示，并用期望最大化算法計算主題產(chǎn)生項(xiàng)的概率實(shí)現(xiàn)生物文獻(xiàn)檢索。孫敏等[18]利用模糊數(shù)學(xué)和評估學(xué)中多比例法將診斷知識數(shù)值化，將“對象-屬性-值三元組法”與產(chǎn)生式規(guī)則相結(jié)合對知識推理模型進(jìn)行了優(yōu)化，最終實(shí)現(xiàn)對果菜病害診斷知識有效表達(dá)。陳葉旺等[19]通過獲取用戶輸入的農(nóng)業(yè)信息語言，計算詞匯與本體知識之間的關(guān)聯(lián)程度建立詞匯到知識的映射關(guān)系，實(shí)現(xiàn)本體知識與數(shù)據(jù)庫文檔關(guān)聯(lián)，從而實(shí)現(xiàn)基于文檔的農(nóng)業(yè)信息感知。陳燕紅等[20]提出一種基于隨機(jī)索引語義空間和隱語義空間的農(nóng)業(yè)信息檢索模型，實(shí)驗(yàn)使用了120萬張中文網(wǎng)頁和2 000張分為4類的小規(guī)模中文農(nóng)業(yè)網(wǎng)頁進(jìn)行了驗(yàn)證。Sun等[21]研究了知識表示和描述、知識鏈、知識轉(zhuǎn)化的方法和知識檢索和集成的關(guān)鍵技術(shù)，建立了農(nóng)業(yè)知識語義檢索原型系統(tǒng)。Chen[22]用實(shí)現(xiàn)了農(nóng)業(yè)知識本體庫語義標(biāo)注、推理和檢索，并給出了知識表示和評估，建立的系統(tǒng)和框架可以用于管理農(nóng)業(yè)本體論知識。Zeng等[23]針對性解決農(nóng)業(yè)生產(chǎn)的問題，建立了自動知識問答推薦系統(tǒng)，在一定程度上可以針對農(nóng)民知識問題進(jìn)行解答。

從上述的基于自然語言處理的陸地生態(tài)系統(tǒng)語義信息的相關(guān)研究中可以看出，通過借助自然語言處理算法和機(jī)器學(xué)習(xí)相關(guān)算法構(gòu)成的智能系統(tǒng)，實(shí)現(xiàn)了生態(tài)系統(tǒng)文檔知識自動推理和分類功能，但目前該項(xiàng)研究主要還是遵循進(jìn)行文本特征提取、文本建模和文本分類識別的研究方向。陸地生態(tài)系統(tǒng)知識表達(dá)雖然在一定程度上對生態(tài)系統(tǒng)特征進(jìn)行了補(bǔ)充，但是目前并沒有將文本特征與其他生態(tài)特征交互使用，研究手段與研究領(lǐng)域相對還比較單一。

1.3 視域與認(rèn)知域關(guān)聯(lián)感知研究

目前，國際上使用機(jī)器視覺技術(shù)和自然語言處理技術(shù)對陸地生態(tài)系統(tǒng)感知的研究方向基本趨于平行，即兩個研究之間基本沒有建立交集。從圖像和文本提取的特征僅僅輸入自身的模型進(jìn)行推理和分類，沒有實(shí)現(xiàn)信息之間的傳遞和共享。研究方向的單一性使得目前相應(yīng)的研究技術(shù)無法對生態(tài)系統(tǒng)進(jìn)行全面、精準(zhǔn)的表達(dá)。為使生態(tài)系統(tǒng)信息得以最大限度地挖掘和精確地感知，近幾年國內(nèi)外學(xué)者開展了相關(guān)方面的探索性研究，并提出了交互感知的研究設(shè)想（圖1）。

Liu等[24]分析了地理信息空間屬性和非空間屬性的語義關(guān)系，提出了描述地理信息的空間關(guān)系屬性關(guān)系圖，并利用地理本體的生成算法建立地理本體實(shí)例，在大連灣土地利用上進(jìn)行了驗(yàn)證。Zhu等[25]提出了基于用戶需求的遙感圖像檢索系統(tǒng)，建立了用戶的衛(wèi)星圖像和其自然語言描述需求之間的聯(lián)系，自然語言處理和語義推理用于生成的用戶語義需求模型，由本體、規(guī)則和詞典知識數(shù)據(jù)庫開發(fā)出來，以支持自然語言處理和語義推理，從而獲得遙感影像。Liu和Zhu的研究雖然應(yīng)用了自然語言處理獲得圖像信息，但是并沒有交互使用語料特征信息與圖像特征信息，而是利用自然語言得到了陸地生態(tài)系統(tǒng)生境的圖像標(biāo)簽，說明他們的主要研究工作解決的還是自然語言分類問題。Vogel等[26]將自然場景語義建模方法用于基于內(nèi)容的圖像檢索，在圖像局部區(qū)域提取水、巖石或樹葉等的語義概念類，并用這些地方出現(xiàn)的頻率來表示圖像，試驗(yàn)結(jié)果證明該方法適合于異質(zhì)場景類別的語義內(nèi)容建模、圖像分類與檢索。Jamil等[27]介紹使用圖語義相似法訪問和測量自然場景的相似性，該方法是基于語義的概念和邊緣檢測的自適應(yīng)圖像分類，該方法學(xué)習(xí)的語義概念，如水、草、天空和樹木等的概念共生矢量圖像信息，這些信息被用于構(gòu)建圖像，并用連接邊緣之間來解釋相似性。孫顯等[28]將自然場景圖像以語義概率進(jìn)行分解，分別提取每幅圖像的特征進(jìn)行空間金字塔匹配，構(gòu)建包含層次數(shù)據(jù)和語義信息的中間向量，運(yùn)用判別式學(xué)習(xí)方法對語義對象進(jìn)行識別。通過分析Vogel、Jamil和孫顯等的研究工作可以看出：雖然多詞匯語義的概念被運(yùn)用于自然場景圖像的分類研究中，但是這些研究并沒有將圖像特征與文檔特征進(jìn)行交互，而僅僅提取了圖像底層特征，然后根據(jù)底層圖像特征對應(yīng)的詞匯標(biāo)簽進(jìn)行分類，說明他們的研究工作還是在圖像特征識別范疇。

1.4 跨媒體感知研究

雖然國際社會近期已經(jīng)開始探索建立異構(gòu)生態(tài)特征之間的聯(lián)系和合理使用異構(gòu)生態(tài)環(huán)境信息，但受到研究理論體系、研究方法和研究技術(shù)手段等諸多方面的限制，多源異構(gòu)陸地生態(tài)系統(tǒng)生境信息交互感知技術(shù)的研究還處在萌芽狀態(tài)，許多研究工作還無法完全展開。近年來隨著子空間分析技術(shù)、語義關(guān)聯(lián)技術(shù)[11]發(fā)展，建立異構(gòu)感知數(shù)據(jù)之間的聯(lián)系成為了可能，這有助于充分利用異構(gòu)信息，增強(qiáng)對陸地生態(tài)系統(tǒng)生境信息的感知能力。

目前國際上可供借鑒的技術(shù)是先進(jìn)的互聯(lián)網(wǎng)跨媒體檢索技術(shù)?；ヂ?lián)網(wǎng)跨媒體檢索技術(shù)是近幾年發(fā)展起來的一項(xiàng)研究不同模態(tài)多媒體特征之間聯(lián)系和轉(zhuǎn)換的技術(shù)，該研究在互聯(lián)網(wǎng)檢索技術(shù)研究中還是一個較新的研究方向，由于該技術(shù)能提升搜索引擎的理解性能，因而被認(rèn)為是很有價值和前景的研究領(lǐng)域[29-32]，多媒體國際學(xué)術(shù)社區(qū)近期開展了相關(guān)理論和方法方面的探討：胡濤等[33]提出用Ontology方式來組織多媒體信息，并分析音頻和圖像之間的內(nèi)容和語義，在語義層次實(shí)現(xiàn)媒體之間的跨越。楊易等[34]利用多媒體對象的共生關(guān)系信息、不同模態(tài)多媒體對象的互補(bǔ)信息和偽相關(guān)反饋信息來實(shí)現(xiàn)多媒體語義信息的檢索。

典型相關(guān)分析也被運(yùn)用于多媒體檢索技術(shù)的研究，它通過對偶綜合變量之間的相關(guān)性聯(lián)合降維的方法，將不同模態(tài)的數(shù)據(jù)降到相同的維數(shù)關(guān)聯(lián)子空間，然后在恒等子空間內(nèi)直接進(jìn)行信息交互[35，36]；后續(xù)還提出了一些與典型相關(guān)分析組合的模型，如典型相關(guān)分析+高斯混合模型、典型相關(guān)分析+多分類Logistic回歸模型等，來建立不同模態(tài)媒體在語義層面上的聯(lián)系[37，38]。

從上述相關(guān)的互聯(lián)網(wǎng)跨媒體研究中可以看出，語義關(guān)聯(lián)技術(shù)一定程度上建立了互聯(lián)網(wǎng)上異質(zhì)媒體之間的底層特征之間的聯(lián)系，通過建立高層語義映射模型，實(shí)現(xiàn)了異構(gòu)信息在異構(gòu)模型之間的傳遞，從而完成了異構(gòu)媒體之間的交互表達(dá)。

雖然互聯(lián)網(wǎng)異構(gòu)媒體檢索研究技術(shù)和方法為開展多源異構(gòu)陸地生態(tài)系統(tǒng)生境信息交互感知研究開辟了新的研究方向和提供了新的思路，但是目前研究理論基礎(chǔ)不完善，該項(xiàng)研究還僅僅從多媒體檢索實(shí)現(xiàn)的可行性層面上進(jìn)行探討，也沒有針對特定的領(lǐng)域具體對象開展研究，因此相關(guān)的研究方法和技術(shù)路線并不能直接運(yùn)用于陸地生態(tài)系統(tǒng)信息的交互感知研究中，例如，其沒有針對陸地生態(tài)影像特征和生態(tài)語料特征的提取方法，用互聯(lián)網(wǎng)異構(gòu)媒體檢索技術(shù)特征提取方法獲得的影像或語料特征并不能完全表征陸地生態(tài)系統(tǒng)特性，這時必須借助生態(tài)學(xué)相關(guān)知識對提取到的特征進(jìn)行分析和篩選，進(jìn)而才能作為語義抽象模型輸入，否則這些不相關(guān)的特征將會作為噪聲引入系統(tǒng)模型，并且噪聲的影響將會在交互感知中倍增，反而會降低系統(tǒng)的感知性能。

目前，互聯(lián)網(wǎng)異構(gòu)媒體檢索研究技術(shù)在建立子空間映射關(guān)系時，主要還是運(yùn)用典型相關(guān)分析方法建立異構(gòu)媒體之間的語義關(guān)系，只是運(yùn)用了子空間映射的特殊情況，并沒有考慮子空間映射的真實(shí)映射關(guān)系，因此特征在該模型間傳遞的過程中一般存在信息泄露的問題[37-40]，生態(tài)特征信息在其中的傳遞過程中效果如何還無法把握，這都需要進(jìn)一步開展針對性的理論和方法研究才能最終建立合適的感知模型。

2 結(jié)論

第一，傳統(tǒng)的的基于視域或認(rèn)知域的陸地生態(tài)系統(tǒng)感知空間被制約于各自有限的生態(tài)數(shù)據(jù)空間中，信息之間無法交互，因此傳統(tǒng)的感知技術(shù)無法充分揭示陸地生態(tài)系統(tǒng)生境內(nèi)部成分相互成分作用機(jī)理。

第二，近期探索性的視域與認(rèn)知域關(guān)聯(lián)的陸地生態(tài)系統(tǒng)生境感知研究雖然將多詞匯語義的概念運(yùn)用于自然場景圖像的分類研究中，但是這些研究并沒有將圖像特征與文檔特征進(jìn)行交互，而僅僅提取了圖像底層特征，然后根據(jù)底層圖像特征對應(yīng)的詞匯標(biāo)簽進(jìn)行分類，因此他們的研究方法屬于圖像分類范疇，也無法準(zhǔn)確地刻畫陸地生態(tài)系統(tǒng)生境的具體形態(tài)。

第三，目前跨媒體感技術(shù)只是運(yùn)用了子空間映射的特殊情況，并沒有深入探究子空間的映射結(jié)構(gòu)關(guān)系，特征信息在模型間傳遞的過程中容易發(fā)生泄露，陸地生態(tài)特征信息在交互感知模型中傳遞的效果還沒有被驗(yàn)證，交互陸地生態(tài)系統(tǒng)生境信息感知模型還沒有被建立。因此，如何抑制跨媒體感知技術(shù)的異構(gòu)信息傳遞泄露問題，并將改進(jìn)后的跨媒體感知技術(shù)運(yùn)用到陸地生態(tài)系統(tǒng)生境信息感知機(jī)理研究中，提升陸地生態(tài)系統(tǒng)生境信息感知算法的總體性能，是將來陸地生態(tài)系統(tǒng)生境信息感知技術(shù)研究的發(fā)展方向和熱點(diǎn)。

參考文獻(xiàn)：

[1] WARDLE D A， BARDGETT R D， CALLAWAY R M， et al. Terrestrial ecosystem responses to species gains and losses[J]. Science，2011，332（6035）：1273-1277.

[2] 賴日文，劉 健， 汪 琴.閩江流域生態(tài)公益林林型對水源涵養(yǎng)的影響[J].西北農(nóng)林科技大學(xué)學(xué)報（自然科學(xué)版），2014，42（10）：111-118.

[3] YIN R S， YIN G P. Chinas primary programs of terrestrial ecosystem restoration： initiation， implementation，and challenges[J].Environmental Management，2010，45：429-441.

[4] 翟治芬，嚴(yán)昌榮，張建華.氣候變化背景下農(nóng)業(yè)技術(shù)適宜性研究[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2015（1）：185-194.

[5] 牛 棟，李正泉，于貴瑞.陸地生態(tài)系統(tǒng)與全球變化的聯(lián)網(wǎng)觀測研究進(jìn)展[J].地球科學(xué)進(jìn)展，2006，21（11）：1119-1206.

[6] RUSTAD L E. The response of terrestrial ecosystems to global climate change： towards an integrated approach[J]. Science of the Total Environment，2008.404（2-3）：222-235.

[7] HEIMANN M， REICHSTEIN M. Terrestrial ecosystem carbon dynamics and climate feedbacks[J]. Nature，2008，451：289-292.

[8] 蘇宏新，馬克平.生物多樣性和生態(tài)系統(tǒng)功能對全球變化的響應(yīng)與適應(yīng)：進(jìn)展與展望[J].自然雜志，2010，32（6）：344-352.

[9] 胡 楠，范玉龍，丁圣彥，等.陸地生態(tài)系統(tǒng)植物功能群研究進(jìn)展[J].生態(tài)學(xué)報，2008，28（7）：3302-3311.

[10] 武建雙，沈振西，張憲洲.藏北高原草地生態(tài)系統(tǒng)研究進(jìn)展[J]. 農(nóng)業(yè)科學(xué)與技術(shù)，2009，10（3）：148-152.

[11] BRENT R， BRUCK J. 2020 computing： can computers help to explain biology[J]. Nature，2006，440：416-417.

[12] 龐立東，劉桂香，劉建強(qiáng).遙感與GIS技術(shù)在草地景觀分類與制圖中的應(yīng)用——以西烏珠穆沁為例[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2010，31（2）：304-309.

[13] 楊 浩，楊貴軍，顧曉鶴，等.小麥倒伏的雷達(dá)極化特征及其遙感監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（7）：1-8.

[14] JOHANSEN K， COOPS C N， GERGEL S E， et al. Application of high spatial resolution satellite imagery for riparian and forest ecosystem classification[J]. Remote Sensing of Environment， 2007， 110： 29-44.

[15] MATHIEU R， FREEMAN C， ARYAL J. Mapping private gardens in urban areas using object-oriented techniques and very high-resolution satellite imagery[J]. Landscape and Urban Planning， 2007， 81： 179-192.

[16] ANTONARAKIS A S， MUNGER J W， MOORCROFT P R. Imaging spectroscopy and Lidar-derived estimates of canopy composition and structure to improve predictions of forest carbon fluxes and ecosystem dynamics[J]. Geophysical Research Letters，2014，DOI：10.1002/2013GL058373.

[17] 文 健，李舟軍.基于聚類語言模型的生物文獻(xiàn)檢索技術(shù)研究[J].中文信息學(xué)報，2008，22（1）：61-66.

[18] 孫 敏，羅衛(wèi)紅，相 林，等.設(shè)施果菜病害診斷的知識表達(dá)與推理模型[J].農(nóng)業(yè)工程學(xué)報，2012，28（17）：149-156

[19] 陳葉旺，李海波，余金山. 一種基于農(nóng)業(yè)領(lǐng)域本體的語義檢索模型[J].華僑大學(xué)學(xué)報（自然科學(xué)版），2012，33（1）： 27-32.

[20] 陳燕紅，張?zhí)t，馮向萍，等.基于雙重語義空間的農(nóng)業(yè)信息檢索模型研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報，2012，35（3）：253-258.

[21] SUN X， ZHU H J， GU J Q， et al. Research on the semantic web-based technology of knowledge integration for agricultural production[A]. CHEN Y X. Proceedings of the 6th International Conference on Fuzzy Systems and Knowledge Discovery[C]. LOS ALAMITOS：IEEE Computer Scoiety，2009. 361-366.

[22] CHEN H Y. Study of agricultural knowledge service system model based on semantic web[A]. ZHOU Q H. International Forum on Information Technology and Applications[C]. LOS ALAMITOS： IEEE Computer Scoiety，2010， 1： 381-383.

[23] ZENG Q， LIANG Z， NI W， et al. OAPRS： An Online Agriculture Prescription Recommendation System[M]. Berlin： Springer， 2014.

[24] LIU W， GU H H， PENG C M， et al. Ontology-based retrieval of geographic information[A]. LIU Y. Proceedings of the 18th International Conference on Geoinformatics[C]. LOS ALAMITOS： IEEE Computer Scoiety. 2010. 1-6.

[25] ZHU X Y， LI M， GUO W， et al. Semantic-based user demand modeling for remote sensing images retrieval[A]. MOREIA A. IEEE International Geoscience and Remote Sensing Symposium[C]. LOS ALAMITOS： IEEE Computer Scoiety， 2012.2902-2905.

[26] VOGEL J， SCHIELE B. Semantic modeling of natural scenes for content-based image retrieval[J]. International Journal of Computer Vision， 2007， 72（2）： 133-157.

[27] JAMIL N， KANG S. Natural scene retrieval based on graph semantic similarity for adaptive scene classification[J]. Lecture Notes in Computer Science， 2009， 5796： 676-684.

[28] 孫 顯，付 琨，王宏琦.基于空間語義對象混合學(xué)習(xí)的復(fù)雜圖像場景自動分類方法研究[J].電子與信息學(xué)報，2011，33（2）：347-353.

[29] ALEXANDER G H， MICHAEL G C. Successful approaches in the TREC video retrieval evaluations[A]. SCHULZRINNE H. Proceedings of the 12th Annual ACM International Conference on Multimedia[C]. New York： Association for Computing Machinery，2004.668-675.

[30] DATTA R， JOSHI D， LI J， et al. Image retrieval： ideas， influences， and trends of the new age[J]. ACM Computing Surveys，2008：40（2）：1-60.

[31] LIU J， XU C S， LU H Q. Cross-media retrieval： state-of-the-art and open issues[J]. International Journal Multimedia Intelligence and Security， 2010， 1（1）： 33-52.

[32] 吳 飛，莊越挺.互聯(lián)網(wǎng)跨媒體分析與檢索：理論與算法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2010，22（1）：1-9.

[33] 胡 濤，武港山，任桐煒，等.基于Ontology的跨媒體檢索技術(shù)[J].計算機(jī)工程，2009，35（8）：266-268.

[34] 楊 易，郭同強(qiáng)，莊越挺，等.基于綜合推理的多媒體語義挖掘和跨媒體檢索[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2009， 21（9）：1307-1314.

[35] ZHANG H，MENG F L.Multi-modal correlation modeling and ranking for retrieval[J]. Lecture Notes in Computer Science， 2009， 5879： 637-646.

[36] OHKUSHI H， OGAWA T， HASEYAMA M. Kernel CCA-Based music recommendation according to human motion robust to temporal expansion[A]. MASAO M. International Symposium on Communications and Information Technologies[C]. Los Alamitos：IEEE Computer Scoiety，2010.1030-1034.

[37] RASIWASIA N， MORENO P， VASCONCELOS N. Bridging the gap： query by semantic example[J]. IEEE Transactions on Multimedia， 2007， 9（5）： 923-938.

[38] RASIWASIA N， PEREIRA J C， COVIELLO E， et al. A new approach to cross-modal multimedia retrieval[A]. SCHULZRINNE H. ACM Proceedings of the 18th International Conference on Multimedia[C]. New York： Association for Computing Machinery， 2010.251-260.

[39] CHEN Y M， WANG L， WANG W， et al. Continuum regression for cross-modal multimedia retrieval[A]. ELI S.IEEE International Conference on Image Processing[C]. Los Alamitos： IEEE Computer Scoiety，2012.1949-1952.

[40] RADU I. Augmented reality in education： a meta-review and cross-media analysis[J]. Personal and Ubiquitous Computing， 2014，18（6）：1-11.