英国埃克塞特大学全奖博士招生

埃克塞特大学

2023年机器学习绘制历史上的绿篱损失图

埃克塞特大学｜工程、数学和物理科学学院

导师：Leif Isaksen教授

截止日期：Sunday, April 30, 2023

资助的博士项目（全球学生）

背景介绍

自1945年以来，绿篱的损失尤为明显。即使在1984-1993年间，据说也有多达16万公里的绿篱被毁。绿篱在支持一系列植物、动物和昆虫物种方面发挥着关键作用，包括授粉者。

它们提供了重要的生境连接，并能帮助防止土壤侵蚀。而且，它们还可以通过其生物量和其下的土壤对碳封存和储存做出相当大的贡献。因此，创建绿篱被认为是应对气候变化和自然衰退这双重危机的计划的重要组成部分，同时也是可持续的粮食生产。

绿篱本身也是遗产资产，讲述着土地所有权、划分和管理、社会和政治变化的故事，并与工艺技能、民间传说和传统生态知识等非物质遗产相联系。它们在界定景观特征方面发挥着重要作用，而且在历史上有许多不同地区的独特绿篱传统和风格。因此，取代失去的绿篱通常更有好处--无论是对景观特征还是对避免考古遗迹来说都是如此。

历史上的英国国土测量局（OS）地图通常被用作识别以前绿篱的来源。这些绿篱可以被确定为现存的绿篱，也可以被确定为残存的零散的绿篱，孤立的边界树，或田间树的线性排列。在激光雷达等遥感数据中可能很明显的线性土堤（通常在上面种植绿篱），也可以用来定位以前的绿篱。因此，虽然历史上的OS地图和激光雷达数据在帮助我们了解绿篱损失方面可以发挥关键作用--从而支持绿篱重建的机会--但还不可能在全国范围内分析这些大量的图像--尽管历史景观特征（HLC）和县级的类似活动在某些情况下记录了历史边界损失甚至是独特的绿篱类型。

1978年的乡村调查提供了关于英国绿篱范围和分布的第一个可靠数据。这为我们提供了当前的 "基线"--但这可能只是20世纪初存在的绿篱的一小部分。英国乡村的绿篱到底有多大？它还能有多大的绿篱？

拟议的研究

在国家信托基金先前委托的研究的基础上，利用机器学习绘制历史果园地图，通过将机器学习方法应用于历史地图，是否有可能确定20世纪初英国的绿篱的历史范围？如何通过将机器学习应用于其他数据集（如激光雷达），或将结果与现有的空间数据（如生物调查记录或HLC）相结合来增强这些方法？对20世纪初以来绿篱损失的更多了解，如何能够为我们恢复绿篱的方法提供参考？

拟议的研究将检查两个 "时代 "的OS地图，包括19世纪末或20世纪初，以及20世纪中期，帮助我们将绿篱损失的时间拼凑起来，直到1978年的第一个乡村调查数据，以及现代的绿篱地图。这些绿篱测绘的 "时间片 "将帮助国民信托基金考虑绿篱的存活率是如何随时间变化的，以及它在不同地区和国家的变化。绿篱在不同时期和不同地方的存活情况能告诉我们过去的生境连通性和生物多样性是什么？

拟议的研究将与国民信托基金的年度 "开花 "活动同时进行，随着项目的进展，为传播和参与提供了巨大的潜在受众。这也将支持在使用机器学习的同时嵌入公民科学方法的机会，与群众合作验证和丰富结果，包括通过 "Hoopers规则 "估计绿篱年龄。

关于UKRI环境智能博士培训中心

我们不断变化的环境带来了一系列相互关联的挑战，将影响到每个人未来的健康、安全和繁荣。环境智能（EI）是将环境和可持续发展研究与数据科学、人工智能和尖端数字技术相结合，以提供有意义的洞察力来应对这些挑战并减轻环境变化的影响。

作为2019年推出的16个UKRI AI CDT之一，环境智能CDT为学生提供了一个跨学科的培训课程，涵盖了成为EI领导者所需的一系列技能：

- 分析各种来源的数据所需的计算技能；

- 环境挑战方面的专业知识；

- 对收集、挖掘、共享和解释数据的管理、伦理和潜在社会影响的理解，以及与各种利益相关者沟通和接触的能力。

CDT学生在一起工作和学习，带来了与环境投资相关的一系列学科的知识、技能和兴趣。CDT学生作为一个团队进行培训和专业发展，并定期参加研讨会、座谈会和合作伙伴参与活动，包括年度CDT环境智能大挑战。作为埃克塞特大学研究社区的一部分，CDT学生从与数据科学和人工智能研究所、全球系统研究所以及环境和可持续发展研究所的同事的交流中受益。

转自：“科研doge”微信公众号

如有侵权，请联系本站删除！