大数据背景下技术创新管理的革新探索

大数据时代,人们需要对海量的数据进行分析、处理与应用。大数据技术的发展为数据检索、储存、传输等处理能力的提升提供了技术支持,充分和深入挖掘大数据的价值,为推动技术创新提供帮助。但是,目前大数据应用创新不足,缺乏数据处理人才和核心技术,亟待采取科学、有效的革新对策进行处理。分析了大数据时代的特征和技术革新的必要性,研究大技术创新管理的革新各个要点,希望能够为解决大数据应用困境和推动中国技术创新发展提供一定的帮助。     

关于高校专业技术职务评聘模式的几点思考

改革职称评审制度,推行专业技术职务聘任制,完善高校师资结构的优化管理。本文首先探讨了现行的几种高校专业技术职务评聘模式,然后分析讨论了我校目前采用的评聘模式,以及在实际运行当中采取的有效措施。     

基于大数据的档案管理及挑战

大数据时代背景下,数据开始从原本相对简单的处理对象,转变成基础性资源,形成数字档案,不过由于本身较低的价值密度,使得大数据在管理和使用方面面临着许多新的挑战,要求数据档案管理方式和数据应用模式也必须随之变革。从大数据的概念和特点出发,对大数据档案在一些典型领域中的应用进行了简单分析,并就大数据时代所面对的全新挑战进行了总结。     

遥感植被指数和CASA模型估算山东省冬小麦单产

准确估算区域尺度冬小麦单产对明确区域农业生产现状与保证国家粮食安全有重要意义。光能利用率模型是作物单产估算的常用模型之一,模型中最大光能利用率（ξ_max）是准确估算作物单产的关键参数,作物的ξ_max是否随时间发生变化需要深入探讨。首先使用Savitzky-Golay（S-G）对中分辨率成像光谱仪（MODIS）时序植被指数数据进行滤波,采用差分法结合光谱突变法提取了山东省2000年-2015年冬小麦种植面积,并使用市级尺度年鉴统计面积对提取面积进行验证,然后使用固定ξ_max和变化ξ_max分别驱动光能利用率模型（CASA）,结合作物收获指数与冬小麦种植面积获取山东省2000年-2016年冬小麦单产时空分布特征,探讨最大光能利用率对作物单产模拟的影响。结果表明,滤波后的时序植被指数数据能够反映冬小麦生长的光谱特征,差分法与光谱突变法结合提取冬小麦面积具有较好的普适性,提取的多年冬小麦种植面积与年鉴统计冬小麦播种面积之间的决定系数（R2）达0.71;变化ξ_max情景下模拟的多年冬小麦单产与统计单产之间的决定系数更高,说明冬小麦ξ_max是随时间变化的,可能与冬小麦品种更替有关。基于统计与模拟的结果均显示山东省冬小麦单产在2000年-2016年间呈现增加趋势,两者表现出来的增加速率分别为93.12和149.79 kg·hm-2·a-1。在空间上,山东省冬小麦单产呈现西部高于东部的分布特征。     

黄渤海海域叶绿素a浓度时空特征分布及影响因子分析

本文基于2003-2017年黄渤海海域MODIS卫星遥感数据,利用自组织映射神经网络模型（SOM）研究了叶绿素a浓度（Chl-a）的典型分布模式,分析了Chl-a变化趋势,并利用广义加性模型（Generalized Additive Model ,GAM）研究其与环境因子的关系。结果表明：黄渤海Chl-a存在明显的季节性变化,7月份浓度最低2.41 mg·m-3, 4月份浓度最高3.43 mg·m-3; Chl-a呈现从近海岸海域向深水海盆逐渐降低的变化趋势;将SOM模型提取的典型模式分为清澈、低浓度、中浓度和高浓度模式,这些模式有效地阐明了2003-2017年黄渤海Chl-a在时间上存在春季高,夏季低的变化趋势,Chl-a高值区主要分布在河流的入海口及近海岸;利用GAM模型发现海表温度（SST）、风速（wind）与Chl-a之间存在显著的非线性关系,SST、wind对Chl-a变化的解释率39.3%,SST对Chl-a变化的影响比wind更大;人类活动的增加对黄渤海Chl-a变化也起着重要的作用。