#科研进展#【GHG专刊|比较梯度法与涡度相关法观测的玉米地臭氧通量】https://t.cn/A672Jps9
近地层臭氧通量不仅能帮助人们理解臭氧的沉积过程,而且可以更好地评估臭氧对生态系统的影响。涡度相关技术是测量湍流通量最好的方法,但该技术现在还没有被广泛地应用于臭氧通量观测,而梯度法在这方面仍然有一定的应用价值。为了评估梯度法在测量臭氧通量方面的表现,我们利用梯度法和涡度相关技术在玉米地上同时观测了臭氧通量。
本研究主要比较了三种湍流交换系数(K)的计算方法对臭氧通量结果的影响。第一种是传统的空气动力学梯度方法(AG),该方法中K值是直接利用风速和温度梯度来计算的。第二种是AG与涡度相关技术(EC)结合的方法(AGEC),该方法利用一些常规的EC数据来计算K值;第三种是修订波文比方法(MBR),该方法利用显热通量和温度梯度计算K值。同时,我们分析讨论了不同臭氧浓度梯度测量和计算方法对梯度结果的影响。
结果表明:(1)用MBR法计算的K值比用AGEC法计算的K值平均低40%,而AG法计算的K值比用AGEC法得到的K值平均高25%。(2)用MBR法、AGEC法和AG法计算的臭氧通量比用EC法观测的臭氧通量分别低30.4%、高11.7%和高45.6%。AGEC方法计算的臭氧通量最接近EC观测的结果,相对而言是计算K值最好的方法。(3)当用一台臭氧分析仪循环测量两个高度上的臭氧浓度来计算梯度时,必须考虑消除臭氧浓度非同步测量对臭氧梯度的影响。用梯度法估算臭氧通量的准确度与交换系数计算方法有关,而其精度主要取决于臭氧梯度的数据质量。
近地层臭氧通量不仅能帮助人们理解臭氧的沉积过程,而且可以更好地评估臭氧对生态系统的影响。涡度相关技术是测量湍流通量最好的方法,但该技术现在还没有被广泛地应用于臭氧通量观测,而梯度法在这方面仍然有一定的应用价值。为了评估梯度法在测量臭氧通量方面的表现,我们利用梯度法和涡度相关技术在玉米地上同时观测了臭氧通量。
本研究主要比较了三种湍流交换系数(K)的计算方法对臭氧通量结果的影响。第一种是传统的空气动力学梯度方法(AG),该方法中K值是直接利用风速和温度梯度来计算的。第二种是AG与涡度相关技术(EC)结合的方法(AGEC),该方法利用一些常规的EC数据来计算K值;第三种是修订波文比方法(MBR),该方法利用显热通量和温度梯度计算K值。同时,我们分析讨论了不同臭氧浓度梯度测量和计算方法对梯度结果的影响。
结果表明:(1)用MBR法计算的K值比用AGEC法计算的K值平均低40%,而AG法计算的K值比用AGEC法得到的K值平均高25%。(2)用MBR法、AGEC法和AG法计算的臭氧通量比用EC法观测的臭氧通量分别低30.4%、高11.7%和高45.6%。AGEC方法计算的臭氧通量最接近EC观测的结果,相对而言是计算K值最好的方法。(3)当用一台臭氧分析仪循环测量两个高度上的臭氧浓度来计算梯度时,必须考虑消除臭氧浓度非同步测量对臭氧梯度的影响。用梯度法估算臭氧通量的准确度与交换系数计算方法有关,而其精度主要取决于臭氧梯度的数据质量。
【智能医疗影像诊断系统“现实很骨感”】
2017年以来,关于人工智能泡沫的议论纷纷攘攘,知乎上一问题“这一波人工智能泡沫将会怎么破灭?”获广泛关注,其中,禀临科技联合创始人PENG Bo的观点得最高赞同票,他认为,“人工智能有些危险,因为现在变现似乎是个难题。”“目前看来,AI可能并不足以支撑一个独立的公司,它更适合作为其它公司的一个部门,或被其它公司收购。”
许多智能影像一线从业者可能会对其观点深表赞同。科大讯飞智慧医疗事业部医疗影像产品负责人马文君告诉记者,“如今的智能影像很像前几年的互联网医疗,大家一窝蜂进来了,但下一步怎么做,是个问题。”汇医慧影梁恩铨认为,“整体来讲,智能影像诊断真正深入到临床诊断的很少,目前,业内尝试与医生合作做科研或提高效率方面尝试,但要真正提高诊断率,目前还有很大差距。”
动辄可以听到“AI取代医生”“AI的准确率超过医生”的言论,同时“理想很美好,现实很骨感”的感慨频频传来,理想的豪言壮语随处可见,那现实是什么呢?
有人说,21世纪是数据为王的时代;有人将算法比作发动机,数据比作石油;有人则强调行业数据、专家资源和核心技术是打造智能影像缺一不可的三要素。无论怎样强调数据的重要性都不为过,我们且以影像数据为径,智能影像公司的运营为纬,一窥智能影像公司的真实日常。
数据端:保证质量,数量多多益善
尽管我国存在第三方影像中心,但绝大多数的医疗影像数据来源于医院。据悉,大的三甲医院一年产生的影像数据在10T以上。宜远智能CEO吴博称,“单个医院的影像数据存量就很大,每天数百例新增也很常见。”
在医疗信息系统中,PACS系统负责医疗影像采集、数据传输存储以及影像分析、处理,并且不同的PACS系统之间,能以以DICOM国际标准方式对接。
总体来说,医院影像数据多且大都标准化,便于机器阅读,为此,智能医疗影像被业内人认为将率先实现商业化落地。
上海市儿童医院影像科主任杨秀军曾表示,“很多医学影像领域特别适合人工智能/图像识别技术,国内外有很多厂商从事这方面,也做出一些成果。”
吴博告诉记者,对于AI ,影像数据本身具有标准化的优势。不过,数据异常也容易碰到。“以CT为例,有的病人不是躺着而是趴着扫描;有的不是头先进去而是脚先进去;CT长宽512像素或者768像素的差别,不同排数机器的层厚差异以及薄层重构算法,都会影响清晰度。”他补充道,“处理流程只要充分考虑和兼容这些变化情况,原始数据的可用比例还是非常高的。”
对于一个AI系统而言,数据多多益善是有前置条件的,在保证喂养数据质量的情况下,增加数量才有意义。而判断影像数据质量,主要取决于AI公司所打造智能诊断产品的临床目的。除此之外,对于智能影像诊断而言,影像数据需要关联更准确的诊断和后期结果关联,否则垃圾进,垃圾出。
南方医科大学副教授刘再毅曾表示,“我们数据多得不得了,我们影像科每天产生很多数据,但是有多少数据可以用?1%都不到,其中有大量错误信息。”他补充道,“数据规范的问题没有办法管控,临床信息经常有误。”
拿现在很火的肺结节智能诊断为例,对于AI公司来说,有肺结节的影像才是有价值的,“在产生的影像数据中,只有10%或20%的病人有问题,即便如此,并不是所有有病灶的影像数据都能拿来用。”梁恩铨称。而在医院内部,医学影像系统和诊断报告是两个独立的系统,两者并无关联。“用数据训练AI很重要的一点是:需要系统判断一个影像是否有结节,是否有病灶。而医院每天拍出来几百影像,并没有标出来哪里有结节,对于AI公司来说,这就是没有价值的数据。”梁恩铨告诉记者。
2017年以来,关于人工智能泡沫的议论纷纷攘攘,知乎上一问题“这一波人工智能泡沫将会怎么破灭?”获广泛关注,其中,禀临科技联合创始人PENG Bo的观点得最高赞同票,他认为,“人工智能有些危险,因为现在变现似乎是个难题。”“目前看来,AI可能并不足以支撑一个独立的公司,它更适合作为其它公司的一个部门,或被其它公司收购。”
许多智能影像一线从业者可能会对其观点深表赞同。科大讯飞智慧医疗事业部医疗影像产品负责人马文君告诉记者,“如今的智能影像很像前几年的互联网医疗,大家一窝蜂进来了,但下一步怎么做,是个问题。”汇医慧影梁恩铨认为,“整体来讲,智能影像诊断真正深入到临床诊断的很少,目前,业内尝试与医生合作做科研或提高效率方面尝试,但要真正提高诊断率,目前还有很大差距。”
动辄可以听到“AI取代医生”“AI的准确率超过医生”的言论,同时“理想很美好,现实很骨感”的感慨频频传来,理想的豪言壮语随处可见,那现实是什么呢?
有人说,21世纪是数据为王的时代;有人将算法比作发动机,数据比作石油;有人则强调行业数据、专家资源和核心技术是打造智能影像缺一不可的三要素。无论怎样强调数据的重要性都不为过,我们且以影像数据为径,智能影像公司的运营为纬,一窥智能影像公司的真实日常。
数据端:保证质量,数量多多益善
尽管我国存在第三方影像中心,但绝大多数的医疗影像数据来源于医院。据悉,大的三甲医院一年产生的影像数据在10T以上。宜远智能CEO吴博称,“单个医院的影像数据存量就很大,每天数百例新增也很常见。”
在医疗信息系统中,PACS系统负责医疗影像采集、数据传输存储以及影像分析、处理,并且不同的PACS系统之间,能以以DICOM国际标准方式对接。
总体来说,医院影像数据多且大都标准化,便于机器阅读,为此,智能医疗影像被业内人认为将率先实现商业化落地。
上海市儿童医院影像科主任杨秀军曾表示,“很多医学影像领域特别适合人工智能/图像识别技术,国内外有很多厂商从事这方面,也做出一些成果。”
吴博告诉记者,对于AI ,影像数据本身具有标准化的优势。不过,数据异常也容易碰到。“以CT为例,有的病人不是躺着而是趴着扫描;有的不是头先进去而是脚先进去;CT长宽512像素或者768像素的差别,不同排数机器的层厚差异以及薄层重构算法,都会影响清晰度。”他补充道,“处理流程只要充分考虑和兼容这些变化情况,原始数据的可用比例还是非常高的。”
对于一个AI系统而言,数据多多益善是有前置条件的,在保证喂养数据质量的情况下,增加数量才有意义。而判断影像数据质量,主要取决于AI公司所打造智能诊断产品的临床目的。除此之外,对于智能影像诊断而言,影像数据需要关联更准确的诊断和后期结果关联,否则垃圾进,垃圾出。
南方医科大学副教授刘再毅曾表示,“我们数据多得不得了,我们影像科每天产生很多数据,但是有多少数据可以用?1%都不到,其中有大量错误信息。”他补充道,“数据规范的问题没有办法管控,临床信息经常有误。”
拿现在很火的肺结节智能诊断为例,对于AI公司来说,有肺结节的影像才是有价值的,“在产生的影像数据中,只有10%或20%的病人有问题,即便如此,并不是所有有病灶的影像数据都能拿来用。”梁恩铨称。而在医院内部,医学影像系统和诊断报告是两个独立的系统,两者并无关联。“用数据训练AI很重要的一点是:需要系统判断一个影像是否有结节,是否有病灶。而医院每天拍出来几百影像,并没有标出来哪里有结节,对于AI公司来说,这就是没有价值的数据。”梁恩铨告诉记者。
#认知与分析# IBM 商业价值研究院近期发布的《首席数据官指南》报告指出了,谁应该向 CDO 汇报工作。免费下载报告:https://t.cn/RccVaOm
CDO 下属团队的规模从几百人(大多数为负责修复数据质量的数据集成者)到一个人也没有(通常负责合作创新的市场创新者属于这种情况)不等;具体取决于 CDO 的职能范围(见图 6)。
我们发现三分之二的受访 CDO 负责管理数据架构师和业务分析员,而 60% 的受访 CDO 负责管理数据科学家和数据分析员。将近一半的受访 CDO 负责管理数据采集专员或数据管理专员,而 40% 的受访 CDO 负责管理分析能力中心,30% 的受访 CDO 负责管理首席分析官。三分之一的受访 CDO 负责管理数据管理员,作为信息监管计划的一部分。
寻找人才,尤其是具备资质的数据科学家,通常是 CDO 最容易忽视的难题之一。将近 40% 的受访 CDO 认为缺乏技能是他们面临的两大障碍之一,然而计划设立 CDO 职位的企业中,只有 20% 将此看作“拦路虎”。
McGraw-Hill Education 集团的分析与研发副总裁 Alfred Essa 在打造高技能团队方面并没有感到什么困难。他专注于深度分析和数据创新,寻找的是具有强烈好奇心的人才 - 这些人才遇到未解决的问题时会表现得十分兴奋。Essa 相信,寻求杰出分析人才的捷径就是为求职者提供为你的企业效力的充分理由。
“最优秀的人才并不是为财而来,”他说,“他们有自己的使命,希望成就一番事业。需要让他们明白,贵公司是他们施展身手的理想场所,双方能够共同实现伟大成就。”
Essa 强调了形成团队动力和支持总体工作目标的软技能:良好的倾听、可视化和表述能力。“这样的员工能为业务合作伙伴和客户带来极大的鼓励作用,”他解释
CDO 下属团队的规模从几百人(大多数为负责修复数据质量的数据集成者)到一个人也没有(通常负责合作创新的市场创新者属于这种情况)不等;具体取决于 CDO 的职能范围(见图 6)。
我们发现三分之二的受访 CDO 负责管理数据架构师和业务分析员,而 60% 的受访 CDO 负责管理数据科学家和数据分析员。将近一半的受访 CDO 负责管理数据采集专员或数据管理专员,而 40% 的受访 CDO 负责管理分析能力中心,30% 的受访 CDO 负责管理首席分析官。三分之一的受访 CDO 负责管理数据管理员,作为信息监管计划的一部分。
寻找人才,尤其是具备资质的数据科学家,通常是 CDO 最容易忽视的难题之一。将近 40% 的受访 CDO 认为缺乏技能是他们面临的两大障碍之一,然而计划设立 CDO 职位的企业中,只有 20% 将此看作“拦路虎”。
McGraw-Hill Education 集团的分析与研发副总裁 Alfred Essa 在打造高技能团队方面并没有感到什么困难。他专注于深度分析和数据创新,寻找的是具有强烈好奇心的人才 - 这些人才遇到未解决的问题时会表现得十分兴奋。Essa 相信,寻求杰出分析人才的捷径就是为求职者提供为你的企业效力的充分理由。
“最优秀的人才并不是为财而来,”他说,“他们有自己的使命,希望成就一番事业。需要让他们明白,贵公司是他们施展身手的理想场所,双方能够共同实现伟大成就。”
Essa 强调了形成团队动力和支持总体工作目标的软技能:良好的倾听、可视化和表述能力。“这样的员工能为业务合作伙伴和客户带来极大的鼓励作用,”他解释
✋热门推荐