基于生态足迹的侯马市生态承载力分析

本文通过引入生态足迹模型,在定量的可操作层面针对侯马市生态承载能力进行了分析,并计算了侯马市2000—2005年生态盈亏情况。结果表明,侯马市在2000—2005年期间存在生态赤字情况,其生态环境处于不可持续发展的状态。根据计算,耕地是侯马市生态承载力中贡献作用最大的用地类型,为改善侯马市生态承载力状况,应该加强耕地保护。     

基于面向对象与深度学习的榆树疏林识别方法研究

榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。     

基于深度学习的高时空分辨率降水临近预报方法

降水临近预报在强对流天气监测预警中具有重要地位,对于防灾减灾至关重要。在气象业务中,主要采用雷达回波外推方法解决高时空分辨率的临近预报问题。针对传统雷达回波外推方法中普遍存在的资料信息利用率不足和预报准确率低的问题,利用上海地区多年的高时空分辨率天气雷达探测资料,基于数据驱动的深度学习方法进行雷达回波外推,提出了一种新的降水临近预报模型——SwinAt-UNet模型。该预报模型通过融合UNet模型和Swin Transformer结构捕捉历史天气雷达探测资料中的短期和长期动态变化特征,可以自适应地学习潜在的雷达回波生消演变规律。此外,为提高模型的泛化能力和预报准确率,引入深度可分离卷积和卷积块注意力模块。结果表明：在不同基本反射率阈值下,SwinAt-UNet模型的预报准确率均高于UNet、SmaAt-UNet、TransUNet和AA-TransUNet模型;在45 dBZ的基本反射率阈值下,SwinAt-UNet模型临界成功指数提高了13%,同时在预报时效上具有一定的优越性;SwinAt-UNet模型外推图像具有更加清晰的边缘和细节性纹理,对降水范围、移动方向和强度变化的预测更为准...     

中国水资源生态足迹与生态承载力时空分析

水是生命之源,水资源利用率的高低对国家社会的进步起着举足轻重的作用。运用水资源生态足迹模型和ArcGIS分析了中国1997~2010年水资源生态足迹和生态承载力,结果表明:1997~2010年中国水资源生态足迹总体呈缓慢上升趋势,水资源生态承载力年际差别较大,与降水量有较强的相关性,相关系数达0.93;在分析时间段内,中国水资源呈现生态盈余状态,但空间分布不均,西南地区水资源生态盈余较大,华东、华北和西北部分地区出现生态赤字。此外,人均水资源生态承载力呈波动下降趋势;万元GDP水资源生态足迹呈下降趋势,年均下降率为11.37%。研究结果可以为中国水资源规划与管理提供参考。     

基于时空关联度加权的LSTM短时交通速度预测

提出一种基于时空关联度加权的长短期记忆网络(Long Short-Term Memory,LSTM)短时交通速度预测模型。该模型结合综合动态时间规整(Summation Dynamic Time Warping,SDTW)和拓扑邻接关系设计了一种路段速度序列之间时空关联程度的度量方法,然后基于该度量值对路段速度历史观测值进行加权,进而使用LSTM从加权观测序列中提取路段速度的时空变化特征,实现对短时交通速度的预测。实验表明,交通速度预测模型预测结果相比传统的ARIMA模型、SVR模型以及LSTM模型均有提升,实现了更高精度的速度预测。     

基于深度学习的甘蔗种植区域遥感提取方法研究

文章针对甘蔗种植区域提取的精度和效率等问题,提出了一种基于深度学习的高分辨率卫星遥感提取甘蔗种植区域的方法,设计了一种高效、准确、自动化的卷积神经网络(Sugarcane Extraction Convolutional Neural Network,以下简称SE-CNN).SE-CNN无需人为设计规则,能够自动学习甘...     

基于贝叶斯统计的黄河流域生态文明与共同富裕的时空协同演进研究

鉴于目前关于时空数据的综合评价未能充分考虑时空交互信息,本文提出一种时空动态熵值法,可同时考虑空间、时间和时空交互3个维度的信息熵,采用该方法综合测度了2000—2020年黄河流域地级市尺度的生态文明指数（Ec CI）和共同富裕指数（CoPI）;采用贝叶斯自适应多阶段时空演化模型精细研究了黄河流域EcCI和CoPI时空演进规律,有效识别了二者在研究期内的非线性局部变化趋势;为了能够定量测度黄河流域EcCI和CoPI的时空协同状态,本文提出一种贝叶斯时空协同模型,实现了二者在四类变化组合场景下时空协同状态的有效测度。研究发现,黄河流域EcCI和CoPI的时空演进过程可分为3个时期：2000—2007年（前期）、2008—2015年（中期）和2016—2020年（后期）;EcCI的总体空间格局在后期发生了一定转变,而CoPI则在3期保持了基本稳定,表明CoPI的区域协调难度要高于EcCI;在前期和中期,有少数区域的Ec CI和CoPI出现了降低趋势,但在后期,绝大部分区域的EcCI和CoPI都呈现出增长趋势,相较于EcCI而言,CoPI的增长趋势表现出区域极化特征;在时空协同方面,EcCI...     

基于深度学习的地震与爆破事件自动识别研究

针对天然地震事件、爆破事件分类问题,使用甘肃及周边地区80个天然地震事件和20个爆破事件建立数据集,采取深度学习卷积神经网络(convolutional neural network,CNN)方法搭建两个不同结构的模型进行训练,并用500条训练集之外的天然地震事件与爆破事件波形作为测试数据集,其训练和测试准确率均达到9...     

基于深度学习的钨钼找矿靶区预测方法研究

随着矿产勘查工作由浅部矿向深部隐伏矿、由易识别矿向难识别矿发展,找矿难度日益增大,地质专家越来越重视新理论、新方法、新技术的应用。深度学习作为人工智能的前沿领域/技术,对于实现矿产资源预测“智能化预测评价”具有得天独厚的优势。本文以陕西省镇安县西部钨钼矿集区单元素化探异常原始数据为基础,提出了基于深度学习的钨钼矿产评价方法。该方法以归一化地球化学数据作为模型训练数据,通过深度学习中深度自编码网络方法实现异常值提取进而识别重点成矿有利地段,实现矿产资源找矿远景区定性预测。研究结果表明,在对957条单元素化探异常原始数据分类且做好模型标签后,整个过程在计算机的“黑盒子”中自动完成学习和预测,相较于传统预测研究方法,本文方法具有自动化程度高和客观性强的特征。此外,本文利用已知矿点构建训练数据集,采用随机森林方法对预测区进行矿产资源找矿靶区预测圈定,为进一步缩小找矿靶区范围提供科学依据。     

黄土高原生态退耕的时空分异特征

生态退耕是调整陆地生态系统结构与功能以应对土地利用过度干扰的重要途径之一,因此科学掌握退耕格局与耕地格局演变对黄土高原生态环境治理与生态修复具有深远意义。本文以位于黄土高原的延安市为典型区,从生态退耕的整体特征、地形因素及区域差异等角度,探究生态退耕以来其耕地变化及退耕状况的空间分异特征。结果表明：生态退耕致使延安市耕地面积由2000年的11 752.80 km²减少为2013年的9149.93 km²,退耕面积为2756.85 km²,退耕指数为22.15%,且退耕耕地主要转化为林地、草地,占退耕面积的95.29%;耕地与退耕面积主要分布于6~15°、15~25°坡度及第II级（925~1115 m）、第III级（1115~1275 m）,且2005-2013年的生态退耕速率均高于2000-2005年的生态退耕速率;县域退耕面积及退耕程度均呈现由北向南依次递减的分异特征,而退耕重心与耕地重心均在延安市几何中心以北的安塞县与宝塔区边界,且生态退耕的重心由东北向西南方向迁移,耕地重心则由北向南迁移。本文通过对延安市生态退耕的时空分异特征分析可为黄土高原更加科学合理地推进生态保育与生态文明建设提供参考。     

基于时空多图卷积网络的网约车乘客需求预测

随着智能手机的普及,网约车成为常用的出行替代方式。网约车运营平台因此成为智能交通系统的主要组成部分,在满足公众出行需求中发挥重要作用。乘客需求预测是网约车系统需要解决的核心问题,现有文献中提出的模型忽略了长期时间相关性及多种空间相关性,本文针对现有研究成果存在的局限性,在充分考虑网约车乘客出行需求时空相关独特性的基础上,提出一种融合全局特征的时空多图卷积网络(Spatio-Temporal Multi-Graph Convolutional Network Fused With Global Features,GST-MGCN)模型。该模型遵循临近性、周期性和趋势性(Closeness, Period and Trend,CPT)范式,利用时序信息拟合时间依赖关系;通过识别多种空间语义相关性构建对应的关系图结构、建立多图卷积模型;模型中的全局特征融合模块,使用门控融合和总和融合方法分别捕捉乘客需求的突变和渐变。以海口市数据集为样本的实验结果表明,本文提出的GSTMGCN模型MAE、RMSE和MAPE指标的值分别是2.269、3.917、21.447,优于其他同类主流模型。本研究证明提出...     

基于深度全连接神经网络的大坝变形预测研究

将深度全连接神经网络引入大坝变形预测领域,结合大坝多源监测数据的训练样本,建立基于深度全连接神经网络的大坝变形预测模型.利用几种常见的深度优化学习算法对模型进行优化训练,通过对比各损失函数的变化曲线选取最优学习算法,进一步构建基于最优学习算法的深度全连接神经网络大坝变形预测模型;最后结合大坝多源监测数据的测试样本对模型...     

基于浮动车数据的城市道路通行能力时空特征分析

针对城市道路通行能力定量度量指标,提出基于浮动车数据的道路基本通行能力评估方法;以道路通行能力指标来分析深圳市道路网通行能力的时空分异规律,结论如下：城市道路通行能力具有明显的时变特征和空间分布的不均衡性;各行政区域通行能力在工作日变化平缓,在休息日出现午高峰;通行能力余量无论在工作日和休息日都浮动较大,并在休息日中午显著下降;道路通行能力具有明显区域分类现象,人口密度和发展程度较高区域的道路通行能力整体较低,且一天内的变化较小;道路等级对通行能力和通行能力余量影响显著,较高等级道路一天内变化较大,低等级道路则较平稳。     

Underwater Object Recognition Based on Deep Encoding-Decoding Network

Ocean underwater exploration is a part of oceanography that investigates the physical and biological conditions for scientific and commercial purposes. And video technology plays an important role and is extensively applied for underwater environment observation. Different from the conventional methods, video technology explores the underwater ecosystem continuously and non-invasively. However, due to the scattering and attenuation of light transport in the water, complex noise distribution and lowlight condition cause challenges for underwater video applications including object detection and recognition. In this paper, we propose a new deep encoding-decoding convolutional architecture for underwater object recognition. It uses the deep encoding-decoding network for extracting the discriminative features from the noisy low-light underwater images. To create the deconvolutional layers for classification, we apply the deconvolution kernel with a matched feature map, instead of full connection, to solve the problem of dimension disaster and low accuracy. Moreover, we introduce data augmentation and transfer learning technologies to solve the problem of data starvation. For experiments, we investigated the public datasets with our proposed method and the state-of-the-art methods. The results show that our work achieves significant accuracy. This work provides new underwater technologies applied for ocean exploration.     

山东省文登市生态足迹评价

以山东省文登市2005年统计年鉴数据为依据,对其生态足迹和生态承载力进行了计算。结果显示:2005年文登市人均生态足迹为4.554 5hm2,人均生态承载力为0.626 9 hm2,人均生态足迹赤字为3.927 6 hm2。反映出该市的生产、生活强度超过了生态系统的承载能力,生态系统处于过度开发利用状态。     

基于生态空间胁迫的大都市区增长情景模拟

大都市区增长是当前中国城镇化发展的一种主要模式,如何确定其最佳空间增长形态是新型城镇化关注的重要内容之一。本研究立足于未来“生态城市”建设理念,从自然资源生态敏感性和城市发展适宜性角度构建双重约束条件,利用元胞自动机模型构建了生态空间胁迫下的城市增长过程模拟框架,探讨了边缘性增长、生态性增长与协调性增长3种发展模式,并从建设适宜性、生态安全性与斑块紧凑性等角度构建评价指标对模拟方案进行定量化对比。最后,以长江中游城市群的南昌大都市区进行实例应用,结果表明,协调性空间增长模式能最大程度降低城市建设对生态安全空间的侵蚀,大都市区在制定城市增长边界等空间政策时宜参考此种发展模式,基于生态空间胁迫分析的城市增长过程建模是一种有用的规划决策情景分析工具。     

基于时空域的全空间数字世界时空对象组织与管理研究

全空间数字世界是在计算机系统中由描述现实/虚拟世界各种实体与要素的时空对象数据所构成的综合数据体,是一种对从宏观到微观的现实/虚拟世界的对象化数据描述。传统GIS对地理空间数据的分块与分层管理方法,无法满足全空间数字世界中复杂、动态、关联的时空对象组织与管理的需要,因此,本文研究提出了一种基于时空域的全空间时空对象组织与管理方法。在分析了全空间数字世界的概念、内容和特点的基础上,提出了时空域的基本概念,明确了时空域的数据组织方式和本质特性;建立了面向时空域的子时空域、时空对象类、对象关系类和时空域时空对象生命周期序列的时空对象数据组织体系和管理方法,并进行了时空域数据的存储与管理实验,验证了基于时空域的全空间时空对象组织与管理方式在管理全空间数字世界中的实用性和可行性,为后续示范应用场景中时空对象的生成与处理、检查与校验、可视化与输出提供底层支撑。