海南省连片贫困地区农户致贫风险分析

农村贫困与减贫是世界性难题,也是中国各级政府高度重视并着力解决的重大民生问题。基于农户及致贫风险的文献梳理,从区位、社会和劳动力3个要素维度构建了农户致贫风险分析的二元Logistic回归模型。采用484户农户问卷调查数据,分析了海南省连片贫困地区农户的致贫风险,提出有效减贫和持续发展对策。研究发现:① 海南连片贫困地区生态环境良好但贫困发生率较高,家庭劳动力较充裕但受教育水平较低,子女教育支出负担重,因病因残致贫比例较高,女性务工人口较多,农户自身脱贫致富的发展动力不足。② 海拔高度200 m以下、男性户主、拥有残疾或患病成员、务工人口比例低、女性务工人员占比高、以及单位劳动力供养学生数高的农户具有更大的致贫风险。③ 研究未发现女性户主、少数民族、低受教育水平户主、大型规模家庭有更高的致贫风险,女性成员比例、抚养比等因素对农户贫困影响较小。激发农户内生动力、大力发展特色化和规模化农业、增加农户就业机会、加强针对农民工、女性务工人员和病残群体的社会保障等减贫政策制定实施是实现脱贫攻坚目标的重要途径。     

乡村生产空间系统演化的逻辑认知及数理表达

乡村生产空间系统健康有序运行是实施乡村振兴、营建人与自然和谐共生的物质基础和载体,精准控制系统由低级有序向高级有序发展是关键。综合社会学、哲学、系统学和地理学等多学科理论,建构乡村生产空间系统演化的逻辑认知概念模型,对其演化的逻辑起点（人地关系）、逻辑顺序（时间、空间和流三维分析）以及流驱动机理进行质性研究,探寻乡村生产空间系统演化的内在本质;借鉴耗散结构理论和熵变理论,构建乡村生产空间系统演化熵变模型并作出相关释义,为研究人地关系系统演化提供思路,以丰富和拓展乡村地理学的理论。     

土地利用视角下城市交通事故驱动机理的研究进展

城镇化与机动交通的快速发展,引发了城市土地利用与交通系统的重塑,导致城市交通安全问题日益严峻。为了优化土地利用布局并改善交通安全,需要从土地利用视角开展交通事故的驱动机理研究。国内外该方面研究形成了以交通流量和交通速度为主要中介因素联系土地利用与交通事故的经典理论框架,却忽略了源于土地利用并深刻影响交通安全的交通需求因素,导致缺乏“土地利用—交通需求—交通事故”完整路径链的研究。论文通过综述该领域文献,在归纳总结城市交通事故影响因素的基础上,揭示土地利用视角下交通事故的驱动机理并探讨未来研究方向。研究指出,土地利用的多维属性特征对交通事故具有重要影响,土地利用与交通系统的动态匹配关系及其对出行行为的影响是揭示交通事故驱动机理的关键突破口,对于构建交通安全导向的城市土地利用模式具有重要的理论与实践意义。     

Salinivibrio sp.YH4胞外丝氨酸蛋白酶EYHS耐盐性及生物信息学分析

摘要：目的 探讨菌株Salinivibrio sp.YH4分泌的丝氨酸蛋白酶EYHS的耐盐性及结构特征。方法 明胶底物酶谱法分析EYHS的耐盐性。应用生物信息学手段对EYHS及6种耐盐的S8家族丝氨酸蛋白酶结构特征进行分析。结果 EYHS在4 mol/L的NaCl溶液中仍具有活性,属于耐盐蛋白酶。EYHS及6种S8家族丝氨酸蛋白酶分子表面的loop区等无规则卷曲所占比例较高,α-螺旋与β-片层则主要位于酶分子内部。EYHS分子表面酸性氨基酸含量较高,且具有弱疏水内核。多序列比对发现蛋白酶的催化三联体两侧存在高度保守的基序和保守的极性氨基酸及芳香族氨基酸,并存在多个保守的Gly与Ala。同源模建和表面电荷分布显示,α螺旋和β片层围成了蛋白酶的催化腔,EYHS活性中心包含由Asp32、His65与Ser215组成的催化三联体,且催化位点区域表面静电势为负。结论 上述结构特征可能有助于耐盐丝氨酸蛋白酶EYHS在高盐环境下维持其稳定性和适度柔性,并有助于其催化功能的发挥,为深入研究耐盐丝氨酸蛋白酶的高盐环境适应性提供了一定的理论依据。     

Population,urbanization and economic scenarios over the Belt and Road region under the Shared Socioeconomic Pathways

The countries throughout the Belt and Road region account for more than 60% of the world's population and half of the global economy. Future changes in this area will have significant influences on the global economic growth, industrial structure and resource allocation. In this study, the proportion of the urban population to the total population and the gross domestic product were used to represent the levels of urbanization and economic development, respectively. The population, urbanization and economic levels of the Belt and Road countries for 2020–2050 were projected under the framework of the IPCC's shared socioeconomic pathways(SSPs), and the following conclusions are drawn.(1) The population, urbanization and economic levels in the Belt and Road region will likely increase under all five pathways. The population will increase by 2%–8%/10 a during 2020–2050 and reach 5.0–6.0 billion in 2050. Meanwhile, the urbanization rate will increase by 1.4%–7.5%/10 a and reach 49%–75%. The GDP will increase by 17%–34%/10 a and reach 134–243 trillion USD.(2) Large differences will appear under different scenarios. The SSP1 and SSP5 pathways demonstrate relatively high urbanization and economic levels, but the population size is comparatively smaller; SSP3 shows the opposite trend. Meanwhile, the economy develops slowly under SSP4, but it has a relatively high urbanization level, while SSP2 exhibits an intermediate trend.(3) In 2050, the population will increase relative to 2016 in most countries, and population size in the fastest growing country in Central Asia and the Middle East countries will be more than double. Urbanization will develop rapidly in South Asia, West Asia and Central Asia, and will increase by more than 150% in the fastest growing countries. The economy will grow fastest in South Asia, Southeast Asia and West Asia, and increase by more than 10 times in some counties with rapid economic development.     

Analysis of Spatial–Temporal Evolution of Mining-Induced Fracture Field: A Case Study Using Image Processing in the Shaqu Coal Mine,China

Natural Resources Research - Mining-induced fracture plays a key role in gas drainage for gas burst-prone underground coal mines, especially for closely multilayered coal seams. The layout and...     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。     

FY-3D/MERSI-II全球火点监测产品及其应用

FY-3D/MERSI-II全球火点监测产品主要包括全球范围内的火点位置、亚像元火点面积和火点强度等信息,可用于实时监测全球范围的森林草原火灾、秸秆焚烧等生物质燃烧状况。火点判识算法主要根据中红外通道对高温热源的敏感特性,即含有火点的中红外通道像元辐亮度和亮温较远红外通道的辐亮度和亮温偏高,同时较周边非火点的中红外像元偏高,建立合适的阈值可探测含有火点的像元。亚像元火点面积估算主要使用中红外单通道估算,根据亚像元火点面积估算结果对火点强度进行分级,不同的级别表示不同程度的火点辐射强度。基于全球火点自动判识结果,每日生成0.01°分辨率的卫星遥感日全球火点产品,每月生产0.25°×0.25°格点的全球月火点密度图。在利用FY-3D/MERSI-II火点产品开展的全球火点监测应用中,对多起全球重大野火事件进行了监测,为防灾减灾、全球气候变化研究、生态环境保护等方面提供卫星遥感信息支持。     

复杂卫星图像中的小目标船舶识别

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。