自然地理学创新发展与展望

自然地理学自中国科学院地理科学与资源研究所建立以来一直是立所的核心学科,长期以服务国家重大需求为使命,在综合自然地理、气候、地貌、水文、土壤地理、生物地理、化学地理等各学科领域取得一批重要科技成果和进展,奠定了自然地理各分支学科在国内外的优势,为国家科技创新、区域经济社会可持续发展做出了重要贡献。本文回顾了中国科学院地理科学与资源研究所自然地理学的创新发展历程,总结了自然地理学取得的学术成就与标志性进展,并展望了中国科学院地理科学与资源研究所自然地理学未来发展,提出以陆地表层要素—过程交互作用机制,陆地表层格局动态研究,陆地表层系统过程的综合集成与模拟,陆地表层系统有序人类活动的可持续范式和调控机制为核心的发展战略。     

中印对尼泊尔地缘影响力的演变分析

尼泊尔在地理位置上处于中国和印度包围之中,由于历史原因,其经济、政治、军事等长期受到制约。随着中国“一带一路”倡议的推进和中印近年来领土和国际政治问题的冲突与分歧,尼泊尔正在成为中印新的角力场。本文首先通过构建地缘影响力模型进行演变格局分析与趋势预测,并加入世界环境和区域环境两方面影响因素,运用定性与定量分析结合的方法,预测中、尼、印三国未来战略行动方向。综合以上分析发现：1）2000年—2016年,中国对尼泊尔地缘影响力较于印度对于尼泊尔地缘影响力上升趋势明显,预计在2022年至2023年中、印对尼泊尔地缘影响力达到平衡。2）硬实力是中国对尼泊尔地缘影响力上升的关键因素;软实力和交流互动力是未来中国增强在尼泊尔地缘影响力的发展因素;地理环境是中国对尼泊尔地缘影响力发展的制约因素。3）未来中国将继续实施积极性合作战略,印度形成对中国遏制性防范战略,尼泊尔维持被动性中印平衡战略。     

印度海上战略通道的新动向、动因及影响

作为印度洋沿岸的国家,随着2015年《确保海洋安全：海洋安全战略》的出台,印度进一步拓展了海上战略通道,主要体现在三个方面：重视南太平洋海上战略通道、拓展大西洋地区海上战略通道、重视北极地区这一新航道的价值。究其原因,印度追求大国地位、参与全球海洋治理的需要以及保障能源进口多元化是其拓展海上战略通道的主要动因。印度对于海上战略通道的拓展一方面将加剧大国对于海上战略通道的争夺态势,另一方面,将有助于国际社会共同建设维护海上战略通道安全的机制。     

一种多层特征融合的道路场景实时分割方法

道路场景理解是自动驾驶领域中重要模块之一,它可以提供关于道路更丰富的信息,对于建立高精度地图和实时规划都具有重要作用。其中,语义分割可以为图像每个像素赋予类别信息,是自动驾驶场景理解中最常用的方法。但是,目前常用的语义分割算法在速度和精度上大都不能达到很好的平衡。本文在MobileNetV2的基础上,提出了一种多层次特征融合的方法,使得网络可以在实时运行的同时保证精度满足实际应用的需求,并在Cityscapes数据集上进行了试验验证和分析。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

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。     

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。     

社交媒体数据在自然灾害应急管理中的应用研究综述

社交媒体是灾害应急管理的一个新兴但尚未充分利用的大数据源。然而,社交媒体数据在灾害应急管理中能发挥什么作用,目前国内的研究较少,而国外的研究亦较为分散,相关应用受限。论文对国内外利用社交媒体数据进行灾害管理相关研究进行了综述,归纳出社交媒体数据在灾害应急管理中应用的潜力、优势和问题。结果发现：① 社交媒体数据含有丰富的灾害信息,能够依靠态势感知和信息共享支持灾害预警、实时监测、损失和救助需求评估、协助快速应急响应以及预测可能的灾害风险等灾害管理工作;② 社交媒体数据的优势在于能保证灾害信息的实时性和连续性,进而提供致灾强度图、损失预测和舆情分析等结果服务于灾害应急管理;③ 地理位置信息有限、专业语料库缺乏、信息噪声处理的复杂性等原因使社交媒体数据分析结果精度受限。如何发挥社交媒体数据社会感知的优势,以弥补传统观测调查手段的不足,更加科学应对灾害应急,仍需要在社交媒体数据处理及多源数据融合分析技术方面取得突破。     

黄土高原退耕农户生计资本对生计策略的影响——以甘肃会宁县为例

探索贫困地区退耕农户的生计资本与生计策略关系,对实现精准扶贫、乡村振兴战略具有重要意义。基于甘肃会宁县退耕农户调查数据,构建了具有区域特色的生计资本指标体系,采用熵值法测算生计资本,运用Logistic回归模型探讨了退耕农户生计策略选择问题。结果表明：（1）研究区退耕农户拥有的生计资本中人力资本指数最低,且各生计资本值存在差异;（2）金融资本中的现金收入可以显著增加退耕农户选择非农型生计策略的概率,而自然资本中的平地面积、物质资本中的耐用消费品价值和金融资本中的资金获得渠道会显著降低退耕农户选择非农型生计策略的概率;（3）对于不同退耕程度的农户,现金收入依旧可以显著增加选择非农型生计策略的概率,而抑制两类农户选择非农型生计策略的生计资本指标则存在差异。基于此,提出改善退耕农户的金融资本的多项措施,进而提高农户的非农生计意愿,更好地解决贫困问题。     

珠江口滨海湿地退化现状、原因及保护对策

2007年和2008年秋季对珠江口滨海湿地进行了环境现状综合调查,结果表明,珠江口滨海湿地退化主要表现在4个方面:天然湿地面积减少、湿地生产力不断下降、湿地环境状况持续恶化和湿地景观破碎化。珠江口滨海湿地退化的原因主要为滩涂开发与围填海、污染物排放、养殖污染、海平面上升、过度捕捞、海砂开采和港口码头建设以及水土资源开发等因素。滨海湿地保护与利用对策主要有:制定有关滨海湿地保护的法律法规和湿地保护与利用规划;加强人才队伍建设和滨海湿地有关技术研究;建立滨海湿地动态监测体系;加大滨海湿地保护区建设的力度;加强宣传和教育。