COVID-19疫情前后长三角城市群人口流动结构变化研究

基于互联网平台提供的2019年、2020年、2021年3月份的人口流动数据,依次代表疫情前、疫情中和疫情稳定后3个节点,运用空间分析和社会网络分析,测度长三角城市群26个城市间的人口流动网络结构时空演化特征,讨论疫情对城市群人口流动的影响.结果发现:长三角城市群整体人口流动强度正逐步向更高一级上升,但疫情的出现暂缓了这...     

全省自然资源系统开展“能力作风建设年”活动推进会要求 聚焦重点关键 强化担当实干 推动能力作风建设持续抓深走实

本刊讯1月24日,河南省自然资源厅召开全系统开展“能力作风建设年”活动推进会,深入学习贯彻党的十九届六中全会精神和习近平总书记关于加强作风建设重要论述,认真落实省第十一次党代会、省委经济工作会议、省“两会”和全省开展“能力作风建设年”活动动员部署会议精神,部署推进全系统“能力作风建设年”活动。     

面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResUnet模型。该模型在ResUnet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResUnet模型的IoU和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于U-Net、ResUnet和VNet模型。与U-Net和ResUnet模型相比,DAFCResUnet模型仅增加了少量的计算量和参数量,但IoU和F1-score均有较大幅度的提高;与VNet模型相比,DAFCResUnet模型在计算量和参数量远低于VNet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResUnet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影...     

基于改进DeepLabv3+孪生网络的遥感影像变化检测方法

传统遥感影像变化检测方法依赖人工构建特征,算法设计复杂且精度不高;而将2幅不同时相影像叠加后输入神经网络的遥感影像变化检测方法会造成不同时相的特征相互影响,难以保持原始影像的高维特征,且模型鲁棒性较差。因此,本文提出一种基于改进DeepLabv3+孪生网络的遥感影像变化检测方法,以经典DeepLabv3+网络的编解码结构为基础对网络进行改进:(1)在编码阶段利用共享权值的孪生网络提取特征,通过2个输入端分别接收2幅遥感影像,以保留不同时相影像的高维特征;(2)在特征融合中用密集空洞空间金字塔池化模型代替空洞空间金字塔池化模型,通过密集连接的方式结合每个空洞卷积的输出,以提高对不同尺度目标分割的精度;(3)在解码阶段中针对不同层级特征图信息差异较大,难以融合的问题,引入基于注意力机制的特征对齐模型,引导不同层级的特征对齐并强化学习重要特征,以提升模型的鲁棒性。应用开源数据集CDD验证本文方法的有效性,并与UNet-EF、FC-Siam-conc、Siam-DeepLabv3+和N-Siam-DeepLabv3+网络对比试验。试验结果表明,本文方法在精确率、召回率、F1值和总体精度上达到8...     

湘潭：对不符两型要求的项目说“NO”

资源节约是“两型”社会建设的首要任务,湘潭市各类建设用地需求日益强劲,经济建设与土地资源保护之间的矛盾日益突出。如何使湘潭真正走上资源节约型的发展道路,如何最大限度利用好现有土地资源做到节约集约用地,成为湘潭市国土资源部门思考的重要问题。针对这些问题,一年来,湘潭市在“两型”建设中出台了一系列创新举措。     

农村改革发展深层矛盾解构

在我国经济快速增长、社会结构加快转型、利益格局深刻变化的大背景下,同时在我国农村改革发展存在不少深层次矛盾尚待解决的背景下,又面临着一系列必须引起高度重视的新情况、新问题。     

集体土地不宜进入城镇土地市场

我国集体土地权利是受限制的。目前,社会呼吁集体土地权利与国有土地权利平等,允许集体土地进入城镇土地市场,切实保护农民土地利益的呼声日渐增强。笔者认为,土地不同于其它不动产,集体土地是国家无偿分配给农民集体的一种特殊的生产资料,集体土地权利与国有土地权利不能完全平等,集体土地只有经过国家征用才能进入城镇土地市场,政府在制定农民土地利益保护政策时,要统筹考虑城镇居民、城镇周边农民、偏远农村农民的利益,以体现社会公平。     

遏制耕地抛荒的制度突破口

随着国际粮价飞涨,粮食危机蔓延全球,粮食问题越来越受到国际社会的广泛关注。在确保粮食增产,保证国家粮食安全过程,中一个不容忽视的问题就是农村耕地抛荒问题。它不仅影响粮食生产安全,而且影响农村社会稳定,影响农业现代化和实施城乡统筹的进程。那么如何治理农村耕地抛荒？     

一种基于学习型特征的多模态影像匹配方法

多模态影像在辐射特征和几何特征方面存在的显著差异,会造成高精度匹配困难。因此,本文提出了一种融合多尺度深度学习特征的多模态影像匹配方法,主要利用深度残差神经网络结构自主训练学习影像的学习型特征,得到多模态图像之间更为丰富和更为准确的同名特征点对,实现了对多尺度、多时相影像的协同稳健匹配。结果表明,本文方法对于多组实验均能够得到数量丰富且分布相对均匀的同名特征点对,并具有高效、稳健的匹配性能。     

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。