数字经济时代下的中国海洋经济全要素生产率研究

数字经济时代,数据成为新的核心生产要素。为探究数据要素在海洋经济全要素生产率变动过程中的实际价值增值过程,论文基于内生增长模型的演变规律,构建了包含数据生产要素的投入—产出指标体系,并依托DDF-Luenberger指数及其分解模型,测度2006—2018年间中国沿海11个省市区(不含港澳台地区)的海洋经济全要素生产率及各项要素的生产率变动情况。研究结果表明：① 整个研究期内中国沿海各地区数据要素化水平均实现不同程度增长,但区域间数字鸿沟问题依旧不容忽视。② DDF-Luenberger指数测度结果显示,2006年以来沿海各地区海洋经济全要素生产率均实现正向变动,且阶段性特征明显。③ 单项要素绩效测度结果显示,数据要素层面：仅仅拥有数据资源只是具备了将其转化为现实生产力的潜在可能,全要素数据生产率变动依旧更多地依赖于数字技术变动;劳动要素层面：数字经济的发展对于劳动力技能的提升表现出强者愈强的“马太效应”,研究期内沿海各地区全要素劳动生产率均呈上升态势;资本要素层面：全要素资本生产率变动呈现出明显的时间及空间差异化特征;资源要素层面：沿海省市全要素资源生产率大体上实现了正向变动且阶段性特征明显。     

基于GF-1与Sentinel-2融合数据的地膜识别方法研究

随着我国地膜使用面积的增加和人们对土壤微塑料污染问题的日益关注,大尺度的地膜遥感识别已成为农业生产管理、土壤污染防治的必要手段。针对地膜光谱反射特征的复杂性以及基于单一遥感影像光谱特征识别方法错分率高等问题,该文以河北省邯郸市邱县为试验区,利用GF-1数据的空间细节与Sentinel-2数据的光谱信息进行NN Diffuse Pan Sharpening融合,据此建立地膜识别的特征矩阵(NDVI、MNDWI、NDBI、IBI、PSI),基于该特征矩阵可实现自动阈值地膜分层分类识别。多种方法的地膜识别结果精度对比表明:多源光学遥感数据融合方法的总体精度为94.87%,Kappa系数达0.89,显著优于基于单一数据源的深度学习法的精度(93.14%)以及基于传统机器学习分类方法的支持向量机(85.91%)和随机森林分类法(86.78%)的精度;通过与Sentinel-2多光谱影像融合,弥补了GF-1数据光谱分辨率低的缺陷,实现了多源数据在地膜识别中的优势互补,可为相关部门农业规划与管理以及生态环境保护等研究提供大尺度、高精度的地膜分布参考数据。     

浅谈江苏海涂经济的可持续发展

海涂资源的可再生性曾使江苏获得数万平方公里的土地,并以此形成江苏滩涂经济的物质基础。但从多期海岸带资源遥感调查的结果来看,江苏滩涂资源的总量正处于逐年减少的趋势,特别是自20世纪80年代中期以来,此趋势反映得更加明显。从海岸带环境及保持海涂资源可持续发展的角度,针对目前海涂资源的地质环境的变化趋势及在开发利用、管理工作中所存在的问题,提出了看法和建议。     

Developing a Learning Progression for Place

The concept and characteristics of place within geography education are surveyed in the context of learning progressions. Beginning with place's history and relevance in geographic thought, this review moves on to discuss connections between space and place. From a geographic education perspective, place-based instruction and place characteristics are threaded with ideas of landscape and human encounter with or perception of place. Grade level standards can be problematic when dealing with a complex subject, such as place. Borrowing from educators in the sciences, this review reflects on the challenge of building one or more learning progressions for K–12 education on place.     

北方半干旱快速城镇化流域径流变化的驱动因素分析

通过社会经济发展对于流域水文过程产生的影响,分析城镇化流域的径流变化对于水资源管理保护和促进社会经济发展具有重要的作用。利用乌兰木伦河流域1997-2015年的水文气象、土地利用和社会经济等数据,以降水-径流双累积曲线、改进的Mann-Kendall检验和主成分分析等方法从不同时间尺度分析了流域径流、城镇化、气候和社会经济的变化趋势,揭示了气候、社会经济快速发展和城镇化过程对于流域径流的影响,发现了研究区年、季尺度下径流变化的主要驱动因素,并建立与不同时间尺度径流的映射函数关系。结果表明：在鄂尔多斯市快速城镇化影响下,研究区径流深呈现下降趋势,在2005年出现拐点变化; 2005年之后的平均径流深小于之前的平均径流深;降水、蒸发、气温等气候因素没有显著变化趋势,但城镇化面积、GDP和人口明显增加,城镇化为2005年后研究区径流减少的主要驱动因素;城镇化对于枯水季径流的影响更为显著。     

基于深度学习的镜下矿石矿物的智能识别实验研究

矿石矿物鉴定的智能化是智能地质学和智能矿床学的基础技术之一。计算机视觉技术和深度学习理论使矿石矿物鉴定的智能化成为可能。本研究基于深度学习系统Tensor Flow,以吉林夹皮沟金矿和河北石湖金矿的黄铁矿、黄铜矿、方铅矿、闪锌矿等硫化物矿物为例,设计有针对性的Unet卷积神经网络模型,有效自动提取矿相显微镜下矿石矿物的深层特征信息,实现镜下矿石矿物智能识别与分类。实验显示,模型在训练过程中,随着训练次数的增加,模型精度在不断增大,损失函数不断减小;经过3000个批处理之后,模型精度和损失函数基本趋于稳定。训练出的模型对测试集中的显微镜镜下矿石矿物照片的识别成功率均高于90%,说明实验所建立的模型,具有很好的图像特征提取能力,能完成镜下矿石矿物智能识别的任务。     

基于深度学习的LAMOST星系星族参数测量

星系的光谱包含其内部恒星的年龄和金属丰度等信息, 从观测光谱数据中测量这些信息对于深入了解星系的形成和演化至关重要. LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope)巡天发布了大量的星系光谱, 这些高维光谱与它们的物理参数之间存在着高度的非线性关系. 而深度学习适合于处理多维、海量的非线性数据, 因此基于深度学习技术构建了一个8个卷积层$+$4个池化层$+$1个全连接层的卷积神经网络, 对LAMOST Data Release 7 (DR7)星系的年龄和金属丰度进行自动估计. 实验结果表明, 使用卷积神经网络通过星系光谱预测的星族参数与传统方法基本一致, 误差在0.18dex以内, 并且随着光谱信噪比的增大, 预测误差越来越小. 实验还对比了卷积神经网络与随机森林回归模型、深度神经网络的参数测量结果, 结果表明卷积神经网络的结果优于其他两种回归模型.     

基于鲸鱼优化算法的长短期记忆模型水库洪水预报

洪涝灾害是世界主要自然灾害之一,优化洪水预报方案对防洪决策至关重要,然而传统水文模型存在参数多、调参受人为因素影响,泛化能力弱等问题。针对上述问题,本文提出基于改进的鲸鱼优化算法和长短期记忆网络构建自动优化参数的WOA-LSTM模型,通过优化神经网络结构进一步增强该模型的稳定性和精确度,并且建立不同预见期下的洪水预报模型来分析讨论神经网络结构与预报期之间的关系。以横锦水库流域1986—1997年洪水资料为例,其中以流域7个雨量站点的降雨以及横锦站水文资料为输入,不同预见期下洪水过程作为输出,以1986—1993年作为模型的率定期,1994—1997年作为模型的检验期,研究结果表明:(1)以峰现时差、确定性系数、径流深误差和洪峰流量误差作为评价指标,相比较于LSTM模型和新安江模型对检验期的模拟结果表明WOA-LSTM模型拥有更高的精度、预报结果更稳定;(2)结合置换特征值和SHAP法分析模型特征值重要性,增强了神经网络模型的可解释性;(3)通过改变神经网络结构在一定程度避免由于预见期增加和数据关联性下降而导致的模型预报精度下降的问题,最终实验表明该模型在预见期1~6 h下都可以满足横锦水库的洪水预报要求,可以为当地的防洪决策提供依据。     

Generalization of PhaseNet in Shandong and its application to the Changqing M4.1 earthquake sequence

Waveforms of seismic events, extracted from January 2019 to December 2021 were used to construct a test dataset to investigate the generalizability of PhaseNet in the Shandong region. The results show that errors in the picking of seismic phases(P-and S-waves) had a broadly normal distribution, mainly concentrated in the ranges of-0.4–0.3 s and-0.4–0.8 s, respectively. These results were compared with those published in the original PhaseNet article and were found to be approximately 0.2–0.4 s l...     

卫星视频舰船目标检测方法

舰船目标检测是进行海上目标监管,保障海上权益的重要手段.本文在SSD(single shot multibox detector)算法的基础上,利用残差网络(ResNet,residual network)作为骨干网络构建SSD模型,将改进后的SSD算法应用于卫星视频舰船目标检测,该算法采用残差连接替换原本的级联方式,...