基于改进YOLOv4的2021年海地7.2级地震震后滑坡识别

以国产高分二号影像为数据源,利用改进的YOLOv4算法对2021年海地7.2级地震诱发的滑坡进行识别。为提升模型的识别效率,用MobileNetv3替换了YOLOv4的骨干网络CSPDarknet53,并用深度可分离卷积替代YOLOv4中的普通卷积,优化了模型参数和网络结构。结果表明：改进后的YOLOv4算法目标识别精度达到91.37%,比普通YOLOv4检测速度提高了6.19 f/s,精度提高了5.24%,模型参数大小减少了80%。改进后的方法对滑坡的检测精度高于原YOLOv4算法,得到的滑坡位置更为准确,具有轻量化和实时性更高的优势,可为应急救援和灾情评估提供更加可靠的数据。     

武汉市国土空间用途管制时序图谱构建与应用研究

国土空间用途管制作为落实国土空间规划、提升空间治理水平的重要手段,已成为国家推进空间治理体系和治理能力现代化的一项基本制度。现有基于关系型数据的用途管制信息管理和利用方式,已难以满足其全域、全要素、全流程数字化转型的要求。以武汉市为例,研究了面向用途管制的时序图谱构建的关键技术和流程,提出了时序图谱链接国土空间用途管制空间单元和各管理环节信息的技术方法,为国土空间用途管制全周期监管、数字化转型和智能化提升提供了可行的思路和实践参考。