e世博线上娱乐-注册娱乐城送彩金-盛大娱乐场开户注册

1

基于空間可達(dá)性的重慶市生蛺鋟省核通過(guò)活便利度分析

陳玲

李貞培

針對(duì)公共設(shè)施可達(dá)性已成為衡量城市服務(wù)質(zhì)量與居民生活福祉的核心指標(biāo)，考慮駕車(chē)、公交、騎行、步行四種交通方式構(gòu)建多交通模式高斯三步移動(dòng)搜索法，從供給和需求兩端，分析重慶市主城區(qū)六種公共設(shè)施（醫(yī)療服務(wù)、教育設(shè)施、交通設(shè)施、商業(yè)設(shè)施、公園景點(diǎn)、文化設(shè)施及運(yùn)動(dòng)設(shè)施）可達(dá)性，結(jié)果表明：重慶市主城區(qū)公共設(shè)施在多交通模式可達(dá)性分布與均值呈現(xiàn)顯著類(lèi)型差異與區(qū)域分異特征，呈現(xiàn)以 “渝中區(qū)”為核心的圓心結(jié)構(gòu)， “核心引領(lǐng)、過(guò)渡發(fā)展、外圍滯后”的空間分異格局，體現(xiàn)了城市核心區(qū)與外圍區(qū)域在公共設(shè)施布局、交通服務(wù)水平上的不均衡。研究將為優(yōu)化公共設(shè)施布局、保障資源空間公平提供科學(xué)依據(jù)。

2

分維復(fù)合結(jié)構(gòu)模型約束的時(shí)序InSAR二維形變建模與解算方法

湯林、鄭傲南、莊中碩

于冰

本研究針對(duì)傳統(tǒng)D-InSAR技術(shù)在形變監(jiān)測(cè)中的局限性，創(chuàng)新性地提出了一種基于雙約束多項(xiàng)式形變模型的時(shí)序InSAR二維形變解算方法。通過(guò)構(gòu)建垂直向與東西向獨(dú)立的形變模型，結(jié)合升降軌SAR數(shù)據(jù)，實(shí)現(xiàn)了地表二維形變場(chǎng)的高精度解算。實(shí)驗(yàn)結(jié)果表明，該方法在15類(lèi)形變組合及強(qiáng)噪聲干擾條件下表現(xiàn)穩(wěn)定，垂直向解算精度達(dá)到噪聲水平的0.62倍。在天津、遼河油田和唐山等典型區(qū)域的實(shí)測(cè)應(yīng)用中，垂直向形變監(jiān)測(cè)結(jié)果與GNSS數(shù)據(jù)的均方根誤差優(yōu)于5.27mm，較傳統(tǒng)MSBAS方法精度提升約50%，并成功揭示了油氣開(kāi)采區(qū)熱采引發(fā)的非線(xiàn)性形變特征，為資源開(kāi)采區(qū)地表形變監(jiān)測(cè)提供了新的技術(shù)解決方案。

3

基于RF-CA模型的成都市綠地多情景模擬及其景觀(guān)格局優(yōu)化

劉雨翔

曾莉

城市化進(jìn)程的不斷推進(jìn)，導(dǎo)致綠地被侵占、生態(tài)功能降低，嚴(yán)重威脅城市的可持續(xù)發(fā)展。本文以成都市為例，耦合隨機(jī)森林算法和元胞自動(dòng)機(jī)模型模擬多情景下的綠地分布，并結(jié)合形態(tài)學(xué)和景觀(guān)連通性探究成都市的綠地景觀(guān)格局變化。結(jié)果表明：（1）2023年成都市綠地面積為193.42 km2，在自然發(fā)展、經(jīng)濟(jì)優(yōu)先和生態(tài)保護(hù)的不同情景下，2030年綠地面積增長(zhǎng)率分別為0.5244、0.5201和0.3308，生態(tài)優(yōu)先情景下通過(guò)增加其它生態(tài)用地來(lái)平衡綠地面積的增加，更注重土地利用空間的整體優(yōu)化，為城市可持續(xù)發(fā)展提供了重要保障；（2）在自然發(fā)展、經(jīng)濟(jì)優(yōu)先和生態(tài)保護(hù)三種情景下，分別采取孤島與核心斑塊的連通、邊緣區(qū)管控與生態(tài)補(bǔ)償、鞏固核心區(qū)與廊道優(yōu)化的策略，將有助于構(gòu)建結(jié)構(gòu)完善、功能穩(wěn)定的城市綠地生態(tài)網(wǎng)絡(luò)體系；（3）環(huán)城綠道區(qū)綠地斑塊連通性指數(shù)較高，雙流區(qū)、溫江區(qū)東部與青羊區(qū)、武侯區(qū)西部交接處的綠地斑塊連通性較差，未來(lái)可以將其作為潛在核心源地，予以重點(diǎn)設(shè)計(jì)與系統(tǒng)規(guī)劃。

4

FANET:基于多源數(shù)據(jù)的遙感圖像滑坡識(shí)別

墨琛,李世行

秦大輝

我國(guó)是世界上發(fā)生滑坡次數(shù)最多的國(guó)家，如何快速識(shí)別滑坡對(duì)于滑坡的預(yù)防和搶險(xiǎn)救災(zāi)具有重大意義。本文旨在通過(guò)深度學(xué)習(xí)和多源數(shù)據(jù)結(jié)合，提高滑坡識(shí)別能力和泛化能力以適應(yīng)各種環(huán)境，為早期識(shí)別潛在的滑坡風(fēng)險(xiǎn)區(qū)域并為災(zāi)害管理提供決策持。本文提出了一種用于提取頻域信息的深度學(xué)習(xí)模塊---頻率注意力，幫助模型進(jìn)一步挖掘高級(jí)語(yǔ)義，提升模型的分割性能。基于多分支架構(gòu)和頻率注意力，設(shè)計(jì)了FANET滑坡識(shí)別模型。在畢節(jié)市滑坡數(shù)據(jù)集上進(jìn)行訓(xùn)練和驗(yàn)證。結(jié)果表明，使用遙感數(shù)據(jù)的FANET取得最佳效果，為了驗(yàn)證多源數(shù)據(jù)的組合對(duì)模型的影響，設(shè)計(jì)了7組不同地質(zhì)因子組合實(shí)驗(yàn)，結(jié)果顯示DEM、坡度、坡向組合效果最佳，證明適當(dāng)?shù)慕M合多源數(shù)據(jù)可以獲得更好的滑坡效果。