依托学科区域优势打造产业创业平台

中南林业科技大学是中南地区唯一一所以林为特色、多学科协调发展的教学研究型大学。迈入21世纪后,学校把握住高等教育大发展的机遇,在短短几年间,实现了教学科研成果、学科专业和学校布局结构的大跨越,为国内同行所瞩目。2005年12月,教育部正式批准中南林学院更名为中南林业科     

我国孵化器多元化发展探讨

创办孵化器的主体不同，孵化器要达到的目标也不同，因而孵化器的功能也不同。一般可归纳为下列几个功能：孵育创新创业企业及现代企业家；加快创业速度；降低创业成本；减少创业风险；增加就业机会；提高区域创新能力和房地产开发以及获取利润等等。可以说是多元目标和多种功能。     

数码摄影领域"区域曝光"理论的应用探究

以“区域曝光”理论作指导，对数码相机从感光度的测试入手，分别进行了区域曝光测试，制作曝光区等级、特性曲线，有效幅度与纹理幅度的探索。     

广西区域开放测度与对外开放战略

通过对2000年广西区域开放度的度量和横向比较,以及20世纪90年代广西区域开放度的变动趋势纵向分析表明:广西对外开放度总体居于全国中等水平,并呈现出波动趋势,广西对外开放的质量亟待于进一步提高。在新的历史时期,广西必须抓住机遇,积极实施对外开放战略。     

形成珠三角高职特色促进本区域经济发展

在分析珠三角高职教育发展现状和存在问题的基础上,通过大量实例提出建设珠三角高职特色、促进区域经济可持续发展的具体措施,旨在为我国高等职业教育的进一步发展提供一些有益的素材和借鉴.     

高校学科建设要体现优势和特色

本文主要论述了学科建设要体现优势和特色这一观点,认为“优势”和“特色”要从人才培养目标、学术梯队、科研水平、教学质量、共公服务体系五个方面加以体现。同时指出,学科建设的优势和特色要与区域经济发展相结合,并要遵循学科发展的内在规律。     

努力把东博会打造成东北亚区域创新发展的平台

由科技部、教育部、国务院振兴东北办、中国科学院、中国工程院、中国科协、中国贸促会和辽宁、吉林、黑龙江三省政府共同主办．由沈阳市政府、辽宁省科技厅等11个部门以及朝鲜、日本、韩国、     

“一带一路”倡议下区域碳不平等量化及政策启示

在全球贸易背景下量化分析“一带一路”区域的碳不平等,厘清“一带一路”区域隐含碳排放和经济收益不均衡分配的内在机制,是践行绿色“一带一路”倡议的科学前提及基础.本研究基于全球贸易分析项目（GTAP）数据库,构建环境拓展的多区域投入产出（MRIO）模型,涵盖102个“一带一路”沿线国家和地区,且依沿线区位合并为9大研究区域,核算生产和消费视角下“一带一路”区域碳排放、增加值,追溯隐含碳排放、增加值在研究区域间的空间转移格局,通过构建双边贸易中碳不平等指标及全球贸易网络中碳不平等综合指标,全面地量化分析了“一带一路”区域的碳不平等现象.研究表明：1)2014年“一带一路”区域生产和消费视角下的碳排放分别占全球碳排放总量（25 966.23 Mt）的65.29%和60.54%;“一带一路”区域生产和消费视角下的增加值分别占全球增加值总额（669 714.27亿美元）的40.87%和40.10%. 2）在全球贸易中,“一带一路”区域承担来自非“一带一路”区域的净碳排放转移（即“一带一路”区域向非“一带一路”区域净出口隐含碳排放量）1 234.25 Mt,同时从非“一带一路”区域获得了5 154....     

基于区域灾害系统论的广东省台风灾害风险评估——以“山竹”台风为例

本研究的主要目的是构建一种适用于广东省的台风灾害风险评估模型,从而能有针对性地对广东省发生台风灾害后的抗灾救灾、应急决策提供参考意见.本文在区域灾害系统论的指导下,综合了致灾因子危险性、孕灾环境敏感性、承灾体脆弱性3方面,构建了一套新的评估指标体系,并以加权综合法、层次分析法、自然间断点分级法构建了广东省台风灾害风险评估模型.最后以2018年第22号超强台风“山竹”为例,对广东省进行了台风灾害风险评估,并形成了1 km×1 km的综合风险区划图和评估分析结果.结果表明：1）该模型评估出的广东省“山竹”台风灾害中高风险地区与灾情报告相符合,具有较高的可靠性;2）广东省“山竹”台风灾害致灾因子危险性呈现出中东部沿海和中西部地区高,并逐渐向周围递减的分布;3）广东省台风灾害高孕灾环境敏感性地区主要集中在珠江三角洲地区以及粤东潮汕地区,这些地区地势平坦、河网密集、植被覆盖度低;4）广东省台风灾害高承灾体脆弱性地区主要集中在珠江三角洲地区、粤东潮汕地区、粤西茂湛地区,这些地区人口稠密、经济发达、耕地众多、城市化程度高;5）广东省“山竹”台风灾害综合风险呈现出中东部沿海和中西部地区高,并逐渐向周围...     

基于生成对抗网络的渐进式夜视图像彩色化算法

受限于夜景光照不足等影响,夜视成像中的部分内容极易缺失或模糊,导致这部分的彩色化效果不佳.为此,本文提出了一种基于生成对抗网络的夜视图像彩色化算法, 通过对纹理细节的修复来提升图像模糊区域的彩色化效果.首先,在模糊区域修复中,利用下采样操作减少模糊图像块的比例,并用梯度调节预测器对模糊图像块周围的像素值进行预测,以此来不断增强和修复模糊的纹理细节.其次,在彩色化过程中,依托于生成的超分辨率图像和已有的先进对抗网络着色模型,通过最小化亮度和纹理等失真,来生成较为清晰的彩色图像.实验结果表明,经过模糊区域恢复和增强之后,灰度图像的PSNR平均提升0.33 dB.相比之前的夜视图像彩色化方法,本文方法可以赋予灰度夜视图像更丰富、自然的色调,更清楚地表达图像的细节,从而提高目标探测和识别效率.