城市化途径及其相关

对城市化途径有关各要素作了综合的叙述,并且指出研究的手段──自人口的聚集至城镇形成发展这一历史的纵剖面及地域、产业结构等横向有关要素作整体系统的分析与比较,并指出应重点研究人口指标分析、产业可比关系、城市化和城市化设施,以及城市体系的研究问题。     

中国建成区植被变绿趋势识别及对比分析

基于2001-2020年增强型植被指数(enhanced vegetation index,EVI),利用曼-肯德尔(Mann-Kendall,M-K)检验与泰尔指数,分析中国老城区(2000年已成为建成区)与扩展区(2000-2016年新增建成区)的植被变绿趋势,以及在不同气候变化区植被变绿趋势的差异.研究发现：1)中国约20%(17 290 km²)的建成区植被呈显著变绿趋势.其中华东-华中湿暖趋势带的建成区植被变绿面积,占中国建成区植被总变绿面积的46.61%,30个省级行政区10%以上的建成区植被呈显著变绿趋势. 2)在老城区与扩展区的植被变绿趋势的对比上,老城区的植被显著变绿,扩展区的植被微弱变绿,老城区的植被变绿面积(13 474 km²)是扩展区植被变绿面积(3 818 km²)的3.5倍多.不同气候变化区的植被变绿趋势差异表明,需要因地制宜地应对气候变化对城市建成区植被生长的影响,重视西南-华南干暖趋势带的供水设施建设,保证植被的生长需求.     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

基于熵权法的城市韧性评估及障碍因子诊断——以河南省为例

以河南省18个省辖市为研究对象,通过构建河南省城市韧性水平评估指标体系,测度2004-2019年河南省城市韧性水平,分析其时空分异与演变,并引入障碍度模型诊断其障碍因子及障碍度.结果表明：(1)研究时段内河南省城市韧性水平总体得分以及经济韧性、社会韧性、生态韧性和工程韧性4个子系统得分均呈现出上升趋势;(2)在研究时段内河南省城市韧性水平的总体差异呈缩小的趋势;(3)中西部地区逐渐形成以高水平、中高水平为主的连绵分布区,东部和南部地区则形成以低水平、中低水平为主的连绵分布区;(4)河南省城市韧性水平的空间集聚效应呈现先减弱再逐渐增强的趋势;(5)子系统对河南省城市韧性水平的障碍度显著强度：工程韧性子系统>社会韧性子系统>经济韧性子系统>生态韧性子系统.实证研究结果可为河南省城市规划与实现城市可持续发展的政策制定提供有力支撑.     

城市水资源水环境系统多阶段灰色动态仿真模型

本文依据城市人口,经济,水资源和水环境之间的相互影响,相互制约关系,建立了城市水资源水环境系统阶段灰色动态仿真模型,以预测不同仿真方案下城市水资源与水环境系统的变化。     

解决我国城市生活垃圾问题的出路

对目前国内垃圾主要处理方法进行了评价,认为要从根本上解决我国城市生活垃圾问题必须建立健全垃圾减量与处理的双重机制。提出了“清洁生活”的概念,指出了城市生活垃圾的减量要建立在“清洁生活”战略指导思想的基础上;建立城市生活垃圾多级、低熵分选处理体系是符合我国国情的有效处理垃圾的最佳选择。     

三峡工程与鄱阳湖区重要城市防洪

该文以三峡工程影响鄱阳湖水位为基础,从分析九江市,南昌市防洪现状出发,研究了三峡水库５月和６月上旬增泄流量对九江,南昌两市防洪的影响。     

改进的模糊数学决策法在城市生活垃圾系统决策中的应用

在城市生活垃圾系统决策中，常常需要确定合适的目标或规划，而模糊数学决策法是有效的定性方法之一。在传统的方法中，人为的因素往往使得计算结果的准确性受到质疑，其评价结果随人的主观认识范围的不同而波动，结论受到质疑。本文对此进行了改进，结果表明改进后的模糊数学决策法解决实际问题更合理。     

九江城市及郊区麻雀种群数量与空间分布的调查

2003年10月-2004年5月期间对九江城市及郊区麻雀种群数量与空间分布的现状及其历史变迁作了初步调查，结果表明：调查区内麻雀于20世纪80年代初期开始锐减，直至2000年，麻雀又重新出现了明显的恢复迹象，并最终形成以九江县城为消失区、在产粮区罕见以及在九江市区、蔬菜区和产棉区广布的现有空间分布格局．讨论认为这是由于农药及工业性大气污染两个环境因子的综合作用所致．