森林生态系统损害评估与赔偿制度——基于案例分析的视角

本文介绍了森林生态系统损害鉴定评估体系内容和现状,并系统梳理了森林生态系统损害赔偿的法律法规,以及损害鉴定评估的进展。由于我国开展生态环境损害赔偿起步较晚,法律体系有待健全,生态环境损害评估技术有待完善。通过运用内容分析法和理论与实证相结合的方法,对4个不同时期的森林生态系统损害赔偿案例进行了分析,探讨了损害评估技术及法律实施在损害赔偿中存在的问题。最后,提出了森林生态系统损害评估和损害赔偿法律法规等方面的科学建议。     

多特征融合的道路场景语义分割算法

为提升道路场景语义分割的性能以及实际应用性,本文将传统的图像处理算法与深度学习技术相结合,提出了一种多特征融合的轻量级道路场景语义分割网络模型。该模型首先利用颜色空间转化、图像均衡化、边缘检测等算法来对图像多种特征信息进行增强;其次,以深度可分离卷积为基本单元搭建高效率特征提取结构,对特征增强后的图像进行信息融合和提取,并结合跳层上采样操作完成初步分割;最后,引入边缘检测支路来对分割图像的目标边界信息进行细化,保障网络高精度分割。通过实验结果表明,所提网络在分割精度、计算效率上得到了较好的平衡,同时,在实际变电站道路场景应用中,该网络也能实现高效语义分割,为巡检机器人提供有效的道路信息。     

基于DBN-LSTM的滚动轴承剩余寿命预测模型

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,提出了一种基于融合深度置信神经网络（deep belief neural , DBN）和长短时记忆神经网络（long-short term memory , LSTM）的剩余寿命预测模型。该模型首先采用带通滤波降噪对滚动轴承振动数据进行去噪,然后依据均方根特征和峭度特征在轴承全寿命周期内的趋势图确定模型的预测起始点;其次利用优化后的4层DBN网络完成深度特征提取并用于LSTM的训练与测试。通过轴承全寿命周期试验证明提出模型的可靠性,并且与传统LSTM、BP(back propagation)神经网络和DBN-BP模型的预测结果进行对比,验证了本文模型的有效性。     

光学遥感影像土地利用分类方法综述

土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。论文以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向     

被动区溶洞对地铁车站深基坑稳定性的影响

为研究被动区溶洞对地铁车站深基坑稳定性影响规律,依托大连某地铁车站深基坑工程,基于弹性地基梁理论和尖点突变理论建立了被动区溶洞侧板最小安全厚度表达式,并进行了工程计算。采用FLAC3D软件建立数值模型,分别模拟了被动区溶洞不同侧板厚度、长度、埋深对基坑稳定性的影响。以桩体最大水平位移的模拟结果为具体数据,应用灰色关联分析法对影响基坑稳定的各因素进行了敏感性分析。结果表明：以溶洞侧板厚度为指标,根据数值模拟结果验证了被动区溶洞侧板最小安全厚度表达式的合理性,并可将溶洞侧板厚度对基坑稳定性的影响分为平缓区、明显区和剧烈区,剧烈区内的溶洞须对其进行加固处理;随着溶洞长度的增大,桩体最大水平位移和地表最大沉降位移的增值将加速增大;溶洞埋深与桩体嵌固深度相同时,桩体最大水平位移和地表最大沉降位移变化剧烈,应采取相应的处理措施;在影响基坑稳定性的各因素中,敏感性大小排序为：溶洞长度＞溶洞侧板厚度＞溶洞埋深。可见,在施工前通过理论分析、数值计算、统计分析等方法研究被动区溶洞对基坑稳定性的影响是必要的。     

LSTM模型在耕地面积预测领域的构建与应用

 长短期记忆（LSTM）模型广泛应用于系统故障、交通流量、股票指数、紧急事件、碳排放、石油产量、农区地下水位等多个领域,均表现了出色的预测性能。为了丰富耕地面积预测方法、提升耕地预测精度,将LSTM模型引入耕地面积预测。选择常用的趋势外推模型、指数平滑模型、灰色模型、移动平均自回归、支持向量机、NAR动态神经网络等6类模型进行对比,并以耕地变化趋势比较复杂的黑龙江省和变化趋势比较单一的辽宁省、吉林省作为案例进行分析,以验证LSTM模型耕地面积预测效果。结果表明,从均方根误差（RMSE）、平均绝对误差（MAPE）这2个指标的综合评价来看, LSTM模型拟合和预测效果均为最优。根据LSTM模型预测, 2018-2030年黑龙江、吉林、辽宁3省的耕地面积将呈持续减少的趋势,耕地减少速度均有放缓之势。     

生成式与判别式视觉目标跟踪算法综述

视觉目标跟踪是对目标位置、速度、运动轨迹等信息检测与预测技术。该技术融合了计算机视觉、图像处理、深度学习等众多领域技术。本文将对目标跟踪算法发展情况以及研究现状进行梳理。首先介绍目前常用的基准数据集;其次指出生成式算法与判别式算法差异;再对传统的生成式算法进行简单的分析总结;随后围绕算法框架分别介绍相关滤波框架、深度学习框架、孪生网络框架、Transformer框架的判别式算法并分析不同算法的优缺点;最后分析目前动态目标跟踪存在的问题并展望。     

融于图像多特征的路面裂缝智能化识别

路面裂缝形状不规则复杂程度高。传统路面裂缝识别技术需要对路面图像进行复杂预处理工作进行识别,不能自动化对路面裂缝图像进行分类。为提高对路面裂缝识别精度和效率,本文将基于深度学习方法提出一种自动识别路面裂缝并能减少图像预处理工作量的方法。首先,将原始图像切割为小样本图像,根据图像多特征进行分类,各选取相同类型样本2000张图像构建数据集;其次,利用双线性内插法对裁剪后图像进行上采样,凸显图像特征便于神经网络学习;最后,使用深度学习神经网络对训练样本进行特征提取训练模型。实验结果表明：ResNet101模型评估指标均优于其他深度学习模型和机器学习模型,模型测试精度达0.898,kappa系数为0.815。     

Breeding in the gray-headed tody-flycatcher (Aves: Tyrannidae) with comments on geographical variation in reproductive traits within the genus Todirostrum

The gray-headed tody-flycatcher Todirostrum poliocephalum is a passerine endemic to the Atlantic Forest of Brazil. We describe the nest and nesting behaviour of this species and investigate geographical variation in breeding traits in the genus using data from the literature, museum collections, and citizen science projects. We located 21 nests of the gray-headed tody-flycatcher, 13 of which we monitored. Nest height above the ground averaged 3.3 ± 3.4 m (n = 21). Nests were built over a 16.8 ± 5.6-day period (n = 6) by both adults. Clutch sizes ranged from two to three eggs, with a mean of 2.9 ± 0.3 eggs (n = 10). Eggs measured 16.6 ± 0.5 × 12.0 ± 0.5 mm (n = 23) and weighed 1.1 ± 0.1 g (n = 19). Mean incubation period was 17 days (n = 3) and mean nestling period was 15.5 days (n = 2). Apparent reproductive success was 30.8%, with predation being the primary cause of nest failure (46.1%). Mayfield’s reproductive success was 25.9%, and daily survival rates for eggs and nestlings were 0.957 and 0.971, respectively. Clutch sizes increased with latitude, but temperature and precipitation seasonality had very low importance in explaining clutch size variation.     

合理配置伐区林道的研究

<正>为开辟木材生产集约化经营的新途径,本文在大量调查与实际考察的基础上,以集运材总成本最低为原则,建立了适宜林道最佳间距和范围的理论公式,提出了伐区路网配置型式和方法,并利用最佳林道间距作为伐区林道的控制指标。