科学测度水生态韧性对长江流域韧性城市的建设至关重要。基于“抵抗-适应-恢复-转型”框架构建城市水生态韧性指标体系,以2011—2022年长江中游城市群26个地级市为例,运用熵权-逼近理想解排序法(Technique for Order Preference by Simi...科学测度水生态韧性对长江流域韧性城市的建设至关重要。基于“抵抗-适应-恢复-转型”框架构建城市水生态韧性指标体系,以2011—2022年长江中游城市群26个地级市为例,运用熵权-逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)、核密度估计等定量测算水生态韧性水平,分析时空演进特征。之后,利用空间杜宾模型(Spatial Durbin Model,SDM)深入探索不同因素的影响差异。研究得到的主要结果为:(1)在研究期内,长江中游城市群水生态韧性水平有所提升,环长株潭城市群优势显著,武汉城市圈次之,环鄱阳湖城市群最低。(2)研究区水生态韧性形成了以长沙、武汉、南昌省会城市为核心并逐渐向外递减的“中心—外围”格局,多数城市于后期实现了层级跃迁,且空间差异呈收敛趋势,各城市水生态韧性趋于均衡化。(3)人口密度、经济发展水平、金融发展水平对水生态韧性的提升表现为抑制作用,科技创新投入水平对水生态韧性为正向促进作用。研究可为长江中游水生态保护提供参考,同时对其他区域的水生态韧性评价具有借鉴意义。展开更多
针对当前去雾算法效率不高、细节恢复较差等问题,提出一种改进多尺度AOD-Net(all in one dehazing network)的去雾算法。通过增加注意力机制、调整网络结构和改变损失函数这3方面的改进,增强网络的特征提取和恢复能力。模型的第1层增加...针对当前去雾算法效率不高、细节恢复较差等问题,提出一种改进多尺度AOD-Net(all in one dehazing network)的去雾算法。通过增加注意力机制、调整网络结构和改变损失函数这3方面的改进,增强网络的特征提取和恢复能力。模型的第1层增加空间金字塔注意力(spatial pyramid attention,SPA)机制,使网络在特征提取过程中避免冗余信息。将网络改成拉普拉斯金字塔型结构,使模型能够提取不同尺度的特征,保留特征图的高频信息。使用多尺度结构相似性(multi-scale structural similarity,MS-SSIM)+L1损失函数替换原有的损失函数,提高模型保留结构的能力。实验结果表明,本方法去雾效果更好,细节更丰富。在定性可视化评价方面,去雾图像效果优于原网络。在定量评估层面,与原网络相比PSNR值提升了2.55 dB,SSIM值提升了0.04,IE熵值增加了0.18,这些数值指标充分验证了本算法的出色去雾效果和稳定性。展开更多
文摘科学测度水生态韧性对长江流域韧性城市的建设至关重要。基于“抵抗-适应-恢复-转型”框架构建城市水生态韧性指标体系,以2011—2022年长江中游城市群26个地级市为例,运用熵权-逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)、核密度估计等定量测算水生态韧性水平,分析时空演进特征。之后,利用空间杜宾模型(Spatial Durbin Model,SDM)深入探索不同因素的影响差异。研究得到的主要结果为:(1)在研究期内,长江中游城市群水生态韧性水平有所提升,环长株潭城市群优势显著,武汉城市圈次之,环鄱阳湖城市群最低。(2)研究区水生态韧性形成了以长沙、武汉、南昌省会城市为核心并逐渐向外递减的“中心—外围”格局,多数城市于后期实现了层级跃迁,且空间差异呈收敛趋势,各城市水生态韧性趋于均衡化。(3)人口密度、经济发展水平、金融发展水平对水生态韧性的提升表现为抑制作用,科技创新投入水平对水生态韧性为正向促进作用。研究可为长江中游水生态保护提供参考,同时对其他区域的水生态韧性评价具有借鉴意义。
文摘针对当前去雾算法效率不高、细节恢复较差等问题,提出一种改进多尺度AOD-Net(all in one dehazing network)的去雾算法。通过增加注意力机制、调整网络结构和改变损失函数这3方面的改进,增强网络的特征提取和恢复能力。模型的第1层增加空间金字塔注意力(spatial pyramid attention,SPA)机制,使网络在特征提取过程中避免冗余信息。将网络改成拉普拉斯金字塔型结构,使模型能够提取不同尺度的特征,保留特征图的高频信息。使用多尺度结构相似性(multi-scale structural similarity,MS-SSIM)+L1损失函数替换原有的损失函数,提高模型保留结构的能力。实验结果表明,本方法去雾效果更好,细节更丰富。在定性可视化评价方面,去雾图像效果优于原网络。在定量评估层面,与原网络相比PSNR值提升了2.55 dB,SSIM值提升了0.04,IE熵值增加了0.18,这些数值指标充分验证了本算法的出色去雾效果和稳定性。
