“情景—结构—要素”视角下复杂灾害治理的情报协同体重构

[目的/意义]灾害复杂化给应急治理提出了新的要求,加强多主体情报协同是必然趋势。针对复杂灾害情景构建不足、情报协同网络结构相对松散固化、情报协同要素缺乏一体化布局的问题,文章提出复杂灾害治理情报协同体的概念,围绕情景、结构、要素进行重构。[方法/过程]首先,在情景认知的基础上采用本体构建复杂灾害情景,并描述了其实例化过程。其次,从情报协同主体的挖掘识别与主体关联的凝聚增强两方面阐述了情报协同网络的结构优化方法。最后,探讨了情报协同要素即数据、决策、流程的强化路径,将情报协同体划分为数据共享体、决策集成体、流程弹性体三个关键构成。[结果/结论]文章为复杂灾害治理的情报协同提供了一个顶层设计框架,有助于政府依托数字化转型提升应急情报能力。

基于CNN的作物分类识别图像获取平台研究进展

基于机器视觉的作物精准分类识别是农业自动化、智能化作业的前提。在作物图像分类识别任务中,卷积神经网络(CNN)是当前应用最广泛的算法之一。作物表型特征及生长环境的复杂性,决定作物图像获取平台的多样性。通过分析2020—2022年国内外基于CNN的作物分类识别研究,图像获取平台可划分为通用平台和自建平台两大类:通用平台硬件产品成熟、部署方便,但要做好设备选型和环境搭建;自建平台分为固定式和移动式,能高效获取试验数据,但硬件集成较为复杂。详细对比分析各类平台的优缺点及适用范围。作物图像获取平台的未来趋势包括:高通量、高效率、自动化的通用图像获取装置,集成多种传感器的多模态数据采集与融合应用,自带运算处理的智能摄像头等,更精细化的图像获取平台将有效支撑作物表型的深入研究。

基于COMPASS iStability的浮船坞稳性计算

为比对分段建模与整体建模工作量及稳性计算结果,选取某浮船坞,采用命令流方法,对坞墙无开口,做5分段建模和整体建模稳性计算,对坞墙有开口,做7分段建模和借助体过渡整体建模稳性计算,结果表明,无论坞墙有无开口,整体建模比分段建模节省约一半工作量,两种建模方式稳性计算精度相同,建模过程表明,命令流方法整体建模计算稳性,高效快捷。