气候变化对地区脆弱性的影响

全球气候正在恶化,气候变化通过影响国家的凝聚力、经济、政治、社会间接影响着国家的脆弱性。首先,先通过聚类分析将国家划分为脆弱、易脆弱、稳定三个等级,然后引入FSI (fragile states index)的概念,通过逐步分析气候变化对凝聚指标、经济指标、政治指标、社会指标的影响,结合实际和主观判断确定气候变化对各个指标影响的权重,最后确定了气候变化对国家脆弱性影响的线性模型。然后,从十大脆弱国家中选择苏丹为研究目标。引入CCI (climate change influence)的概念,计算得到2009年气候变化对苏丹国家脆弱性的影响指数为4.395%。如果没有气候影响,利用线性模型计算,国家脆弱性会降低1.713。其次,使用曲线拟合描述FSI随时间的变化,建立预测模型,得出印度FSI随时间变化趋势。根据模型中设定的划分标准,2014年是印度从易脆弱变成脆弱的临界点。最后,对以上模型进行了改进,考虑干预措施对气候变化的影响,进而减小对国家脆弱性的影响,用CCPI衡量干预强度,干预越大影响越大。因此,在各国干预后,采用CCPI计算不同的FSI。

基于频率加权张量核范数的高光谱图像复原

目的高光谱图像复原是高光谱领域中一个重要的预处理步骤,能够有效去除成像条件所带来的不利影响,提升后续处理任务的精度。张量核范数被广泛应用于高光谱复原问题中,得到了较好的结果。然而,在张量核范数的定义中,它对张量所有奇异值使用相同的阈值进行收缩,未充分考虑高光谱的物理意义,得到了次优的结果。为了提升高光谱图像复原的精度,本文提出了基于频率加权张量核范数的高光谱复原算法。方法在张量的频率域内,对清晰的高光谱图像添加噪声,图像信息在低频部分变化较小,而在高频部分变化巨大。基于这样的物理意义,定义了一种频率加权张量核范数来逼近张量秩函数,提出了频率域权重的自适应确定方法,让其能减少对低频部分的收缩,同时加大高频部分惩罚。然后将其应用于高光谱图像复原和去噪问题中,并基于交替方向乘子法设计了相应最小化问题的快速求解算法。结果在4个高光谱数据集上与相关方法进行对比仿真实验,高采样率条件下在Washington DC Mall数据集上,相比性能第2的模型,本文模型复原结果的PSNR(peak signal-to-noise ratio)提升了1.76 dB;在Stuff数据集上,PSNR值提升了2.91 dB。高噪声条件下,在Pavia数据集上相比性能第2的模型,本文模型去噪结果的PSNR提升了8.61 dB;在Indian数据集上,PSNR值提升了10.77 dB。结论本文模型可以更好地探索高光谱图像的低秩特性,使复原的图像在保持主体信息的同时,复原出更多图像纹理细节。