基于多源遥感数据的森林火灾损失评估

利用遥感技术进行森林火灾面积的提取是一种高效、快速的方法。通过分析卫星或无人机获取的遥感影像,可以准确地识别和量化受火灾影响的区域。该研究采用多源、多时相的遥感数据,结合归一化燃烧指数(NDVI)和变化检测算法,对江西省赣州市2022年“10·17”大火前后的影像进行处理和分析,提取火灾烧毁区域的边界。通过对比分析,计算受火灾影响的面积,并评估火灾的严重程度。

技术创新项目群资源配置模型

为解决技术创新项目群的资源分配问题,首先以研发人员为主要资源,分析了技术创新项目群资源配置的步骤和假设条件,然后提出以时间目标、成本目标和质量目标作为约束条件,构建了以时间、成本和质量为变量的多属性效用函数。在此基础上,以多项目间的时间、成本和质量的综合优化为目的,建立了技术创新项目群资源配置的数学规划模型。最后通过技术创新项目群实例验证了该模型的有效性,可以为国防技术创新项目资源配置提供决策支持。

卫星项目管理中计划和控制的应用

描述了按现代项目管理的模式实施卫星研制管理的过程,重点就卫星项目计划、计划制定后的项目控制进行了探讨。

天地结合开展我国空间诱变育种研究

本文着重介绍了自 1 987年以来 ,我国空间科学家和农业生物学专家 9次利用返回式卫星、2次利用神舟号飞船和 4次利用高空气球搭载了 70多种植物近 5 0kg的种子 ,涉及粮、棉、油、蔬菜、瓜果、牧草和花卉等植物。经国内 2 2个省、市、自治区 70多个研究单位多年的地面选育 ,已培育出一批具有高产、优质、抗病经审定的新品种 1 9个 ,其中水稻新品种 5个、小麦 2个、棉花 2个、青椒 1个、番茄 1个、芝麻 1个、西瓜 3个、莲子 3个、灵芝 1个 ;另外还选育出新品系 5 0多个 ,还有一大批种质资源。在航天育种机理方面也做了不少研究工作 ,航天诱变的生物学效应 ,在细胞和分子水平上研究了航天新品种的遗传物质变异 ,地面模拟试验进行了许多研究 ,均取得了一定的进展。在全国许多省市建立了航天育种示范基地 ,累计示范推广航天新品种 (系 )面积 2 70 0 0 0hm2 ,取得了很好的科技成果和社会经济效益。我国空间诱变育种的研究工作走在世界的前列。本文还介绍了我国前 3代返回式卫星在空间科学方向所做的成果及贡献。列出前 3代返回式卫星与空间诱变育种研究相关的基本参数。报道了返回式卫星回收舱的空间环境的数据。我们还对今后空间诱变育种提出了展望。

返回卫星项目群流程再造研究实践

论文分析了返回卫星项目群研制管理过程中实施流程再造的必要性,明确了指导思想,进而建立了流程再造的目标和实施模型,确定了实施流程再造研究的手段和实施步骤。对于返回项目群研制过程,按照设计、总装、电测、环境试验和发射场过程几个阶段,通过实施因子分析,通过流程再造研究与实践,累计缩短研制周期6个月以上,累计节省研制成本1900万元;对于系统工程管理过程,论文从组织结构、进度管理、质量管理和资源管理几个方面对实施流程再造进行了研究,通过流程再造,进度节点完成率连续五年高达99%以上。返回式卫星项目群的流程再造研究和实践,为节约成本,提高进度,提升完成任务能力起到了积极的作用。

应用信息技术实现项目计划管理突破(下)

三、AVPLAN项目计划管理控制的过程 1.采集WBS数据库 AVPLAN直接采集WBS数据库,并根据系统要求采集使用,各项目办公室在应用MS Project制定WBS时,按统一模板要求去制作建造,制作中考虑了拓展性,借鉴NASA的WBS,共定义了27个域.

应用信息技术实现项目计划管理突破(上)

2003年10月15日,随着"神舟"五号载人飞船的发射成功,中国空间技术研究院(China Academy of Space Technology,CAST)的名字走进了千家万户,全世界对CAST的科研实力和项目管理水平有了崭新的认识.

研发项目群人员创新绩效提升的内在驱动机制:自我认知视角

本文以自我认知视角为切入点,探索研发项目群人员创新绩效提升的内在驱动机制。通过问卷调查和数据分析等实证研究方法对数据进行分析,结果表明胜任力在影响创新绩效过程中存在直接作用路径和"胜任力-工作匹配-创新绩效"的间接作用路径,自我效能感在胜任力影响工作匹配的过程中起到正向调节作用,领导成员交换和团队成员交换在工作匹配影响创新绩效的过程中起到正向调节作用。本文从理论上丰富了研发项目群人员管理的相关研究,实践上为提升研发项目群人员创新绩效提出了对策建议。

基于残差网络的遥感影像松材线虫病自动识别

松材线虫病是针对松树的特殊疾病,具有前期发病特征隐蔽、传播范围广、致病速度快的特点,因此面对林业病虫害问题,对受灾区域染病树木进行高效识别和分类,监测其他区域的树木生长情况,并且根据受灾情况确定损失,进行保险理赔是十分重要的。针对染病树木识别准确率低、识别速度慢的问题,本研究利用遥感影像和残差网络相结合的方法,并对残差网络进行优化改进,最终实现了松材线虫病树木的识别,降低人工识别成本,减少识别错误。以湖北省宜昌市远安县嫘祖镇作为研究区域,利用5幅高分一号遥感影像及部分GPS染病树木点作为数据源;通过图像分割、图像增强和坐标转换等一系列预处理将原始数据制作成带有标签和坐标系结合的数据集;将数据集分别输入残差网络ResNet18、ResNet34、ResNet50、ResNet101、ResNet152模型中,根据模型在训练集和验证集上的F 1值,结合模型在两个数据集上的准确率曲线及训练集的损失函数曲线,选择表现最好的模型,对其进行优化改进,提高识别精度。模型在Keras的深度学习平台下使用Python语言进行染病树木识别,研究结果表明,识别精度准确率达到87%,实现了松材线虫病树木识别,较适宜应用于林业病虫害问题诊断。

浅谈遥感技术在农业保险中的应用——以菏泽市单县玉米涝灾定损为例

农业保险作为国家政策类保险,是我国为保障农民生产的重要手段,随着技术的发展,卫星遥感技术独特的优点可在农业保险的各个阶段进行应用,尤其是在大面积灾害发生后,可利用遥感技术进行大规模快速有效的灾损分析,在最大程度上减少损失,指导农民进行灾后恢复生产和灾区重建。

卫星遥感技术助推森林保险高质量发展

林业保险作为国家政策类保险,是我国为保障农民生产的重要手段,随着技术的发展,卫星遥感技术独特的优点可在林业保险的各个阶段进行应用,尤其是在大面积灾害发生后,可利用遥感技术进行大规模快速有效的灾损分析,在最大程度上减少损失,指导林业部门和林业生产者进行灾后恢复生产和灾区重建。