江西省城市韧性时空演变特征及其影响因素分析

在全球环境变化、快速城市化以及大流行病频发的背景下,“韧性”一词提出为城市抵抗不确定风险提供新的发展方向。该文构建“经济-社会-基础设施-生态与组织制度”的韧性基线评价框架,结合层析分析—熵值法的组合赋权TOPSIS方法对江西省城市韧性进行测度。其次借助核密度估计、泰尔指数和重心—标准差椭圆探索江西省城市韧性的时空格局演进;最后通过地理探测器分析江西省各地级市城市韧性的影响因素。研究发现:①时间维度上,逐渐形成“前期低低聚集、后期高高靠拢”的演化势态。②空间维度上,空间分布不均衡,呈现“高值分散、低值聚集”的空间格局,这种差异主要根源于区域内差异。③影响因素来看,双因子作用对城市韧性水平影响显著,不同因子之间存在密切联系。

城市韧性量化评估研究进展

在全球环境变化、快速城市化以及新冠等大流行病频发的背景下,“韧性”一词提出为城市抵抗不确定风险提供新的发展方向,城市韧性研究已成为城市规划与管理领域的重要研究课题。该文在分析现有研究文献基础上,从影响城市韧性的起源、城市韧性框架、城市韧性的多重因素等方面出发,对城市韧性量化评估研究现状进行综述。具体包括:①梳理总结城市韧性量化常用的评估方法,选取12种具有代表性的方法进行对比分析。②从社会、经济、生态、基础设施、组织制度等5个维度梳理32个城市韧性指标因子,构建城市韧性量化评价指标体系,分析指标对城市韧性的影响。③对未来城市韧性量化评估研究热点和趋势进行展望,即从城市韧性的压力源、演变机制、多尺度分析、时空量化分析以及数字孪生城市结合等方面推动未来韧性城市研究。

一种基于U-Net的高分影像土地利用/覆盖变化检测方法

[目的]介绍一种基于U-Net的高分影像的土地利用/覆盖变化检测方法,为该模型在遥感影像变化检测方面的应用提供理论支持。[方法]采用U型神经网络对河南省禹州市两期高分一号影像和WHU building dataset建筑物变化检测数据集中的变化图斑进行自动检测试验,并与FCN和SegNet两种模型进行比较。[结果]在两个数据集的验证样本中,U型神经网络模型的F 1值分别为0.699,0.66和0.673,均优于其他两种模型,并且漏检率较低,更加接近变化参考图。[结论]采用U型神经网络对高分辨率遥感影像进行土地利用/覆盖变化检测是可行的,且能有较高的检测精度。

基于有限差分法的专用服装温度分布模型

该文针对高温专用服装设计的问题,基于热传导理论建立多层热传导模型,得到变系数抛物型偏微分方程组,使用有限差分法与遍历搜索算法对方程组求解,得到了温度分布规律。最后该文对模型进行了检验,将由热传递分析的温度分布模型求解出的皮肤表面温度结果与实际皮肤温度进行比较,发现两者曲线较为吻合,误差相对较小,所建模型较为精确。同时,对模型的优缺点进行了分析,并提出了改进方法。

南头古城保护与更新

深圳长期以来被演绎为从一个“小渔村”40年间奇迹般演变成现代大城市的神话,事实上,深圳从来也不曾是“小渔村”。位于深圳中心区域的南头古城始于晋代,直至新中国建国初期,历代都是深港地区的政治、军事和经济中心,下辖包括今天的深圳、珠海、香港和澳门等地区。南头古城有1,700余年建城史,近百年间古城不断消退而村庄不断膨胀,随着深圳城市化的加剧,最终形成城市包围村庄,而村庄又包含古城的复杂格局。