国内贸易隐含碳研究可视化分析

为了梳理国内贸易隐含碳相关文献,采用文献阅读法以及文献计量学方法,收集2008~2024年期间有关隐含碳及贸易隐含碳相关文献,并使用Cite Space软件分析功能对收集来的文献进行可视化分析,以识别研究内容的时空分布、热点话题以及未来趋势。结果表明:中国国内贸易中的隐含碳研究已经取得丰富的成果;具有研究方法多样化的特征;国家对该领域的数据支持增强,政府对贸易隐含碳领域的关注程度不断提高,相关政策法规在不断地完善和改革;中国在贸易隐含碳领域积极展开国际交流与合作。未来,需要更深入地探讨贸易活动对碳排放的内在机理和影响路径;需要加强对碳排放核算数据的质量管控,提高核算结果的准确性和可信度;研究人员应当更加积极地参与相关政策的制定和评估过程,提出可行的政策建议。

面向空天地海一体化的精准定向智慧泛在服务研究综述

下一代网络具有大规模、动态性、实时性和个性化的特点,为广域空间范围内的各种网络潜在应用提供了泛在、智能、协同和高效的信息保障基础设施。从精准定向、智慧泛在应用服务的角度对空天地海一体化网络进行了全面的综述。首先,分析了空天地海一体化网络的总体愿景,包括通过空基、天基、地基和海基网络融合,按需实现各潜在应用场景的智慧泛在服务。随后,对面向智慧泛在的现有技术作了全面的调查,并讨论了当下优势与发展方向,包括异构网络一体融合技术、基于精准定向、智慧泛在的端到端质量保障技术等。最后,对空天地海一体化网络面临的一些挑战与未来的研究方向进行了讨论和展望。

生成式人工智能大模型赋能的元宇宙生命体:前瞻和挑战

元宇宙已在医药、制造、金融产业、教育和公共服务等领域有所讨论,但基于虚拟现实的应用场景并未真正实现“现实-虚拟-现实”回路交互方式。其交互模式也没有真正意义上赋予虚拟世界等同现实世界的意识和感知。以医药为例,探讨了生成式人工智能大模型在元宇宙生命体中的前瞻应用和挑战,包括数字化生物细胞,构建数字化细胞之间的连接和数字神经元等,以促进元宇宙生命体具有与物理世界一致的感知和生物化学反应,从而赋能医药领域的发展。针对目前元宇宙和生成式人工智能大模型各自的优缺点,进一步讨论通过巧妙设计人机协同机制,促进人与元宇宙生命体在医药中的有意识交互。

四川省暴雨洪涝灾害风险评估

为对四川省暴雨洪涝灾害防御体系的构建提供科学的参考依据,进一步完善暴雨洪涝灾害风险评估工作,利用四川省均匀分布的34个国家气象观测站1961-2017年逐日降水为致灾因子参考数据,选取地形、河网分布为孕灾环境敏感性区划因子,以各州市的经济发展和人口密度等数据为承灾能力易损性判断标准,通过熵权法和层次分析等权重分析法从致灾因子危险性、孕灾环境敏感性和承灾体易损性3个方面通过构建评估模型,并利用ArcGIS进行分析计算,完成对四川省暴雨洪涝灾害的风险评估。结果表明:(1)四川省降水频次高、降水量大,致灾因子风险高的地区主要集中在中部、中南部和东南部分地区;(2)四川东部地区相对地势平坦,河网分布密集,受河流分布的影响大,西部相对地势起伏,中东部较西部孕灾敏感性高;(3)雅安及川东北地区人口密度大、耕地面积比重多且人均GDP较低,抗灾能力较弱,承灾易损性能力弱;(4)综合各地区致灾风险、敏感性及承灾能力,川中部雅安和东部部分地区为暴雨洪涝的高风险区,成都地区、川南部的攀枝花、甘孜的西部和德阳等地区为暴雨洪涝的较低和低风险区。

气候变暖背景下西南四省市暴雨洪涝灾害风险变化

为了对西南地区气候变暖前后四省市相对灾情指数变化、暴雨洪涝相对灾情概率分布和暴雨洪涝灾害致灾因子危险性风险进行评价,采用西南地区四省市83个气象站点的逐日降水和气温资料、以及灾情数据等,首先利用突变检验确定气候变化突变年,然后借助灰色关联法、信息分配法以及熵权法等进行分析。结果表明:西南地区四省市年平均气温于1998年发生突变,总体以0.26℃/10年的速率呈显著性上升趋势;四个省市1978-2018年间的相对灾情指数主要集中在0.65~0.85之间,其中以小灾、中灾居多,变暖后较变暖前大灾发生频次增加显著;暴雨洪涝致灾因子危险性评估中指数变化主要呈西南-东北走向,两边为危险性增加区域、中间地区增幅较少或有所减小,川渝地区在变暖前后暴雨洪涝灾害危险性均高于云贵地区。

基于SSVEP-BCI的可穿戴疲劳检测系统

由于稳态视觉诱发电位的脑机接口(SSVEP-BCI)具有高准确性、高传输速率且无需训练,用户需要花费大量精力专注于视觉刺激以产生足够强的SSVEP,其中高亮度、频繁的低频刺激和单一任务十分容易使用户产生疲劳.针对用户疲劳问题,提出一种针对SSVEP-BCI的实时疲劳检测系统,该系统包括一个可穿戴式脑电设备的硬件设计和实现以及基于支持向量机的分类算法.基于该系统,对用于疲劳检测准确性的熵进行研究,并发现模糊熵与近似熵在检测中具有一致性,在疲劳变化微弱的情况下模糊熵变化更突出,而在疲劳变化明显的情况下近似熵的变化更显著.此外,对前额和枕叶信号进行比较,发现前额信号的分类准确性通常高于枕叶信号,同时复合准确性高于任何一种单独使用时的准确性.