基于层次分析法的城市洪涝灾害风险评估研究

本文以临汾市为研究区域,根据灾害系统理论和指标选取原则,从洪水灾害危险性和洪水灾害暴露性两个方面,构建了临汾市洪水灾害风险评价体系,并利用长时相MODIS数据洪水水体数据,作为危险性的指标因子,并对研究区的危险性进行初步评价。采用层次分析法确定各指标因素的权重,利用ArcGIS的空间分析功能对临汾市的洪涝灾害危险性和暴露性进行了评估,最后对临汾市洪涝灾害风险性进行了综合评估,以提高对临汾市各区域风险水平的认识。

一种基于YOLOv5的高分辨率遥感影像目标检测方法

高分辨率遥感图像在拍摄过程中包含了丰富的数据信息,使得目标与背景之间的差异减小,导致在检测目标时精度达不到所需要求,降低了目标检测的性能。基于YOLO深度学习算法,结合端到端坐标注意力(coordinate attention,CA)和轻量级网络模块GhostConv设计了一种轻量级网络模型GC-YOLOv5。CA沿水平和垂直方向分别对每个通道进行编码,使得注意力机制模块能够同时捕获具有精确位置信息的远程空间交互,并帮助网络更准确地定位感兴趣的目标。使用GhostConv模块代替原有的普通卷积模块(convolutional-batchnormal-SiLu,CBS),降低特征通道融合过程中的参数数量,减小最优模型的大小。使用公开的NWPU-VHR-10数据集进行了实验并在RSOD数据集上验证了模型的稳健性。结果表明,在NWPU-VHR-10数据集上的检测精度达到了96.5%,召回率达到了96.4%,mAP达到了97.7%。在RSOD数据集上也取得较好的效果。