夏热冬冷地区学校类建筑低碳节能策略研究

基于夏热冬冷地区学校类建筑能源审计工作,对学校类建筑能耗和用能系统现状进行节能诊断,研究发现:照明及插座系统、暖通空调系统、生活热水供应系统是节能减碳的重点。结合学校类建筑的运行特点,本文提出了适宜的减碳策略,在实际工程项目中应用取得了较好的节能效果,可对夏热冬冷地区学校类建筑低碳节能运行提供参考。

基于SBAS/PS-InSAR技术的滑坡遥感监测对比研究

以2015~2019年12景ALOS-2 PALSAR2影像和2018~2019年38景Sentinel-1A影像为主要数据源,利用PS-InSAR和SBAS-InSAR技术提取西藏江达县波罗乡白格滑坡点的形变信息,并对处理结果进行交叉验证。研究得到以下结论:1)PS-InSAR技术条件下,ALOS-2数据和Sentinel-1A数据的平均形变速率范围为-68.9~37.9 mm/a和-64.5~24.2 mm/a;SBAS-InSAR技术条件下,ALOS-2数据和Sentinel-1A数据的平均形变速率范围为-84.2~-40.0 mm/a和-84.0~-13.0 mm/a。2)对2种数据结果中提取的4个特征点进行时序分析和定量分析显示,2种InSAR技术结果变化趋势较为一致,验证了两者在滑坡监测中的可靠性和准确性。

基于多光谱影像和机器学习算法的红树林树种LAI估算

针对红树林叶面积指数(Leaf Area Index,LAI)实地测量难度大、无法快速大范围LAI估算的问题。该研究以广西北部湾红树林为研究对象,以无人机(Unmanned Aerial Vehicle,UAV)和哨兵二号(Sentinel-2A,S2)多光谱影像为数据源,整合原始光谱波段、植被指数和组合植被指数构建高维数据集,并进行数据降维和特征优选。定量评估6种机器学习算法(XGBoost、前馈反向传播神经网络(Back Propagation,BP)、支持向量机(SVM)、岭回归(Ridge)、Lasso和弹性网络(ElasticNet))对不同红树林树种LAI的估算能力;探究UAV和Sentinel-2A影像对红树林树种LAI估算的精度差异。研究结果表明:1)基于XGBoost算法构建的模型实现了红树林LAI高精度估算,R^(2)均高于0.70,RMSE均低于0.349;2)在UAV和Sentinel-2A影像下,XGBoost模型对不同红树林树种LAI的估算精度(R^(2))比其他5种模型分别提高了0.105~0.365和0.283~0.540,RMSE降低了0.100~0.392和0.102~0.518;3)UAV影像数据与XGBoost算法构建的模型对海榄雌LAI的估算精度优于其他组合(R^(2)=0.821、RMSE=0.288),Sentinel-2A影像数据与XGBoost算法构建的模型对秋茄和桐花树LAI的估算精度优于其他组合(R^(2)=0.940~0.979、RMSE=0.142~0.104),不同红树林树种LAI的估算精度依次为桐花树>秋茄>海榄雌;4)SNAP-SL2P算法整体性低估红树林LAI值,UAV影像红树林树种LAI的平均估算精度(R^(2)=0.677~0.713)均优于Sentinel-2A影像,实现了不同红树林树种LAI的高精度估算。

基于VISSIM软件对高校门口路内停车优化仿真研究——以南通理工学院为例

在高校的门口人流与车流集中,该路段非机动车道路内停车容易产生拥堵的现象,本文以南通理工学院为例获取数据并进行优化研究,在充分遵循公共交通组织和规划设计原则基础上,采用法律法规的手段对路内停车行为进行约束,并用VISSIM软件对该方案进行模拟仿真得出行程时间、延误、排队长队等参数。通过对优化前后的数据分析得到,该方案在同时段同等情况下,汽车在高校门口路段的通过时间最多缩短5.1s,延误最多降低了5.3s,排队长度最多减少了2m,并且减少了停车次数,证明了方案的可行性,为高校门口处的交通优化提供典型的参考案例。

基于多维度遥感影像的洪河国家级自然保护区沼泽湿地分类方法研究

以洪河国家级自然保护区为研究区,选取了多时相的Sentinel-1B和Sentinel-2A影像为数据源,制定出9种多时相主被动遥感数据组合方案,用于沼泽湿地遥感分类;分别对根据9种方案整合的多维数据集,进行基于尺度继承的多尺度分割,得到面向对象的分割影像,建立与不同方案对应的特征数据集;采用随机森林机器学习算法,对多维特征数据集进行特征优化,并进行参数调优,构建沼泽植物的最优遥感识别模型,实现对沼泽湿地中地物的识别与分类。研究结果表明,采用递归特征消除(recursive feature elimination,RFE)算法的变量优选和采样随机森林的参数调优,可以优化随机森林模型,显著减少数据冗余,整合多时相主被动遥感数据方案九的随机森林模型的最佳参数mtry和ntree分别为4和1500,模型训练精度为93.06%,Kappa系数为0.916,其模型训练精度在所有方案中最高;经过变量优选得到最佳特征变量组合,交叉极化方式的后向散射系数(Mean_VH)对于沼泽分类的重要性比同向极化方式的后向散射系数(Mean_VV)高;光谱特征是遥感图像分类的最主要特征,其中,红光和绿光波段(Mean_R和Mean_G)、多光谱红边波段(Mean_REG1和Mean_REG2)、近红外波段1(Mean_NIR1)、红边植被指数(CIgreen和CIreg)都对分类具有较高的重要性;纹理特征熵(GLCM_Entro、GLCM_Ent2)和位置特征像元坐标(X_Min_Pxl和Y_Max_Pxl)对沼泽湿地分类也起到重要作用,相对于其它特征,形状特征对分类的贡献性较小;利用方案九的数据得到的分类结果的总体分类精度为94.42%,主被动遥感数据的特征变量和不同时相的特征变量都对分类做出重要贡献,其中,6月的多光谱特征变量的贡献大于9月的变量;9月的SAR特征变量的贡献大于6月的变量;对分类贡献最大的9月的特征变量为多光谱红边波段2(Mean_REG2),对分类贡献最大的6月的特征变量为绿光波段(Mean_G);融合多时相主被动遥感数据源,可以将不同数据源、不同时相对分类具有较大贡献的特征变量集合在一起,充分利用光谱信息和雷达数据反映的结构信息,构建多维度最佳特征变量组合方案,有效提高沼泽湿地分类精度。

Endogenous enkephalin does not contribute to the cerebral anti-hyperalgesic action of gabapentin

The aim of this study was to investigate the role of endogenous enkephalin in the cerebral antihyperalgesic action of gabapentin.Neuropathic pain models and antihyperalgesic effect of gabapentin were confirmed by the presentation and changes of mechanical allodynia and thermal hyperalgesia of operated mouse hind paws.The results suggested that endogenous enkephalin may not be involved in the antihyperalgesic effect of gabapentin.