基于B/S架构的海量空间数据并行上传方法研究

传统海量空间数据并行上传方法直接对空间数据上传系数指标进行计算,未对空间数据进行划分,造成上传效率低。文章提出基于B/S架构的海量空间数据并行上传方法。对空间数据进行划分,根据划分结果计算空间数据上传系数指标,从而进行空间数据预处理,基于B/S架构空间数据上传流程实现海量空间数据并行上传,并设计对比实验。实验结果表明,该研究方法具有更高的上传效率,更具有应用价值。

基于Kendall与R/S法的年最大洪峰流量变化特性分析

应用线性回归法、Kendall秩次相关检验法等方法分析年最大洪峰流量序列总体变化趋势,根据重标极差R/S法求出年最大洪峰流量序列的变异点并划分序列,采用Kendall秩次相关检验法或线性回归法分析每段序列变化趋势,并根据R/S法分析每段序列的持续性特征,以两者的结果综合分析序列未来的变化特性。以闽江十里庵站年最大洪峰流量序列为例进行的分析表明,Kendall与R/S法应用于年最大洪峰流量变化特性分析可行,可以为流域汛前防汛备汛工作提供参考。

V/S和Mann-Kendall相结合的方法在洪涝灾情分析中的应用

【目的】将V/S分析法引入到洪涝灾害面积序列的长记忆性研究,为洪涝灾害的预测和防治提供参考。【方法】以洞庭湖1949-1998年50年的洪涝灾害面积序列为研究对象,采用V/S分析法计算其Hurst指数,并结合其Mann-Kendall趋势分析洪涝灾害面积序列未来的变化趋势。【结果】20世纪70年代以来洞庭湖区的洪灾面积下降趋势明显,90年代以后涝灾面积上升趋势显著,洞庭湖洪涝灾害时间序列V/S分析的Hurst指数均大于0.5,表明洪涝灾害面积序列的变化趋势在未来将持续。【结论】V/S分析是一种有效的趋势预测方法。将V/S分析法与Mann-Kendall相结合的方法能够分析洪涝灾害时间序列未来的变化趋势,是一种有效的未来趋势预测方法。

非参数双变量相关分析方法Spearman和Kendall的Monte Carlo模拟比较

目的对Spearman和Kendall’s tau-b两种非参数双变量相关分析方法在偏态分布和等级变量条件下进行模拟比较。方法应用SAS9.13软件编程,采用Monte Carlo方法,设置不同偏态分布类型、样本量及总体相关系数,比较两种非参数方法的样本相关系数及相对误差的大小。结果Spearman方法较之Kendall方法,估计的相关系数与总体相关系数更为接近,且相对误差更小。结论在双变量为偏态分布和等级变量条件下,Spearman法优于Kendall方法。

基于Sen+Mann-Kendall的北京植被变化趋势分析

基于1998年到2011年长时序SPOTVEGETATION归一化植被指数数据,采用一元线性回归斜率变化法和Sen+Mann-Kendall法对北京地区的植被变化趋势做了时空分析。实验结果表明:在1998年到2011年期间,北京市城区、延庆县、怀柔区和平谷区的植被变化趋势显著上升;而植被恶化区则集中在北京市城区北部、东部和南部,并以马蹄形包围北京市区。两种方法实验结果在植被上升(下降)区域具有一致性。同时,Sen+Mann-Kendall法以其良好的抗噪性和对数据分布无要求性可广泛应用到其他区域的植被变化趋势分析中。

Kendall与R/S分析法在降雨特性分析中的应用

应用Kendall秩次相关检验法、重标极差R/S分析法以及两者相结合的分析方法对南平市年平均降雨量变化特性进行研究。结果表明,南平市近50年来年降雨量总体上在均值附近摆动、呈微弱减少趋势,但趋势不明显,相对来说随机性明显,20世纪90年代以后降水的年际波动大,今后几年年降雨量序列存在增加趋势。

结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。

基于Mann-Kendall和R/S法的水文序列变化趋势分析——以苏州市为例

由于Mann-Kendall法和R/S法均无法独立获取水文序列过去及未来的变化趋势,本文尝试将其相结合。针对苏州市水文历史数据,利用Mann-Kendall法分析水文序列过去的变化趋势、R/S法获取其分形特征,预测苏州市水资源未来趋势特征,并利用弹性系数法定量评估气候变化和人类活动对水资源变化的影响贡献率。结果表明:苏州市水资源量在过去的60年以及未来均呈现上升趋势,且在1979年发生突变;苏州市气候变化是径流变化的主要驱动因子,贡献率达到87%,人类活动的贡献率为13%。掌握苏州市水资源变化趋势可为苏州市水资源合理开发利用和海绵城市建设提供决策依据。

R/S和Mann-Kendall法综合分析水文时间序列未来的趋势特征

讨论了R/S法和Mann-Kendall法用于水文时间序列分析存在的不足,提出综合了应用两者分析水文时间序列未来趋势特征的方法,以闽江流域竹岐站年径流序列为例进行了分析。结果表明,综合应用R/S和Mann-Kendall法能比较好地分析水文时间序列未来的趋势特征,也揭示了闽江流域中、上游地区年径流的未来有显著下降的趋势特征。

基于Kendall's τ的连接函数分布估计算法求解云计算中SaaS部署问题(英文)

分布估计算法的性能高度依赖于如何估计和采样概率分布,连接函数(Copula)是构建概率分布模型的强有力的工具.论文给出了一个基于Kendall's τ的正态连接函数分布估计算法,算法通过估计Kendall's τ和利用Kendall's τ与相关矩阵的关系首先估计正态连接函数中的相关矩阵,由此估计出联合分布.然后,Cholesky分解算法被用于该矩阵生成新的个体.由于正态连接函数的简单性,使得该算法具有简单明了的优点.算法被应用于一些测试函数和云计算中的SaaS部署问题,实验结果表明了算法的有效性.

充满情感厚度的自我剖析——V.S.奈保尔《抵达之谜》中的空间叙事

在《抵达之谜》中,V.S.奈保尔将全书的主题隐藏于叙事中,创作出引发多种阐释的“抵达之谜”。通过对社会和世界变迁的质询和思考,借助非线性的空间书写,奈保尔揭示了作为“精神之地”“花园”的多重意义。通过对“栖居之地”“庄园”和“小屋”这些具有代表性的隐喻空间的描写,作者用细腻的笔触绘制了居住者的心理地图和意识空间。植根于各种细腻的外部景观描写中的,以及叙述者与新世界的情感和精神的碰撞、对旧世界的留念与反思中的,是作家对身份充满情感厚度的自我剖析和对生命和人的存在的“顿悟”。所谓“抵达”更是一种心理上的“抵达”和实现。

拓扑空间中的理想收敛

用理想收敛结构解决定向拓扑的刻画问题,给出理想S极限和理想广义S极限可拓扑化的充要条件.结果表明:T0拓扑空间上的定向拓扑、理想S极限拓扑和理想广义S极限拓扑相同;定向空间中的理想S收敛是拓扑的当且仅当其为c-空间;定向空间中理想广义S收敛是拓扑的当且仅当其为局部强紧空间.

基于改进YOLOv5s算法的禁捕期长江渔船识别及应用研究

长江实行十年禁渔是长江生态环境修复的关键环节,针对禁渔期间长江非法捕捞渔船目标小、背景复杂、流动大等问题,提出了一种基于改进YOLOv5s的目标检测算法。该算法优化多尺度自适应锚框模块,采用改进的K-means++聚类算法,重新匹配适合长江船舶尺寸的锚框;使用轻量高效的坐标注意力(coordinate attention,CA)机制,提升模型关注目标通道信息特征的能力;采用SPPCSPPC(spatial pyramid pooling and context-aware spatial pyramid pooling combination)对特征图进行池化,提高小目标检测能力;通过构建长江船舶数据集训练得到最优权值模型。结果显示,改进后的模型在准确率、召回率、mAP0.5、mAP0.5∶0.9和原模型相比分别提高了1.5%、3.0%、2.4%、7.7%,且训练过程损失收敛更快,收敛值更低,能够准确快速识别出长江上的渔船目标。研究结果可为长江十年禁渔提供技术支持。

基于GIS的环巢湖地区土壤养分空间变异特征研究

为探究环巢湖地区土壤养分的空间自相关性及其变异规律,在研究区域共采集8073个土壤样品,基于GIS技术并使用地统计方法和Moran′s I指数法对土壤pH、有机质、全氮、碱解氮、有效磷、速效钾和缓效钾进行了系统分析。结果表明:土壤pH、有机质、全氮、碱解氮、有效磷、速效钾和缓效钾的均值分别为6.07、19.97 g·kg^(-1)、1.16 g·kg^(-1)、112.95 mg·kg^(-1)、18.21 mg·kg^(-1)、130.88 mg·kg^(-1)和378.58 mg·kg^(-1),除有效磷为强变异外,其他养分均为中等程度变异;pH、全氮、有效磷、速效钾和缓效钾半变异函数最佳拟合模型为指数模型,有机质和碱解氮为高斯模型;pH和速效钾为中等空间自相关性,其他养分空间自相关性均较弱,表明养分空间变异主要受人为活动等随机性因素影响;各养分均为极显著空间正相关,其空间相关性大小依次为有效磷>速效钾>pH>缓效钾>全氮>有机质>碱解氮,且有效磷的空间自相关性显著大于其他养分。总体上看,环巢湖地区养分分布较为分散,南北方向有逐渐上升或下降的趋势,且养分高低值聚集区域也有明显的南北分布。

南京公园绿地与城市功能空间的时空关联特征——基于Ripley’s K函数与POI数据

探究公园绿地与城市功能空间的分布关系及其演变特征,是促进二者高效协同发展的基础。基于POI及土地利用数据,借助核密度分析、双变量Ripley’sK函数等方法,以南京为例揭示了2012、2016、2020年公园绿地、各城市功能空间的时空关联关系及其演变规律。结果表明:1)公园绿地、各城市功能空间分布呈现古城聚集并向主城外围扩散趋势;2)主城区范围内,分别以公园绿地视角观察功能空间、以功能空间视角观察公园绿地,均呈现逐年减弱的聚集趋势,且距离阈值、变化趋势双向趋同;3)古城区范围内,城市功能空间在公园绿地周边聚集,除商业、居住空间聚集强度先增加后降低外,其余均持续增强,而公园绿地在各城市功能空间周边呈现逐年减弱的离散模式。研究结果有助于深化公园绿地与城市空间演化理论,为二者高效协同和高品质人居环境营造提供科学支撑和规划依据。

基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法

在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以提升检测速度。其次,在特征融合网络中引入基于感受野模块(receptive field block,RFB)改进的RFB-s,通过模仿人类视觉感知,增强特征图的有效感受野区域,提高网络特征表达能力及对目标特征的可辨识性。最后,使用自适应空间特征融合(adaptively spatial feature fusion,ASFF)方式以提升PANet对多尺度特征融合的效果。实验结果表明,在PASCAL VOC数据集上,所提算法检测平均精度均值相较于YOLOv5s提高1.71个百分点,达到84.01%,在满足自动驾驶汽车实时性要求的前提下,在一定程度上减少目标检测时的误检及漏检情况,有效提升模型在复杂驾驶场景下的检测性能。

南京公园绿地与城市功能空间分布关系——基于双变量Ripley′s K函数分析

公园绿地与城市功能空间存在空间关联关系,其规律及尺度特征仍有待揭示。以南京为例,借助标准差椭圆、核密度分析方法和POI数据以及双变量Ripley′s K函数,探究公园绿地与城市功能空间的分布关系。结果表明:1)公园绿地整体均衡、局部聚集,而交通空间均衡分布,公共服务、居住、商服空间的集聚趋势由中心向外围递减;2)主城区公园绿地与功能空间呈现显著的交互促进影响模式,其中公园绿地分别距公共服务、居住、商服空间1200 m、1300 m、1600 m开始呈现聚集模式,交通空间无明显距离差异;3)古城区集聚态势较之主城区有所减弱,公园绿地分别与公共服务、居住、交通、商服空间距1500 m、1200 m、900 m、300 m之内存在配置冲突,在此距离之外各功能空间的布局概率不断增加,仅公园绿地与交通空间呈现较为显著的正向交互影响。最后提出优化建议,为公园绿地与各功能空间协同发展、高效互动提供参考。

Pearson、Spearman与Kendall's Tau相关分析的Excel实现

目的探讨用Excel实现Pearson、Spearman与Kendall’s Tau相关分析的方法。方法利用Excel中的单元格能调用其它单元格内数据的特点,将相关系数及其假设检验的计算公式分为多个中间结果,合理布置在工作表的各单元格中,最终可得到公式的计算结果,并根据结果作出统计分析与判断。结果建立"两变量相关频数数据"和"两变量相关原始数据"的两个Excel工作表后,进行数据进行Pearson、Spearman与Kendall’s Tau相关分析时仅仅录入频数数据(或原始数据)和显著性水准α,不须再录入任何统计公式和命令,就能立即得到统计结论。结论利用Excel能直观快速地进行数据的Pearson、Spearman与Kendall’s Tau相关分析。

改进YOLOv5s的弱光水下生物目标检测算法

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(SPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的Swin-Transformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明:所提算法相较于YOLOv5s检测精度提高30.7%,证明了算法的有效性。

基于遥感影像的震后避难空间快速提取模型研究——以2021年云南漾濞M_(S)6.4地震为例

震后避难空间是居民遭遇地震时紧急疏散、避难、临时生活的重要区域。以无人机影像为基础,采用影像面向对象分类与GIS栅格化的分析方法,构建震后避难空间评价指标,建立基于遥感影像的震后避难空间快速提取模型,并以2021年云南漾濞M_(S)6.4地震为例,将避难空间提取的结果与震后居民实际选取的避难空间进行比较。结果表明:模型共计提取可用避难空间70个,根据目标函数F得到最优避难空间5个,其中每个避难空间在漾濞M_(S)6.4地震中实际帐篷数量分别为72、55、54、30、44顶,模型计算结果与实际结果匹配。