A review of spatial targeting methods of payment for ecosystem services

Payments for Ecosystem Services(PES)have been studied extensively over the past decade as an important policy tool for coordinating ecological protection and regional socioeconomic development.One of the greatest challenges of PES implementation is to understand where to pay,i.e.,spatial targeting,which can directly impact PES effectiveness and efficiency.In this study,we conducted a systematic review of spatial targeting methods based on literature analysis using Citespace.Firstly,peer-reviewed articles related to spatial targeting of PES were selected from the Web of Science database based on keywords.Cases applying PES spatial targeting methods were then chosen and analyzed after all articles were read.In total,70%of the chosen cases focused on improving the compensation efficiency of biodiversity or another single environmental objective,whereas the remaining cases focused on coordinating trade-offs between equity and efficiency or multiple environmental objectives.The main PES spatial targeting approaches included cost-benefit analysis,multi-objective optimization,data envelope analysis and other methods aimed at specific issues.Of these,cost-benefit analysis has been most widely applied at different scales,including county,regional and watershed scales.Significant differences among the different PES spatial targeting methods were found,including in PES spatial targeting dimensions,efficiency optimization approaches and method application conditions.The practice of PES spatial targeting requires the selection of appropriate methods based on contextual biophysical and socioeconomic conditions as well as relevant environmental issues.The combined application of PES spatial targeting methods,compensation willingness of stakeholders and dynamic implementation of PES spatial targeting should be considered in future research.

Spatial Target Detection Based on the Measurement of Equivalent Blackbody Temperature

At low SNR cases, the distinction between spatial point-target and interferences as decoys is still a very difficult problem. Based on the characteristics that target and interferences as decoys and noise had different radiation intensity and radiation changing frequency, the concept of the equivalent blackbody temperature （EBT） was built and the calculation model of EBT was designed. The model could effectively reduce the interference of the space environment and fully show the radiation differences between point-target and interferences as decoys. It would be very effective in the detection of the target. In order to detect the target, the effective estimator of EBT was designed according to the observed data, and the system error and the variation range of the estimator of EBT were estimated. Finally the multi-frame estimator was designed to improve the estimation stability of EBT, and the use of this estimator would identify the point-target more effectively.

Spectral-spatial target detection based on data field modeling for hyperspectral data

Target detection is always an important application in hyperspectral image processing field. In this paper, a spectral-spatial target detection algorithm for hyperspectral data is proposed.The spatial feature and spectral feature were unified based on the data filed theory and extracted by weighted manifold embedding. The novelties of the proposed method lie in two aspects. One is the way in which the spatial features and spectral features were fused as a new feature based on the data field theory, and the other is that local information was introduced to describe the decision boundary and explore the discriminative features for target detection. The extracted features based on data field modeling and manifold embedding techniques were considered for a target detection task.Three standard hyperspectral datasets were considered in the analysis. The effectiveness of the proposed target detection algorithm based on data field theory was proved by the higher detection rates with lower False Alarm Rates（FARs） with respect to those achieved by conventional hyperspectral target detectors.

Research on spatial-variant property of bistatic ISAR imaging plane of space target

The imaging plane of inverse synthetic aperture radar （ISAR） is the projection plane of the target. When taking an image using the range-Doppler theory, the imaging plane may have a spatial-variant property, which causes the change of scatter＇s projection position and results in migration through resolution cells, In this study, we focus on the spatial-variant property of the imaging plane of a three-axis-stabilized space target. The innovative contributions are as follows. 1） The target motion model in orbit is provided based on a two-body model. 2） The instantaneous imaging plane is determined by the method of vector analysis. 3） Three Euler angles are introduced to describe the spatial-variant property of the imaging plane, and the image quality is analyzed. The simulation results confirm the analysis of the spatial-variant property. The research in this study is significant for the selection of the imaging segment, and provides the evidence for the following data processing and compensation algorithm.

空间目标天基光学定位方法综述

近年来空间目标定位领域不断结合网络协同、多模融合等探测技术,发展迅速。其中,基于天基光学探测的定位方法以隐蔽性好、测量精度高的独特优势在民用和国防领域应用广泛。为了分析不同情景下适用于不同类型目标的定位方法,针对基于天基光学探测的空间小目标定位进行综述。首先介绍天基光学探测技术的发展、空间目标的分类和特点以及空间目标定位的概念。然后着重分析适用于空间“小、弱”目标的单星和多星定位方法,并对近年提出的异质传感器联合定位展开说明。最后,依据成像过程建立空间目标定位误差分析模型,分析定位精度的影响因素占比并根据现存问题做出总结和展望。

复杂战场环境下改进YOLOv5军事目标识别算法研究

复杂战场环境下军事目标识别技术是提升战场情报获取能力的基础和关键。针对当前军事目标识别技术在复杂战场环境下漏检误检率高、实时性差等问题,提出一种基于改进YOLOv5模型的PB-YOLO军事目标识别算法。将改进的目标识别算法对于陆战场军事单元的识别锚框进行重新聚类,以提升模型对于目标大小适应度,加速模型收敛;采用通道-空间并行注意力机制,增加模型对复杂战场环境下目标特征信息与位置信息关注度;在特征融合网络部分使用BiFPN以提升模型对于特征的融合能力与速度;采用Alpha_IoU损失函数加速模型收敛,解决当真实框与预测框重合时IoU计算退化问题。实验结果表明,在自建军事目标数据集下,改进算法与主流目标识别算法相比,在保证模型空间复杂度的同时,mAP值达到了90.17%。消融实验对比结果表明,改进后网络较原模型精度提升11.57%,具有较好的识别性能,能够为战场情报获取提供有效的技术支撑。

大口径反射镜Bipod支撑结构的装调与检测方法

随着我国遥感卫星对地观测分辨率的不断提升,空间遥感相机的有效口径逐步增大,为有效应对相机在地表装调时的重力误差干扰,大口径遥感相机的装调方式逐步从光轴水平形式转变为光轴竖直形式,与之对应的,相机主反射镜支撑结构与装配需求也在不断革新。为满足反射镜支撑与减重需求,在1 m及以上口径的反射镜支撑形式中,Bipod结构是较为常见的一种结构形式,不同于传统的框式支撑形式,它在光机结构粘接与结构位置标定需求上都有了巨大变革。为保证Bipod支撑结构下反射镜的装配定位精度和面形变化满足系统指标要求,提出了一种结合多目标空间位置转换和Stewart结构运动反演的大口径反射镜组件装调方法,该方法可在有效保证光机结构粘接点精度的同时,仅依靠反射镜自身支撑结构,实现反射镜与主承力板之间的高精度六维调节,系统装调误差可控制在0.04 mm左右。在遥感相机的实际装调过程中,通过分析主反射镜在系统中的装调误差区间,并以此为标准制定了反射镜Bipod结构的定位、粘接、调整和检测方案,实践结果表明该方法可有效控制反射镜的装配定位精度和面形误差,装调结果能够满足大口径遥感相机的系统成像需求。

城市户外劳动者服务站点空间分布评价:以厦门市厦门岛为例

基于人本主义理念,从城市户外劳动者服务站点主要服务群体的需求出发,从需求目标、模型评价、反馈评价3个层面,构建交通便捷度、道路旁站点供需指数、用地内站点供需指数等评价指标及定量化评价模型,以厦门市厦门岛爱心驿站为例,研究城市户外劳动者服务站点空间分布的合理性,并通过主要服务群体反馈评价服务站点对服务群体需求的满足程度。结果表明:厦门岛服务站点交通便捷度空间分异显著;分布在城市支路和主干道/快速路旁的服务站点数量供需基本平衡,次干道旁的站点呈轻度供不应求;居住、商业设施、商务设施、交通设施四类用地内服务站点的供需匹配度相对较好,教育科研、文化设施和体育、医疗卫生等用地的供需匹配度相对较差,服务群体对各类用地满意度评价与供需匹配状态基本契合。建议从制定规划建设标准、统筹站点规划布局、盘活存量更新改造等方面优化城市户外劳动者服务站点布局。

基于改进蚁群算法的物流无人机航迹规划研究

针对物流配送中无人机航迹规划问题进行研究,考虑无人机性能和空域环境等影响因素,以经济总成本最小,时间最短和安全程度最高为目标,建立多约束条件下物流无人机航迹规划模型。先改善传统蚁群算法的信息素分布,启发函数搜索精度,再叠加天牛须算法进行二次规划,利用改进的算法对上述模型进行求解。研究结果表明:本文算法能够有效减少算法运行时间,并且在规划的最优航迹方面,改进算法规划的最优航迹长度最短,航迹较优,在保证最快到达目标点的同时也保证了无人机飞行过程中能够安全的避开障碍物威胁,证明了改进蚁群算法的有效性。

基于YOLOv5的无人机视角小目标检测算法

针对无人机视角下的小目标检测精度较差、漏检较为严重的问题,提出一种基于改进YOLOv5的无人机图像检测算法。针对小目标尺度较小问题在骨干网络替换空间金字塔池化(Spatial Pyramid Pooling,SPP)为SPPCSPC-GS,增强密集区域关注能力,提取更多小目标有效特征;在颈部网络中引入CBAM注意力机制将头部C3模块替换为C3CBAM增强上下文信息,提高空间与通道特征表达能力;针对遮挡问题引入柔性非极大值抑制(Soft Non Maximum Suppression,Soft NMS)提升模型对遮挡和密集目标的检测能力;替换损失函数为EIOU加快收敛提升定位效果。改进后的模型在VisDrone数据集上平均检测精度为42.2%,相较于原始YOLOv5s算法提升10.7%,遮挡严重的小目标行人与人类别精度分别上升12%与13.3%。相较于其他先进算法,所提算法表现优秀,可以满足无人机视角图像检测任务要求。

面向空中目标意图识别的时空Transformer模型设计

信息化条件下的战争环境瞬息万变,战场态势数据呈现海量、多样化的特点,导致利用专家经验识别空中目标作战意图的难度越来越高。结合目前先进的智能化方法,对Transformer模型进行研究并将其引入空中目标意图识别领域,设计出一种新的意图识别方法Temporal-Spatial Transformer(TST),可以有效地挖掘战场态势数据中时间域和空间域的深层特征信息,提高空中目标作战意图识别准确率。同时,对4种目前较为先进的神经网络意图识别方法进行效果对比,结果表明,TST模型在各类指标上都取得了突出的效果,优于所有对比的神经网络模型。TST模型不仅有优异的准确率,而且收敛速度极快,可以迅速地抓取战场态势数据中的关键信息进行意图识别。

基于云边端的空间目标探测感知系统架构设计

空间目标探测感知系统作为未来信息化作战的关键要素,为现代化战争提供了重要的天域预警信息支撑,文中面对未来空间目标呈现小型化、星座化、异变化等特点,将云边端架构引入空间目标探测感知系统的架构设计中。首先,分析了目前空间目标探测感知系统面临的问题和系统需求;然后,结合云边端架构的理念提出了一种空间目标探测感知系统架构的设计方法,考虑当前探测感知装备现状合理设计了云中心、边中心和端节点的系统组成,结合空间目标探测流程设计了“两环、一库、四要素”的系统运行逻辑架构;最后,总结了该架构具备的先进能力特征。

综合孔径微波辐射成像技术发展现状与趋势

从综合孔径微波辐射成像技术实际需求和技术特点出发,首先简要回顾了综合孔径微波辐射成像技术的整个发展历程;然后,从地球被动微波遥感和目标被动探测两个应用领域较为全面地介绍了综合孔径微波辐射成像技术的发展现状,包括综合孔径微波辐射成像系统研制和相关重要研究进展等;最后,从高空间分辨率和多手段联合等方面总结了综合孔径微波辐射成像技术的发展趋势。随着综合孔径微波辐射成像技术的发展,其在地球被动微波遥感和目标探测领域将会得到更广泛的应用。

一种基于点云配准的空间非合作目标相对位姿估计算法

针对空间机器人在轨维修等任务中的非合作目标位姿估计问题,提出一种基于点云配准的空间非合作目标位姿估计算法。在粗配准阶段,利用复合滤波算法保留点云外形并降低点云密度,通过主成分分析法求出特征向量,建立特征向量变换关系,利用RANSAC算法检验匹配效果。在精配准阶段,使用基于改进ICP算法的精配准算法,求出旋转矩阵和平移矩阵,得到位姿估计值。采用经旋转平移变换和高斯噪声处理的6组数字卫星点云模型进行点云配准性能验证,并利用TOF相机采集的卫星缩比模型点云进行位姿估计算法验证。经验证,算法的姿态角测量误差小于0.4°,位移测量误差小于3 mm,是一种针对空间相对位姿测量问题的抗噪性能更好、鲁棒性更高的有效解决手段。

基于YOLO-MCG的PCB缺陷检测算法

为解决PCB缺陷检测中存在检测精度低,模型尺寸庞大的问题,文中提出基于YOLO-MCG的PCB缺陷检测算法。首先提出多尺度加权通道融合网络缩减模型体积,扩增小目标数据。接着提出混合空间金字塔卷积替换主干网络中SPP结构,扩大深层特征图感受野,增强模型语义信息特征提取性能。最后构建轻量化CG-CSP模块替换主干网络最深层CSP结构,减少网络参数,提高网络过滤冗余背景信息能力。实验结果表明,YOLO-MCG算法在8.13 MB的模型尺寸下平均精度均值为97.72%,与改进前模型比较,mAP提升3.77%,模型尺寸缩减69.89%,有效降低模型复杂度,提升缺陷检测效果。

城市新质生产力的空间集聚特征识别及规划应对——以中部地区制造名城株洲为例

当前学界对“新质生产力”概念提出的背景及内涵特征等开展了较多的探讨和研究,但多是对新质生产力的产业发展方向和目标路径的研究,对其空间载体的集聚特征和空间治理应对还鲜有研究。通过对城市新质生产力空间集聚特征影响要素的研究识别,筛选评价因子,构建综合评价指标体系,运用目标值法构建层次分析模型进行关联测度和评价,得出新质生产力空间集聚特征并提出相应的空间规划应对策略。在此基础上,以湖南株洲为例进行新质生产力空间集聚特征识别评价,针对识别结果提出相应的规划应对策略,促进其高质量发展,为其他城市的新质生产力发展提供有益的规划理论和实践参考。

基于注视转移学习的视频注视目标检测

视频注视目标检测,需要估计视频帧中的人所注视目标的位置。在不同的时间,人会注视不同的目标。在两个注视目标转移的时间段内,人并没有注视特定的目标。基于图像Transformer的注视目标检测方法,忽略了抑制注视转移现象。注视转移中的注视方向,会干扰注视目标的真实位置估计。为了实现视频注视目标检测,提出一种基于注视转移的模型,该模型包括注视方向引导模块,注视转移时间融合模块。在注视方向引导模块中,注视目标位置被用于估计注视方向热图。该模块使用注视方向热图来引导注视目标热图生成,这有利于抑制非注视方向的目标响应,提高注视目标定位的准确性。在注视转移时间融合模块中,注视目标热图随着时间变化会产生时空热图。该模块对时空热图采用双向时空卷积长短期记忆网络(LSTM),产生时空记忆融合的注视目标热图,来描述时空热图中注视目标的变化过程。该模块将注视转移时间段描述为高斯时间模型。针对注视转移的时间长度不确定的问题,该模块设计高斯时间融合方法,来估计出注视转移的视时间长度和注视转移的开始和结束时间。注视转移时间段的准确定位,抑制了注视转移现象对注视目标位置估计的干扰。该模型训练使用了注视方向损失、注视目标存在损失、注视目标热图损失,以及注视转移时间定位损失。实验采用GazeFollow和VideoAttentionTarget数据集。实验结果表明基于注视转移的模型,优于基于图像Transformer的注视目标检测方法。

基于改进MKELM的红外空间锥体目标识别

针对远距离探测时仅能获取目标的红外辐射强度序列、样本量有限、信噪比低而导致目标识别困难的问题,提出一种基于改进多核极限学习机(multiple kernel extreme learning machine,MKELM)的红外空间锥体目标识别方法。首先对红外辐射强度序列进行变分模态分解(variational mode decomposition,VMD)并重构,然后对重构序列进行时域特征提取,最后采用鲸鱼优化算法(whale optimization algorithm,WOA)优化MKELM的参数组合,在仿真生成的空间锥体目标红外辐射强度序列数据集上进行目标分类识别实验。实验结果验证了所提算法的有效性,同时表明所提方法具有较好的识别准确性和鲁棒性。

基于空间信息聚合的遮挡目标抓取位姿检测

针对机器人依靠视觉抓取时对遮挡目标抓取位姿检测准确率低的问题,提出基于空间信息聚合的遮挡目标抓取位姿检测方法。遮挡导致目标在相机视野中的本征特征改变,影响目标位置信息与形状结构特征。首先,使用坐标卷积代替传统卷积的方式进行特征提取,在输入特征图后新增坐标通道来提升网络对位置信息感知能力;其次,设计空间信息聚合模块,其采用并行结构增大局部感受野并沿空间方向对通道进行编码获取多尺度空间信息,再通过非线性拟合方式将信息聚合,使模型更好理解目标结构和形状;最后,抓取位姿检测网络输出抓取的质量、角度和宽度,并计算最佳抓取位置以建立最优抓取矩形框。在Cornell Grasping数据集、自建遮挡数据集、Jacquard数据集验证,检测准确率分别达到98.9%,94.7%,96.0%,在实验平台对目标的100次真实抓取实验中,成功率为93%。所提方法在三个数据集上均取得了最高检测准确率,且在实际场景中检测效果更优。

基于改进YOLOX的猕猴桃分类识别与空间定位

复杂自然环境下果实的快速、准确识别和定位是猕猴桃机械臂采摘的关键和难点。面向猕猴桃实时采摘应用,开展了基于深度学习的猕猴桃分类识别算法、空间定位模型构建和机械臂采摘实验研究。优选Anchor_Free的一阶段YOLOX算法模型,并通过引入注意力机制、调整通道数、增加特征融合、堆叠特征融合对该模型特征融合环节加以改进,提高了非结构化环境下猕猴桃果实的分类识别精度。实验数据表明,改进YOLOX算法对独立果实、树叶遮挡、树干遮挡、果实重叠的平均精度(AP)分别提升至99.38%、98.43%、93.82%和92.98%,平均精度均值(mAP)达到96.15%,其平均F1值提升至94.24%,且在640×640分辨率下每幅图像的平均检测时间为0.019 s。进一步地,利用图像深度信息对识别目标进行三维空间位置求解,并经物理实验验证,实验中果实定位坐标误差≤3.3%。算法在识别率、检测时间和定位误差3方面取得了较优的综合性能,满足猕猴桃机械臂采摘中果实的实时识别及定位需求。