针对传统高光谱图像分类算法存在特征信息利用率不足且无法有效降低特征图空间冗余的问题,提出一种改进的基于混合卷积的多尺度模型MH-CNN,该模型使用多尺度3DCNN模块对高光谱图像进行空间特征和光谱特征的初步提取,然后采用嵌入了空间重建模块的多尺度2DCNN网络对特征图的深层空间特征做进一步的提取和优化,最后通过全连接层对高光谱遥感图像进行精准分类。实验在Indian Pines、Pavia Centre和Pavia University 3种开源数据集上进行,选取了7种经典的分类方法作为对比。MH-CNN算法在3个数据集上的总体精度分别达到了97.7%、99.2%和98.5%。实验结果表明,MH-CNN算法使得高光谱图像中的空谱特征都得到了充分的利用,同时有效减少了特征图的空间冗余,相比于其他模型提高了分类精度,具有较好的综合性能。
为探究黄河流域复合型灾害的特征及其风险演化模式,首先厘清复合型灾害的基本特征,基于黄河流域2000-2023年的1553条灾害数据,归纳出10种典型的灾害链演化路径。通过构建复合型灾害的复杂网络模型,运用基于节点相似度和标签传播的加权网络社团划分算法(Weighted Network Community Division Method based on Node Similarity and Label Propagation,SLWCD)对网络节点进行分类,识别影响复合型灾害风险水平的关键节点。结果表明:洪涝灾害为黄河流域复合型灾害网络中的核心节点,具有最强的全局影响力;水污染事故较易受到自然灾害或首发事故的触发,干旱与地震则为黄河流域的高频灾害。聚类分析结果揭示了四类显著的效应机制,分别为:风雨沙灾害与社会安全事件的时空累积效应、各类灾害与公共卫生事件的级联效应、地质灾害与事故灾难的联动效应及土地问题对公共卫生事件的长期影响。此外,通过Python模拟,研究发现黄河流域复合型灾害网络中潜在路径长度大于4的灾害链条共有7646条。基于研究结果,提出了以下政策建议:增强灾害预警与应急响应能力,统筹跨部门协作,强化高风险区域的监测,推进生态保护与可持续发展,优化水资源与污染防控,采取综合适应策略应对气候变化,以有效提升黄河流域应对复合型灾害的能力。
暂无评论