湿地是重要却脆弱的生态系统之一，若其遭受破坏则难以恢复，科学评估生境质量并进行提升对保护湿地至关重要。针对该问题，提出一种新颖的分析框架，将生态系统服务和权衡的综合评估模型（Integrated Valuation of Ecosystem Services ...
详细信息
湿地是重要却脆弱的生态系统之一，若其遭受破坏则难以恢复，科学评估生境质量并进行提升对保护湿地至关重要。针对该问题，提出一种新颖的分析框架，将生态系统服务和权衡的综合评估模型（Integrated Valuation of Ecosystem Services and Tradeoffs,In VEST）和时空加权回归模型（regression model,STWR）相结合，实现对湿地生境质量的可靠评估以及提升制定策略的科学性。为验证该框架的有效性，本研究对2000-2020年闽江河口湿地进行实证分析，结果表明，闽江河口湿地的生境质量等级以Ⅱ级和Ⅳ级为主，表明生境质量相对较好。在分析的自然和社会经济因素中，DEM对生境质量影响力较弱，NDVI对生境质量的影响显著，主要为正相关。人口密度对生境质量的影响力度呈现降低的趋势，GDP对生境质量产生负向影响。
针对以频繁项集产生-规则产生为核心的两阶段关联规则挖掘,存在需要人工以先验知识指定最小支持度和最小置信度阈值的缺陷。本文提出以支持数和置信度为依据,采用曲线拟合技术,根据可决系数自动确定曲线的次数及对应多项式的算法AARM_BR(Adaptation Association Rule Mining Based on Determination Coefficient R^2),从而确定支持度和置信度阈值。在标准数据集Trolley和Groceries上进行关联规则挖掘实验,结果表明本算法更具有数据依赖性,在用户不具备先验知识的情况下,无须人为指定多项式阶次、支持度和置信度阈值的优点。
原木贸易过程中,原木材积的精确测量与经济效益直接相关。通常,同一批木材的长度相对固定,其材积计算依赖于原木端面检测算法。但是,原木端面形状各异、数量不一,给成捆原木端面检测带来巨大的挑战。因此,为了减少原木端面图像中的漏检原木数目,使模型能够更加完整地识别图像中的所有原木,同时考虑算法模型的可移植性,提出一种基于改进YOLOv4-Tiny的成捆原木端面检测模型,通过引入压缩和激励(Squeeze and Excitation,SE)网络实现注意力机制以增强目标原木的特征,同时将YOLOv4-Tiny的解码网络中的卷积层改为深度可分离卷积(Depthwise Separable Convolution,DSC),减少了模型的参数量。实验结果表明,所提出的模型能够有效地提高原始YOLOv4-Tiny的检测性能,精准率达到了93.3%,召回率达到了95.07%,同时模型的权重大小相比较原始模型减少了29.91%。
暂无评论