雪域高原建新站,环境试验立新功——孙来燕副主任在国防科技工业环境试验与观测网拉萨自然环境试验站和拉萨电波观测站揭牌仪式上的讲话(摘要)

同志们: 国防科工委一直非常重视"环境试验与观测"专业的发展,将其列为国防军工技术基础7个专业之一,单独设立科研计划,并在"十五"期间加大投资力度,对专业进行了基础条件改造建设.     

国家从“十一五”开始陆续投资200亿建设西藏高原生态屏障

西藏高原是我国乃至亚洲地区重要的生态安全屏障，国家明确将西藏纳入生态环境重点治理区域，从“十一五”开始，国家将陆续投入200多亿元资金构建西藏高原国家生态安全屏障，切实保护雪域高原的碧水蓝天。     

考虑均值异质性的高原山区公路责任事故严重度风险因素辨识

为明晰高原山区高速公路事故严重度的影响因素及差异，量化事故数据异质性对事故严重度的交互影响效应，基于云南省某高原山区高速公路550起有责交通事故数据，从责任驾驶员、责任车辆、道路特征和责任事故特性4个方面选取潜在特征变量，采用固定参数有序Probit模型和随机参数有序Probit模型，构建考虑均值异质性的高原山区高速公路责任事故的严重度分析模型，并采用边际弹性系数量化分析不同影响因素对事故严重度的影响程度。结果表明，缓和曲线、有其他妨碍安全驾驶的行为、轻型货车、重型货车、多车、下坡以及曲线路段7个因素显著影响责任事故严重度。“驾驶员存在其他妨碍安全驾驶的行为”和“重型货车”的估计系数分别是服从(0.375, 0.201)和(0.531, 0.988)正态分布的随机变量，总体导致死亡及重伤事故的概率分别增大6.15%和9.61%;当驾驶员在曲线路段存在其他妨碍安全驾驶的违法行为时，重伤或死亡事故概率增大6.54%。当重型货车在缓和曲线路段发生碰撞时，重伤或死亡事故概率会降低8.37%,重型货车因未与前车保持安全距离发生重伤或死亡事故概率会降低9.95%,而当重型货车与小客车碰撞时，重伤或...     

融合YOLOX和ASFF的高原山地灾害检测模型

YOLOX 是全球首个一阶无锚框目标检测模型，超越了 YOLO‐V（3‐5）和 SSD 等传统锚框模型，极大提高了山地灾害检测识别精度。然而，该模型存在不同尺度之间特征不一致的问题，融合后的特征图质量有待提升。以西藏高原山地灾害重灾区为试验区，在建立了西藏高原山地灾害数据集的基础上，通过融合 Adaptively Spatial Fea‐ ture Fusion（ASFF）注意力机制和骨干网络尺寸调整机制，设计了一个优化的、不同适用性的高原山地灾害检测模型（Plateau mountain disaster detection model，PMDDM）。为验证 PMDDM 模型的优越性，将其与传统 YOLOX 模型、不同注意力机制、不同目标检测模型进行了对比分析，并且对不同尺度模型的检测性能和可视化结果也进行了对比分析研究。结果表明：ASFF 注意力机制可以有效的解决传统 YOLOX 模型中存在的不同尺度特征间的特征不一致问题，且对模型检测性能提升明显优于 SE、CBAM、ECA、GAM 和 Coord 等注意力机制；PMDDM 模型对山地灾害的检测精度优于 Faster‐RCNN、SSD 和 YOLO‐V3 模型，可以满足不同工作场景对硬件配置、检测速度和精度的需求，且模型尺度越大，识别目标的准确率越高。