峨眉山酸雨的长期变化趋势

对1992-2015年间峨眉山降水pH和电导率长期观测资料的分析结果表明,该地区降水pH年均值在4.45~5.67范围内变化,多年平均降水pH为4.81,多年平均酸雨频率和强酸雨频率分别为60.8%和23.5%。峨眉山降水酸度的季节变化较明显,夏季酸雨污染较轻,而冬季较重。20余年来,峨眉山地区酸雨污染呈现逐步改善的长期趋势,降水pH的平均年变率约为4%,降水酸度持续减弱,酸雨频率和强酸雨频率持续降低,平均年变率分别为-1.5%和-1.7%。峨眉山地区的降水电导率和非氢电导率呈现缓慢增加的长期趋势,平均年变率分别为0.3μS/cm和0.8μS/cm。受四川盆地区域内主要污染物排放量变化的影响,1992-2005年和2006-2015年,峨眉山降水pH、降水电导率和非氢电导率呈现不同的变化趋势特点,前期降水pH、降水电导率和非氢电导率均呈现增长态势,说明该地区降水中各类可溶性污染物质并未随着降水酸度减弱而减少,反而趋增;后期降水pH维持持续升高趋势的同时,降水电导率和非氢电导率双双呈现下降趋势。对降水时段气团输送轨迹的簇分析结果显示,来自四川盆地内部的气团输送对峨眉山降水影响最大,其贡献在六成以上;陕甘-黄土高原地区、滇西高原-南亚大陆地区的输送也有不同程度的贡献,其中,源自天气上游南亚地区的输送对我国西南地区酸雨污染的潜在影响值得关注。     

基于Swin Transformer的弱监督人群计数研究

为降低人群聚集引发安全事故的概率,解决完全监督方法数据标注成本高,而现有弱监督方法性能欠佳的问题,提出一种基于Swin Transformer的弱监督人群计数模型。首先,引入具有全局感受野且能够有效提取语义人群信息的Transformer模型,来应对基于卷积神经网络(CNN)的弱监督人群计数方法感受野有限、性能欠佳的问题;然后,采用具有层级设计并且拥有多尺度、层次化计算图像特征能力的Swin Transformer模型作为主干网络,以加强对不同尺度特征的学习,使模型能够更好地应对人群尺度变化的问题;最后,选择只需要人群数量作为监督信息的弱监督方式进行训练,避免对图像中每个人的头部进行标注这一繁琐易错的工作。结果表明：所提模型在ShanghaiTech Part A、ShanghaiTech Part B、UCF-QNRF数据集上的平均绝对误差依次为66.1、8.7、97.1,均方误差依次为106.2、14.9、165.8,在主流数据集上计数性能较好;该模型的性能优于此前的弱监督方法和部分完全监督方法。