科学发展观与生态环境保护

全党深入学习实践科学发展观活动动员大会暨省部级主要领导干部专题研讨班日前隆重召开。胡锦涛总书记在讲话中强调，要把深入学习实践科学发展观摆在突出位置，推进生态文明建设。     

南粤绿讯

正切实抓好教育实践活动"回头看"3月24日,省环保厅召开厅党组扩大会议,专题深入学习中央"八项规定"及作风建设等有关文件精神。环保厅党组书记、厅长李清主持会议。李清指出,深入学习中央"八项规定"及有关政策规定,很有必要,要通过学习,进一步深化思想认识,增强行动自觉。各单位要高度重视今年的政风行风建设,要采取切实有效的措施,确保各项任务的落实;在加     

资本与生态的对立:福斯特生态批判的逻辑主线

作为西方生态学马克思主义的领军人物,福斯特的生态批判思想与资本主义现实结合非常紧密。他通过对资本与生态对立的揭示,阐述了在资本主义制度框架下,自然资本化、技术改良、生态伦理重构、政策革新等环境改良措施都将以失败告终。福斯特对西方主流经济学家的生态批判,不仅明确了环境危机与资本主义制度的关系,而且重申了只有沿着社会主义方向变革资本主义制度,才能真正解决生态问题。福斯特的生态批判思想对研究我国生态问题具有极强的现实参照意义。     

绿色油田 谋划和谐百年——大庆油田深入学习实践科学发展观调查

从昔日的盐碱滩到如今风景如画的城市，大庆正悄然进行着一场“济世”之战。那就是在6000平方公里的油田上实践和落实科学发展观，在保证为国家贡献石油的同时，最大限度地节约能源，减少污染物排放，创造人与自然，资源与环境共和谐的局面，让百年老油田充分释放绿色魅力。     

资讯

要闻环境保护部近日召开全国环境信访工作视频会议,学习贯彻环保"两会"和全国信访局长会议精神,总结2011年工作,部署2012年工作。环境保护部副部长周建出席会议并讲话。3月2日,国务院新闻办在国务院新闻办新闻发布厅举行新闻发布会。环境保护部副部长吴晓青出席发布会,介绍了新修订的《环境空气质量标准》等相关情况并回答了中外记者的提问。     

寓教于乐 亲身参与

<正>开展好班组安全活动,对于提高职工安全意识,提升班组安全水平,保证企业安全生产有着重要意义。图为某班组开展视频安全学习活动。(图片由武钢金山店铁矿提供)班组是企业最基本的组织细胞,是企业日常生产活动的主要场所。开展好班组安全活动,对于提高职工安全意识,提升班组安全水平,保证企业安全生产有着重要意义。笔者建议,应从以下几点来丰富班组安全活动的形式,使班组安全活动切实发挥其应有的作用,让班组安全活动更有效。     

基于工作过程的“城镇污水处理厂运行管理”实践课程构建

阐述了基于工作过程构建"城镇污水处理厂运行管理"实践课程的总体思路,通过对工作岗位及工作内容的分析,归纳"城镇污水处理厂运行管理"实践课程的行动领域,完成"城镇污水处理厂运行管理"实践课程从学习领域到学习情境的转换,并简述课程的实施方案。     

日本专家利用人工智能开发新程序使作弊无处可逃

以前,考试作弊一般只能靠监场老师现场抓获来取缔,而日本京都大学日前宣布,其研究小组利用人工智能开发出一款新程序,能够以很高的精度自动发现考试时考生是否偷看,从而使作弊无处可逃。京都大学的研究小组,利用人工智能领域的机器学习技术,并吸收此前的教师监考经验,开发出了这款新程序。该程序能计算参加考试者过去的成绩与考试问题难易度是否匹配、与其他考生答案的重叠程度等,然后将作弊嫌疑低的人逐     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.