西南地区自然保护区生态地位及监测重点分析

分析了西南地区自然保护区的生态地位,研究了该区域生物多样性保护现状,明确了保护区监测重点,并提出了重点建设内容。     

实验室信息管理系统在化学品危险性鉴别分类中的应用

介绍了化学品危险性鉴别分类实验室业务开展情况及在鉴别分类工作中存在的问题,探讨了实验室信息管理系统(LIMS)在化学品危险性鉴别分类业务中的具体应用.     

浅谈与信息化管理有关的环境统计分类标准及编码研究

以环境统计信息化管理为背景,研究了国内外信息分类与编码发展情况,系统分析了中国环境统计报告制度中统计指标的编码现状及不足,并结合工作现状及管理需求,提出了环境统计分类编码的需求,确立了环境统计分类编码的目标及原则,研究制定了以层次分类法为主、结合面分类法的环境统计分类编码方法,形成能为中国环境统计信息化管理服务的分类标准及编码体系.     

蚌埠市固体废物处理现状及对策探讨

固体废物的消纳处理和综合治理,已成为影响和制约城市整体功能正常发挥和城市居民生活环境的突出因素。本文以蚌埠市为例,从固体废物的来源、处理现状、存在问题谈起,结合蚌埠市固体废物现状和面临形势等问题进行分析阐述,并就防治固废工作提出对策及建议。     

基于实测数据与遥感影像的鄱阳湖水体光学分类

鄱阳湖是我国最大的淡水湖泊,受季风气候影响其水体空间动态变化大,且广阔的水域内部差异也较大,因此湖泊水体光学分类对反演湖泊水质参数及监测湖泊水质有着重要意义。以鄱阳湖为研究区,根据实测的反射光谱数据形态特征将鄱阳湖的水体分为4类:特别浑浊、中等浑浊、轻度浑浊和清水区,并分别对每一类结果进行分析。考虑到实测光谱数据局限于湖区某些离散点的情况,不足以观测整个鄱阳湖区域内所有不同水体类型的空间分布和动态变化,从而将该方法利用于遥感影像以便观测整个湖区水体类型。在Landsat OLI遥感影像上任意选取采样点,根据其波谱形态建立基于斜率的分类算法,并应用决策树模型把鄱阳湖水体分为5类:特别浑浊、中等浑浊、轻度浑浊、清水区和特别清澈,影像的分类结果图与实地考察的情况相一致。把模型应用于其他时期的遥感影像进行鄱阳湖水体分类,对比影像的分类结果图表明:2002、2005和2009年鄱阳湖区分别出现3种、4种和4种不同的水体类型,且水体浑浊范围呈现出动态变化。研究表明水体光学类型分类可以更好的监测湖泊水质的时空变异性。     

水源地土地覆被分类及无人机遥感验证评价方法研究

本文提出一种水源地土地覆被分类及无人机遥感验证评价方法。采用面向对象分类方法对高空间分辨率卫星遥感影像进行土地覆被分类,基于无人机遥感影像,采用随机抽样方法获取多边形样本验证分类结果,建立混淆矩阵后评价分类精度,并采用国产卫星及无人机遥感数据开展示例研究,取得了很好的研究应用效果。     

漆酶的研究及进展

漆酶是一种绿色环保的多酚氧化酶类。近几十年来,漆酶的研究发展迅速,已在多个领域得到广泛应用。本文介绍了漆酶的结构和功能,相关酶学特性,分子生物学及其工业应用的研究。此外,对细菌漆酶在染料废水、电化学应用及造纸等工业生产方面的应用作简要的介绍。随着分子生物学技术应用和发展,漆酶作为新型的生物制剂在环境保护等领域中将发挥更重要的应用价值。     

基于BERT-BILSTM-CRF模型的电力行业事故文本智能分析*

为解决电力行业事故报告文本较长、语义复杂,难以进行有效文本识别问题,提出1种以BERT作为底层的预训练模型,并设计1种双重注意力机制编码器,结合BILSTM-CRF深度挖掘事故文本语义特征,从而实现文本智能分析。首先构建电力词典,通过对BERT预训练,进行BIO标注,然后引入BILSTM-CRF模型实现对文本标签智能分类,最后将该模型与现行其他4种深度学习模型进行对比。研究结果表明:该模型智能识别精确率、召回率及F1值(查准率)均达到约97%,较其他4种模型中效果最好的模型分别提高0.02,0.03,0.02。研究结果可为电力行业事故报告文本分析提供1种新思路。     

生活垃圾是选择自行分类,还是选择雇人分类

城市生活垃圾分类回收的重要性是众所周知的,但在我国目前像西方国家居民那样自觉、自愿地进行生活垃圾分类暂不可行,雇人分类是唯一选择。其关键是要建立一个新职业,即垃圾分类监督员,其主要职责是一方面监督城市居民进行生活垃圾分类投放,另一方面也承担垃圾分类回收职责。这个新职业不仅将彻底解决城市生活垃圾分类回收难题,还将为下岗人员及进城务工人员提供大量新的就业岗位。     

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.