简介:在过去的二十年中,在美国的野火活动,损害和管理成本大幅增加。这些增加已经与一些因素,包括气候变化和燃料积累,由于一个世纪的积极的火灾扑救。一个显著的荒地城市界面前城市发展期间发生火灾的活动增加(汇)随着需求的增加对水资源的原始森林景观。这些增加的需求已经把大量的压力,对联邦机构的收费与野火管理,继续和扩大的百年旧的政策,积极的野火抑制。然而,积极的野火抑制的主要因素之一,推动增加程度,强度和损害与小数量的大野火,是无法抑制。在本文中,我们讨论了积极的反馈循环,导致需求的增加抑制响应,同时增加野火风险的未来。尽管有丰富的科学研究表明目前的管理模式压力的局限性,以维持现有的系统是根深蒂固的,并推动现有的社会制度,已经发展到我们目前的管理实践。有趣的是,美国联邦荒地火灾的政策管理者追求的一系列的管理目标而提供相当大的自由裁量权,社会期望和现有管理层的激励结构导致政策执行变形的弹性适应火是生态系统和居住在邻近的社区。
简介:为实现醇化烟叶中霉变烟的自动在线精选,设计了基于机器视觉的霉变烟在线检测系统。该系统通过高速线阵CCD动态获取烟叶图像,采用MSD微结构描述算法提取烟叶图像颜色、纹理特征,基于神经网络集成分类算法,通过合格烟叶样本和霉烟样本的训练学习,实现霉变烟的在线检测识别。经过测试,该检测算法对霉烟图像样本的测度为0.918。在线检测试验结果显示,采用霉烟靶物单独过料时,机器视觉系统对霉烟的平均在线识别率在95%以上;将霉烟靶物与合格烟片混掺过料时,系统对霉烟的平均识别率在87%以上。研究结果表明,机器视觉方法用于醇化后烟叶中霉变烟的在线精选是可行的。