XiaoMi-AI文件搜索系统
World File Search Systemresolutions
2014 年 1 月至 6 月通过的 IACS 技术决议
ClassNK 很高兴向您通报国际船级社协会 (IACS) 的最新信息。ClassNK 定期提供国际海事组织 (IMO) 会议成果和 IACS 最新发展的初步报告。本期，我们将介绍 2014 年通过并于 2014 年 1 月至 2014 年 6 月发布的统一要求 (UR) 和统一解释 (UI) 及其摘要。UR 和 UI 是技术决议，由 IACS 制定、修订和撤销。UR 是为 IACS 成员协会统一实施而制定的分类规则。除非另有规定，UR 应在通过后一年内纳入每个成员协会的规则中。UI 是为统一解释公约要求而制定的，这些要求由主管部门决定，或者在主管部门未明确指示的情况下措辞含糊。下表 1（UR）和表 2（UI）分别列出了 2014 年 1 月至 2014 年 6 月发布的 UR 和 UI，并附有摘要。这些决议的文本及其技术背景已在 IACS 网站上发布。这些决议将在 ClassNK 相关技术委员会审查后纳入 ClassNK 的钢质船舶检验和建造规则和指南。此外，下划线版本（修订部分已清楚显示）
2016 年 1 月至 6 月通过的 IACS 技术决议
ClassNK 定期提供国际海事组织 (IMO) 会议成果和 IACS 最新进展的初步报告。本期，我们想介绍 2016 年 1 月至 2016 年 6 月通过和发布的统一要求 (UR) 和统一解释 (UI) 及其摘要。UR 和 UI 是技术决议，由 IACS 制定、修订和撤销。UR 是为 IACS 成员协会统一实施而制定的分类规则。除非另有规定，UR 应在通过后一年内纳入每个成员协会的规则中。UI 是为统一解释公约要求而制定的，这些要求由主管部门决定，或者在主管部门没有明确指示的情况下措辞模糊。这些决议在经 ClassNK 相关技术委员会审查后，将纳入 ClassNK 的钢质船舶检验和建造规则和指南中。这些决议的文本及其技术背景已在 IACS 中发布
2013 年 1 月至 6 月通过的 IACS 技术决议
《原油油轮货油舱防腐替代方法性能标准》（IMO 决议 MSC.289 (87)）允许使用“耐腐蚀钢”。这种钢是改良的船用钢，添加了某些化学元素，这些元素被发现具有延缓原油运输船货舱环境中腐蚀速率的有益效果。应钢铁行业的要求，IACS 针对这些耐腐蚀钢制定了 UR W30。UR W30 规定了 IACS 对这些钢的批准、制造、认证和船厂应用的统一方法。除了 UR W30 之外，还制定了统一解释（UI SC 258），以澄清决议 MSC.289 (87) 中的各项规定。(6) UR W31
用不同分辨率模拟的太阳日珥大振幅纵向振荡
背景。近几十年来，人们对太阳日珥中的大振幅纵向振荡 (LALO) 进行了广泛的研究。然而，它们的衰减和放大机制尚不清楚。目的。在本研究中，我们使用高分辨率数值模拟研究了 LALO 的衰减和放大，空间分辨率逐渐提高。方法。我们使用包含倾角区域的二维磁配置对 LALO 进行了时间相关的数值模拟。在磁倾角中加载日珥质量后，我们通过沿磁场扰动日珥质量来触发 LALO。我们使用四个空间分辨率值进行了实验。结果。在分辨率最高的模拟中，周期与摆模型非常吻合。收敛实验表明，随着分辨率的提高，阻尼时间在底部日珥区域达到饱和，这表明振荡衰减存在物理原因。在日冕顶部，振荡在最初几分钟内被放大，然后缓慢衰减。特征时间表明在具有最高空间分辨率的实验中放大更显著。分析表明，底部和顶部日冕区域之间的能量交换是导致 LALO 衰减和放大的原因。结论。高分辨率实验在研究 LALO 的周期和阻尼机制时至关重要。只有使用足够高的空间分辨率时，周期才与摆模型一致。结果表明，在空间分辨率不足的模拟中，数值扩散可能会隐藏重要的物理机制，例如振荡放大。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用更粗略的数据集来优化洪水模拟和测绘工作的预算。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景和目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用不同分辨率的数字高程数据集开发的洪水模型的精度统计数据，这些模型来自光检测和测距以及干涉合成孔径雷达系统。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量和均方根误差统计测试了模型的有效性和准确性。发现：结果表明，使用光检测和测距数据集，该模型的准确率分别为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，该模型的误差矩阵、f 测量和均方根误差的准确度分别为 76%、0.34、0.53。结论：使用光检测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型具有更高的准确度。尽管如此，考虑到模型实施成本和较小的精度残差误差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用更粗的数据集来优化洪水模拟和测绘工作的预算。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。
一种 Google Earth Engine 方法，用于融合不同空间分辨率遥感数据的野火易感性预测
1 地理信息学系—Z_GIS，萨尔茨堡大学，5020 萨尔茨堡，奥地利； sepideh.tavakkoli-piralilou@stud.sbg.ac.at (S.T.P.)； Thomas.Blaschke@sbg.ac.at (T.B.) 2 大不里士大学遥感与地理信息系统系，伊朗大不里士 5166616471； Golzar.einali@yahoo.com (G.E.)； khalil.gh3@gmail.com (K.G.) 3 人工智能高级研究所 (IARAI)，Landstraßer Hauptstraße 5, 1030 Vienna, Austria； pedram.ghamisi@iarai.ac.at 4 集团数字化转型——新主张 Swiss Re Europe S.A., 德国分公司,arabellastrasse 30, 81925 慕尼黑, 德国; Thimmaiah_GudiyangadaNachappa@swissre.com 5 Helmholtz-Zentrum Dresden-Rossendorf，亥姆霍兹弗莱贝格资源技术研究所，09599 Freiberg，德国 * 通讯地址：omid.ghorbanzadeh@iarai.ac.at