贵州省是我国喀斯特生态系统的典型分布区,生态敏感且脆弱,同时其也曾是我国的连片特困区,经济发展愿望迫切。对区域环境-经济发展状况及相互作用关系进行研究具有重要意义。研究从植被净生态系统生产力、土壤碳储量、岩溶碳通量三方面...贵州省是我国喀斯特生态系统的典型分布区,生态敏感且脆弱,同时其也曾是我国的连片特困区,经济发展愿望迫切。对区域环境-经济发展状况及相互作用关系进行研究具有重要意义。研究从植被净生态系统生产力、土壤碳储量、岩溶碳通量三方面计算了贵州省陆地生态系统碳吸收,以能源燃烧排放的CO_(2)表征碳排放量,对区域碳吸收和碳排放的时空变化特征进行剖析,在此基础上构建环境碳负荷指数和脱钩弹性系数,用于解析贵州省碳收支状况及环境碳负荷与经济发展之间的脱钩关系。结果显示:(1)贵州省植被净生态系统生产力均值为257.72 g C/m^(2),呈逐步增强趋势,空间上呈现西高东低、南高北低的分布格局;岩溶碳通量的均值为6.71 t C/km^(2),年际波动较大,集中分布在研究区东北和西南部;土壤碳储量的均值为8.38 t/hm^(2),其高值区主要位于研究区南部和东部边缘;(2)区域碳排放呈现出了逐年增长的特征,表明了能源消耗的增强,形成了以城市高值区为中心向外辐射递减,各点之间以道路连通为特征的分布格局;(3)环境碳负荷指数呈逐年增长趋势,表征区域面临的环境压力越来越大,特别是在贵州省主城区出现了明显的收支不平衡,能源结构优化亟待加强;(4)综合脱钩状态整体以弱脱钩和扩张连接为主,且随时间推移脱钩状态由弱脱钩向扩张连接转变,说明环境保护滞后于经济发展,也就意味着贵州省经济的发展一定程度上牺牲了环境保护。未来应进一步强化生态修复工程的可持续性,同时发展绿色经济以促进区域生态-经济可持续发展。展开更多
为了解决遥感道路提取中边缘细节特征利用不充分,以及复杂背景遮挡区域的道路难以实现准确分割等问题,提出一种基于边缘引导和多尺度感知的遥感道路提取模型(Edge-guidance and Multi-scale perception U-Net,EMUNet)。以U-Net为基础,...为了解决遥感道路提取中边缘细节特征利用不充分,以及复杂背景遮挡区域的道路难以实现准确分割等问题,提出一种基于边缘引导和多尺度感知的遥感道路提取模型(Edge-guidance and Multi-scale perception U-Net,EMUNet)。以U-Net为基础,增加遥感图像的Canny边缘检测结果作为输入,并通过设计结合注意力的边缘引导融合模块对各层编码器进行特征引导,以此充分利用边缘信息提高最终的道路提取质量;其次,针对图像中存在的背景遮挡问题,通过构建多尺度并行空洞卷积模块增强网络的多尺度感知能力,从而捕获更多的上下文信息,对一些受到背景遮挡的区域实现准确提取。在Massachusetts道路数据集上进行实验验证,与U-Net相比,EMUNet能实现对细小道路和受遮挡区域更准确的分割,并且召回率、F1分数和交并比均优于其他对比算法,能够实现更为完整和准确的道路信息提取。展开更多
文摘贵州省是我国喀斯特生态系统的典型分布区,生态敏感且脆弱,同时其也曾是我国的连片特困区,经济发展愿望迫切。对区域环境-经济发展状况及相互作用关系进行研究具有重要意义。研究从植被净生态系统生产力、土壤碳储量、岩溶碳通量三方面计算了贵州省陆地生态系统碳吸收,以能源燃烧排放的CO_(2)表征碳排放量,对区域碳吸收和碳排放的时空变化特征进行剖析,在此基础上构建环境碳负荷指数和脱钩弹性系数,用于解析贵州省碳收支状况及环境碳负荷与经济发展之间的脱钩关系。结果显示:(1)贵州省植被净生态系统生产力均值为257.72 g C/m^(2),呈逐步增强趋势,空间上呈现西高东低、南高北低的分布格局;岩溶碳通量的均值为6.71 t C/km^(2),年际波动较大,集中分布在研究区东北和西南部;土壤碳储量的均值为8.38 t/hm^(2),其高值区主要位于研究区南部和东部边缘;(2)区域碳排放呈现出了逐年增长的特征,表明了能源消耗的增强,形成了以城市高值区为中心向外辐射递减,各点之间以道路连通为特征的分布格局;(3)环境碳负荷指数呈逐年增长趋势,表征区域面临的环境压力越来越大,特别是在贵州省主城区出现了明显的收支不平衡,能源结构优化亟待加强;(4)综合脱钩状态整体以弱脱钩和扩张连接为主,且随时间推移脱钩状态由弱脱钩向扩张连接转变,说明环境保护滞后于经济发展,也就意味着贵州省经济的发展一定程度上牺牲了环境保护。未来应进一步强化生态修复工程的可持续性,同时发展绿色经济以促进区域生态-经济可持续发展。
文摘为了解决遥感道路提取中边缘细节特征利用不充分,以及复杂背景遮挡区域的道路难以实现准确分割等问题,提出一种基于边缘引导和多尺度感知的遥感道路提取模型(Edge-guidance and Multi-scale perception U-Net,EMUNet)。以U-Net为基础,增加遥感图像的Canny边缘检测结果作为输入,并通过设计结合注意力的边缘引导融合模块对各层编码器进行特征引导,以此充分利用边缘信息提高最终的道路提取质量;其次,针对图像中存在的背景遮挡问题,通过构建多尺度并行空洞卷积模块增强网络的多尺度感知能力,从而捕获更多的上下文信息,对一些受到背景遮挡的区域实现准确提取。在Massachusetts道路数据集上进行实验验证,与U-Net相比,EMUNet能实现对细小道路和受遮挡区域更准确的分割,并且召回率、F1分数和交并比均优于其他对比算法,能够实现更为完整和准确的道路信息提取。
