-
题名四川省粮食生产时空演变格局及影响因素分析
- 1
-
-
作者
郑玲
马千然
江涛
刘晓敬
牟珈慧
王灿辉
蓝羽
-
机构
四川农业大学资源学院
自然资源部耕地资源调查监测与保护利用重点实验室
中国地质大学(武汉)海洋学院
四川省地质调查研究院测绘地理信息中心
-
出处
《智慧农业(中英文)》
2025年第2期13-25,共13页
-
基金
自然资源部耕地资源调查监测与保护利用重点实验室开放基金资助(CLRKL2024GP05)
国家自然科学基金(42401483)。
-
文摘
[目的/意义]四川省作为中国粮食安全的战略核心区域,其粮食生产的时空动态变化对区域资源配置和国家粮食战略具有重要意义。本研究旨在揭示四川省粮食生产的空间格局及其时间变化规律,为区域粮食安全管理提供科学依据,同时探索时空协同分析方法在农业大数据研究中的应用价值。[方法]基于四川省2000至2019年的县域面板数据,采用标准差椭圆模型和时空立方体模型分析粮食产量的空间分布特征、冷热点变化及聚类模式,并通过时空地理加权回归模型定量评估驱动因素的时空差异化影响。[结果和讨论]四川省粮食产量在川东平原形成高产核心区,空间分布呈现出明显的东北-西南走向,二十年来四川省粮食产量主要表现出7种冷热点和3种聚类模式,成都平原产量持续增加,川西高原产量下降速度变缓,而川中产量持续降低,全省64.77%的地区表现出增产潜力,特别是川西地区,增产潜力显著,约16.93%的地区(地形复杂和资源匮乏的山区)可能面临减产风险。驱动因素分析结果显示,农业因素是四川省粮食产量时空特征主导因素,自然因素次之,人为和经济因素影响较小,保障农业用地面积在粮食保产增产中起着关键作用,区域自然资源条件的改善则有助于进一步提升粮食生产能力。[结论]本研究揭示了四川省粮食产量的时空演变特征及其驱动机制,提出的时空整合分析框架为区域粮食生产格局解析提供了新的视角,研究结果将为四川省粮食产能提升和“天府粮仓”的高质量发展提供理论支撑。
-
关键词
粮食生产
时空立方体
时空演变
时空地理加权回归
GIS
-
Keywords
grain production
spatio-temporal cube
spatial-temporal evolution
GTWR
GIS
-
分类号
F326.11
[经济管理—产业经济]
K902
[历史地理—人文地理学]
-
-
题名大熊猫国家公园(四川片区)森林的水源涵养功能
被引量：1
- 2
-
-
作者
徐亚莉
田苗
郑纪波
袁艺溶
赵文君
-
机构
四川省地质调查研究院测绘地理信息中心
-
出处
《水土保持通报》
CSCD
北大核心
2024年第6期88-96,共9页
-
基金
四川省地质调查研究院重大专项“实景三维在自然资源统一确权登记中的应用研究”(SCIGS-CZDXM-2023005)
四川省自然资源厅项目“大熊猫国家公园自然资源统一确权登记项目(四川片区)”(CM2023CH048)。
-
文摘
[目的]明晰大熊猫国家公园(四川片区)森林水源涵养功能的林型分异特征及空间格局,为片区森林资源保护和水资源适应性经营管理提供指导。[方法]基于大熊猫国家公园(四川片区)登记单元地籍调查—森林资源专项调查成果、样地调查及多源遥感数据等,使用综合蓄水能力法计算片区森林的水源涵养量,并分析不同森林类型和立地条件差异下的森林水源涵养功能特性。[结果]①片区森林生态系统的水源涵养总量为1.71×10^(9)m^(3),单位面积水源涵养量为1061.27 m^(3)/hm^(2);土壤层是森林涵养水源的主要场所;常绿针叶林的水源涵养功能最强。②森林水源涵养功能的空间差异明显,形成了雅安、绵阳、广元市等地较高,阿坝州、德阳市等地较低的空间分布格局。③森林水源涵养总量主要集中在海拔(1500,3500]m地区,其水源涵养贡献率达90.10%;森林单位面积水源涵养量随着海拔的升高呈显著的下降趋势(p<0.01)。④急坡(35°,45°]地区的森林水源涵养总量最高,其水源涵养的贡献率为24.01%;森林单位面积水源涵养量随着坡度的增加呈显著的先升高后下降趋势(p<0.01)。[结论]因地制宜地合理调整大熊猫国家公园(四川片区)的森林资源结构、优化森林资源布局,有利于更大程度地发挥片区森林的水源涵养功能。
-
关键词
森林水源涵养功能
大熊猫国家公园
综合蓄水能力法
-
Keywords
forest water conservation function
Giant Panda National Park
integrated storage capacity method
-
分类号
S715.3
[农业科学—林学]
-
-
题名基于改进深度卷积生成对抗网络的遥感影像变化检测
- 3
-
-
作者
高崇钦
谷延超
沈富强
李琼
黄飞龙
-
机构
西南石油大学土木工程与测绘学院
四川大学电子信息学院
四川测绘地理信息局测绘技术服务中心
四川省地质调查研究院测绘地理信息中心
-
出处
《科学技术与工程》
北大核心
2025年第23期9911-9918,共8页
-
基金
四川省科技厅重点研发计划(23ZDYF1981)。
-
文摘
基于遥感影像的变化检测在城市规划、环境监测和灾害评估等领域具有广泛应用。然而卫星遥感影像通常呈现复杂的场景特征和不规则的纹理形状,导致在利用深度学习方法进行变化检测时存在伪变化频繁和精细目标易漏检等问题。针对这些问题,提出了一种基于改进深度卷积生成对抗网络的遥感影像变化检测方法。该方法设计了一种结合坐标注意力的U-Net生成器,以提高模型对复杂场景下精细目标检测的敏感性和准确度,同时采用改进轻型全卷积网络作为判别器,通过生成对抗的方式有效解决了检测特征不完整或缺失的问题。此外,还设计了一种加权损失函数以实现模型训练稳定性与检测精度之间的平衡。通过在公开的变化检测数据集SYSU-CD(Sun Yat-Sen University-change detection)和CDD(change detection dataset)上的实验证明,该方法在F 1得分上相比于基准UNet分别提升了3.02%和5.76%,最终分别达到80.59%和96.25%,均优于其他对比方法。
-
关键词
变化检测
生成对抗网络
U-Net
坐标注意力
-
Keywords
change detection
generate adversarial network
UNet
coordinate attention
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
