精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大,近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展,然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分,难以获得细节丰富...精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大,近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展,然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分,难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network,ASCP-Net)。该模型将空洞空间金子塔池化(Atrous Spatial Pyramid Pooling, ASPP)和空间与通道注意力(Spatial and Channel Attention, SCA)模块融入到编码器-解码器结构中,通过ASPP模块来捕获和聚合多尺度上下文信息,采用SCA模块选择性增强特定位置和通道中更有用的信息,并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集(WHU Building Dataset)上进行实验,结果表明:文章提出的方法总体精度和F1评分分别达到了97.4%和94.6%,相比其他模型能够获得更清晰的建筑物边界,尤其对图像边缘不完整建筑的提取效果较好,有效提升了建筑物提取的精度和完整性。展开更多
探究土地利用演变及其对碳储量的影响,对于减缓都市圈气候变化、促进绿色低碳发展具有重要意义。该研究在“双碳”目标背景下,结合兴趣点(point of interest,POI)数据并顾及斑块生成土地利用模拟模型(patch-generating land use simulat...探究土地利用演变及其对碳储量的影响,对于减缓都市圈气候变化、促进绿色低碳发展具有重要意义。该研究在“双碳”目标背景下,结合兴趣点(point of interest,POI)数据并顾及斑块生成土地利用模拟模型(patch-generating land use simulation model,PLUS)进行双约束转移矩阵优化,耦合生态系统服务与权衡的综合评估(integrated valuation of ecosystem services and trade-offs,InVEST)模型分析山东省济南都市圈2000—2020年土地利用演变规律及其对生态系统碳储量的影响,模拟预测了自然发展、城镇发展和生态保护3种情景下济南都市圈2030年和2060年土地利用变化并估算其生态系统碳储量,分析其碳储量重心迁移情况,并利用参数最优地理探测器探究碳储量空间分异驱动因素。结果表明:①2000—2020年,济南都市圈耕地、草地和未利用地面积持续减少,林地面积呈波动增加状态,水域、建设用地面积增长迅速;②2000—2020年,济南都市圈碳储量及土地利用空间格局相似,以黄河主脉为分界线,呈现“东南高,西北低”的分布特征,耕地类型碳储量为研究区碳储量的主要来源,占总碳储量的80%以上;③多情景模拟下的碳储量均有所降低,主要原因为高碳密度区域耕地转换为低碳密度区域建设用地,其中生态保护情景碳储量最高,2030年总碳储量为4226.86×10^(6) t,2060年总碳储量为3967.94×10^(6) t;④不同发展时期和情景下的济南都市圈碳储量重心均发生一定偏移,发展趋势受土地利用变化影响,重心地带一直处于济南市历城区,说明济南都市圈发展较为全面均衡;⑤各驱动因子对济南都市圈碳储量空间分布具有明显影响,其中人口密度对碳储量空间分异解释力最大,交互作用下各因子均呈现对碳储量解释力增强的结果。展开更多
文摘精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大,近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展,然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分,难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network,ASCP-Net)。该模型将空洞空间金子塔池化(Atrous Spatial Pyramid Pooling, ASPP)和空间与通道注意力(Spatial and Channel Attention, SCA)模块融入到编码器-解码器结构中,通过ASPP模块来捕获和聚合多尺度上下文信息,采用SCA模块选择性增强特定位置和通道中更有用的信息,并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集(WHU Building Dataset)上进行实验,结果表明:文章提出的方法总体精度和F1评分分别达到了97.4%和94.6%,相比其他模型能够获得更清晰的建筑物边界,尤其对图像边缘不完整建筑的提取效果较好,有效提升了建筑物提取的精度和完整性。
文摘探究土地利用演变及其对碳储量的影响,对于减缓都市圈气候变化、促进绿色低碳发展具有重要意义。该研究在“双碳”目标背景下,结合兴趣点(point of interest,POI)数据并顾及斑块生成土地利用模拟模型(patch-generating land use simulation model,PLUS)进行双约束转移矩阵优化,耦合生态系统服务与权衡的综合评估(integrated valuation of ecosystem services and trade-offs,InVEST)模型分析山东省济南都市圈2000—2020年土地利用演变规律及其对生态系统碳储量的影响,模拟预测了自然发展、城镇发展和生态保护3种情景下济南都市圈2030年和2060年土地利用变化并估算其生态系统碳储量,分析其碳储量重心迁移情况,并利用参数最优地理探测器探究碳储量空间分异驱动因素。结果表明:①2000—2020年,济南都市圈耕地、草地和未利用地面积持续减少,林地面积呈波动增加状态,水域、建设用地面积增长迅速;②2000—2020年,济南都市圈碳储量及土地利用空间格局相似,以黄河主脉为分界线,呈现“东南高,西北低”的分布特征,耕地类型碳储量为研究区碳储量的主要来源,占总碳储量的80%以上;③多情景模拟下的碳储量均有所降低,主要原因为高碳密度区域耕地转换为低碳密度区域建设用地,其中生态保护情景碳储量最高,2030年总碳储量为4226.86×10^(6) t,2060年总碳储量为3967.94×10^(6) t;④不同发展时期和情景下的济南都市圈碳储量重心均发生一定偏移,发展趋势受土地利用变化影响,重心地带一直处于济南市历城区,说明济南都市圈发展较为全面均衡;⑤各驱动因子对济南都市圈碳储量空间分布具有明显影响,其中人口密度对碳储量空间分异解释力最大,交互作用下各因子均呈现对碳储量解释力增强的结果。
