-
题名人类活动及气候变化影响下伊犁河谷生境质量预测研究
- 1
-
-
作者
隋露
闫志明
李开放
何佩恩
马英杰
张汝萃
-
机构
新疆农业大学公共管理学院(法学院)
新疆农业大学MPA教育中心
南京大学地理与海洋科学学院
-
出处
《干旱区地理》
CSCD
北大核心
2024年第1期104-116,共13页
-
基金
2023年自治区高校基本科研业务费科研项目(XJEDU2023J019)资助。
-
文摘
生境质量是衡量生态系统服务功能及其健康程度的重要指标,准确预测生境质量的演变对于推动区域生态环境的高质量发展至关重要。耦合系统动力学-斑块生成土地利用模拟(SDPLUS)模型与生态系统服务和权衡的综合评估(InVEST)模型,预测了2035年不同气候情景下(SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5)伊犁河谷土地利用/覆被格局变化,并评估了其生境质量时空演变特征。结果表明:(1)1980—2020年,伊犁河谷土地利用类型呈现“4增2减”的变化趋势。2035年4种气候情景下,伊犁河谷林草地面积降幅较大,建设用地扩张趋势较为明显,挤占了城郊优质耕地资源。(2)伊犁河谷生境质量等级与土地利用/覆被类型密切相关。生境高值及较高值区主要分布在地形崎岖的林草地覆被区,低值及较低值区主要分布在人类活动集聚区及南北天山未利用地覆被区。(3)1980—2020年,伊犁河谷生境质量呈现下降趋势。生境质量退化区主要分布在伊犁河-巩乃斯河流域以及特克斯河流域附近。(4)2035年4种气候情景下,伊犁河谷生境指数持续走低。生境指数均值排序为:SSP1-2.6>SSP2-4.5>SSP3-7.0>SSP5-8.5。伊宁市、边境口岸、农牧业基地等区域生境质量存在退化风险。研究结果可为伊犁河谷地区生态修复政策的制定提供参考依据,为干旱区半干旱区生境质量预测提供新思路。
-
关键词
生境质量
气候变化情景
SD-PLUS模型
InVEST模型
伊犁河谷
-
Keywords
habitat quality
climate change scenarios
SD-PLUS model
InVEST model
Ili River Valley
-
分类号
P467
[天文地球—大气科学及气象学]
X171.1
[环境科学与工程—环境科学]
-
-
题名基于SWOT分析的乌鲁木齐县乡村民宿发展对策研究
被引量:2
- 2
-
-
作者
汪双洪
闫志明
邹权武
何佩恩
-
机构
新疆农业大学公共管理学院
-
出处
《安徽农学通报》
2023年第2期155-159,共5页
-
文摘
乡村民宿以其设计的个性化和居住的温馨感等特征得到快速发展,历年中央一号文件多次提到,要加快构建现代产业体系,依托乡村特色资源,开发休闲农业,支持农民直接经营或参与经营乡村民宿,走精品旅游道路。根据《2019中国大陆民宿业发展数据报告》显示,我国内地民宿行业在短短30年内发展迅增,由寥寥数家发展到6万多家。目前,新疆处在“丝绸之路经济带”核心区,经济的快速发展为旅游业发展打下坚实基础,乌鲁木齐县作为首府城郊,旅游资源丰富,是乡村旅游重点扶持对象。近年来依托县域内得天独厚的旅游资源发展民宿产业,取得了一定的成就,同时,在发展过程中也面临着一些瓶颈,例如同质化现象严重、产业结构单一、生态环境破坏等。基于此,该研究运用SWOT分析法进行剖析,并提出相关建议,以期推动乌鲁木齐县乡村民宿及旅游产业高质高量发展,助力乡村振兴。
-
关键词
乡村民宿
SWOT分析法
乌鲁木齐县
-
Keywords
rural B&B
SWOT analysis
Urumqi County
-
分类号
S646
[农业科学—蔬菜学]
-
-
题名结合数据融合与特征选择的遥感影像尺度多样目标检测
被引量:3
- 3
-
-
作者
秦登达
万里
何佩恩
张轶
郭亚
陈杰
-
机构
中南大学地球科学与信息物理学院
-
出处
《遥感学报》
EI
CSCD
北大核心
2022年第8期1662-1673,共12页
-
基金
国家重点研发计划(编号:2020YFA0713503)
国家自然科学基金(编号:42071427)
湖南省自然科学基金(编号:2020JJ4691)。
-
文摘
基于深度神经网络模型的遥感影像地物检测取得了巨大成功,很大程度上得益于大规模数据集的支撑。但是,从现有遥感影像数据集本身来看,不同类别地物的数量分布不一致,同类地物对象以不同尺寸大小呈现,是导致地物样本的尺度不均衡问题的直接因素。对此,本文采用数据集内影像加权融合与地物多尺度特征选择的策略来缓解该问题。首先,将数据集内两张影像的像素值进行加权并得到融合后的影像,从而使不同类别地物样本更加均衡且具有较高的背景多样性;其次,通过选择合适尺度的特征图预测相应尺度的目标类别,且允许同一尺度目标在相邻特征图上进行预测,这样使模型能根据目标尺度进行训练;最后,基于目标中心区域的特征图预测目标边界框,预测的边界框更符合目标本身的尺度。通过在两个遥感数据集上分别进行实验,表明训练的模型在对复杂背景下的类别不均衡目标的识别更加准确,能够适应遥感影像下不同尺度目标的识别。
-
关键词
图像融合增强
多尺度选择与表达
高分辨率遥感影像
目标检测
卷积神经网络
-
Keywords
image fusion enhancement
multi scale selection and expression
high resolution remote sensing image
object detection
convolutional neural network
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-