结合通道交互空间组注意力与金字塔池化的高分影像语义分割网络

高空间分辨率(高分)遥感影像中存在海量信息,因此对高分影像的语义分割研究十分重要。传统机器学习方法的语义分割精度和效率均不高,近年来,深度学习方法迅速发展,逐渐成为影像语义分割领域的常用方法,已有研究将SegNet、Deeplabv3+、U-Net等神经网络引入遥感影像语义分割,但效果有限。考虑高分影像的特性,对用于遥感影像语义分割的U-Net网络进行了改进。首先,在U-Net网络特征提取过程中使用通道交互空间组注意力模块(channel interaction and spatial group attention module,CISGAM),使得网络能够获取更多有效特征。其次,在编码过程中将普通卷积层变换为残差模块,并在U-Net的编码器和解码器之间用加入了CISGAM的注意力金字塔池化模块(attention pyramid pooling module,APPM)连接,以加强网络对多尺度特征的提取。最后,在0.3 m分辨率的UC Merced数据集和1 m分辨率的GID数据集上进行实验,与U-Net、Deeplabv3+等原始网络相比,在UC Merced数据集上的平均交并比(mean intersection over union,MIoU)分别提升了14.56%和8.72%,平均像素准确率(mean pixel accuracy,MPA)分别提升了12.71%和8.24%。在GID数据集的分割结果中,水体、建筑物等地物的综合分割精度大幅提升,在平均分割精度上,CISGAM和APPM较常用的CBAM和PPM有一定提升。实验结果表明,加入CISGAM和APPM的网络可行性与鲁棒性均较传统网络强,其较强的特征提取能力有利于提升高分辨率遥感影像语义分割的精度,为高分辨率遥感影像智能解译提供新方案。

老子生态伦理思想及其合理借鉴

生态安全问题已成为人类社会发展所面临的一个不可回避的重大问题,在对这一问题的反思中,人类应回到先秦老子时代,聆听老子关于生态伦理思想基本观点、基本原则、价值观以及理想社会的精典教诲,从而辩证的吸取其中适应当今时代和谐发展的生态智慧。毋庸置疑,老子生态伦理思想向人们所传达的理念对于激发全人类生态环境意识与生态自觉道德意识的觉醒;对于启示人们树立一种正确的自然观、科学的发展观、健康的消费观;对于指导人们挽救生态危机、实现人与自然的和谐统一有着极为重要的借鉴意义。我们不求能够从老子的思想中抽象出解决当今生态危机的直接措施,也不求现代人完全按照老子的要求来生活,但求老子生态伦理思想的理念能够被越来越多的人所认可。

基于云存储技术的海岛信息管理和展示平台设计与实现

随着海岛遥感影像数据的不断积累,传统数据存储管理方法越来越难以满足需求。针对上述问题,利用云存储技术对海岛影像数据进行分块组织,建立分布式海岛影像数据集,并在优化数据存储的同时,设计了一套海岛信息多形式展示平台。实现了信息检索、数据传输与审核、分析评价、成果展示和共享等功能。

海上危化品漂移扩散过程三维动态可视化方法

全球化工产业的发展导致海上危化品泄漏事故频发,严重影响了海洋生态环境,如何开展快速、有效的应急响应已成为迫切需求。对泄漏危化品未来漂移扩散情况进行预测与可视化呈现是应急过程的一个重要环节,目前针对污染扩散可视化的相关研究在场景构建、渲染效率、可扩展性、交互控制等方面仍存在不足。该文提出了一种基于Unity3D引擎及其粒子系统的海上危化品漂移扩散过程三维动态可视化方法,在海洋周边三维场景构建和模型数据优化处理的基础上,通过粒子的动态更新实现了危化品扩散过程的可视化,并提供了针对场景漫游和扩散过程控制的交互接口。以杭州湾海域为例的模拟实验结果表明该方法的性能和效果满足实际应用需求,能够为海上危化品泄漏突发事故应急提供信息参考与辅助决策支持。

基于地理神经网络加权回归的中国PM2.5浓度空间分布估算方法

中国空气污染问题日益严重,为获得连续的PM2.5浓度空间分布,现有研究建立了多种基于统计回归的PM2.5估算模型。然而,由于PM2.5回归关系显著的空间非平稳性和复杂的非线性特征,如何实现高精度、高合理性的PM2.5浓度空间大面估计仍然面临挑战,尤其在地形变化复杂、覆盖范围广阔的中国地区更为突出。本文引入了一种将普通线性回归(OLR)和神经网络结合的地理神经网络加权回归(GNNWR)模型,通过集成遥感数据、气象数据和地理信息数据建立了基于GNNWR的PM2.5浓度空间估算方法。文章以中国2017年PM2.5年平均浓度估算为例,开展了该模型与OLR、地理加权回归(GWR)的比较实验。实验结果表明,基于GNNWR的PM2.浓度估算性能指标均明显优于OLR和GWR,且预测精度显著高于GWR。此外,GNNWR获得的PM2.5浓度空间分布也更为合理,较为细致地刻画了中国地区PM2.5浓度的局部空间变化和细节层次。