高潜水位矿区采矿活动及城镇化发展会导致土地利用类型明显变化,进而影响矿区的固碳能力。采用潘谢矿区2002-2021年5期土地利用数据,利用FLUS(Future Land Use Simulation)模型,选取了采矿、社会经济和气候环境等方面数据作为驱动因子,...高潜水位矿区采矿活动及城镇化发展会导致土地利用类型明显变化,进而影响矿区的固碳能力。采用潘谢矿区2002-2021年5期土地利用数据,利用FLUS(Future Land Use Simulation)模型,选取了采矿、社会经济和气候环境等方面数据作为驱动因子,分别预测了自然发展和生态保护两种情景下2028年土地利用变化,再结合InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型,计算了潘谢矿区2002-2021年的历史碳储量以及2028年不同情景下的未来碳储量,并对潘谢矿区碳储量的时空变化特征进行了分析。结果表明:(1)2002-2021年潘谢矿区土地利用变化表现为耕地不断减少,湿地和建筑用地持续增加,其中耕地减少了147.93 km^(2),湿地和建筑用地分别增加了71.01 km^(2)和75.76 km^(2)。在此期间,潘谢矿区碳储量减少了1.62×10^(5)t,减少幅度为3.83%,其中在2018-2021年碳储量下降最快。(2)预测结果显示,2028年2种情景下研究区内土地利用变化均为湿地和建筑用地持续增加,耕地不断减少。但相较于自然发展情景,生态保护情景下矿区内耕地受到保护,面积有所增加,湿地和建筑用地的增长减缓。与2021年相比,自然发展情景下的碳储量减少了0.74×10^(5)t,生态保护情景下的碳储量减少了0.53×10^(5)t。研究结果表明,受采煤沉陷和城镇发展影响,沉陷湿地和建筑用地扩张导致耕地减少是碳储量下降的主要原因,采取生态保护措施能够在一定程度上减缓碳储量的下降。展开更多
露天矿区场景复杂,行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重,难以准确识别障碍物,尤其是光线较差的夜间,不利于做出正确决策,从而影响无人作业的安全性和整体效率。针对以上问题,提出了一种基于YOLOv8n模型的露天矿区行车障碍...露天矿区场景复杂,行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重,难以准确识别障碍物,尤其是光线较差的夜间,不利于做出正确决策,从而影响无人作业的安全性和整体效率。针对以上问题,提出了一种基于YOLOv8n模型的露天矿区行车障碍物检测算法YOLOv8n-Enhanced。该算法主要从3个方面进行了改进,具体包括:首先,针对受粉尘噪声干扰严重和夜间光线不足的问题,提出了C2fCA模块结构,提高了模型特征提取能力;其次,使用轻量级卷积技术GSConv和VoV-GSCSP模块,减轻模型复杂性,实现检测器更高的计算成本效益;最后,使用WIOU损失函数,提高了模型泛化能力。试验结果表明:改进算法在保持实时性的前提下,可将YOLOv8n的平均精度(mean Average Precision,mAP)分别提高1.8%和2.6%,实现白天与夜间场景下不同尺度的障碍物识别。展开更多
文摘高潜水位矿区采矿活动及城镇化发展会导致土地利用类型明显变化,进而影响矿区的固碳能力。采用潘谢矿区2002-2021年5期土地利用数据,利用FLUS(Future Land Use Simulation)模型,选取了采矿、社会经济和气候环境等方面数据作为驱动因子,分别预测了自然发展和生态保护两种情景下2028年土地利用变化,再结合InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型,计算了潘谢矿区2002-2021年的历史碳储量以及2028年不同情景下的未来碳储量,并对潘谢矿区碳储量的时空变化特征进行了分析。结果表明:(1)2002-2021年潘谢矿区土地利用变化表现为耕地不断减少,湿地和建筑用地持续增加,其中耕地减少了147.93 km^(2),湿地和建筑用地分别增加了71.01 km^(2)和75.76 km^(2)。在此期间,潘谢矿区碳储量减少了1.62×10^(5)t,减少幅度为3.83%,其中在2018-2021年碳储量下降最快。(2)预测结果显示,2028年2种情景下研究区内土地利用变化均为湿地和建筑用地持续增加,耕地不断减少。但相较于自然发展情景,生态保护情景下矿区内耕地受到保护,面积有所增加,湿地和建筑用地的增长减缓。与2021年相比,自然发展情景下的碳储量减少了0.74×10^(5)t,生态保护情景下的碳储量减少了0.53×10^(5)t。研究结果表明,受采煤沉陷和城镇发展影响,沉陷湿地和建筑用地扩张导致耕地减少是碳储量下降的主要原因,采取生态保护措施能够在一定程度上减缓碳储量的下降。
文摘露天矿区场景复杂,行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重,难以准确识别障碍物,尤其是光线较差的夜间,不利于做出正确决策,从而影响无人作业的安全性和整体效率。针对以上问题,提出了一种基于YOLOv8n模型的露天矿区行车障碍物检测算法YOLOv8n-Enhanced。该算法主要从3个方面进行了改进,具体包括:首先,针对受粉尘噪声干扰严重和夜间光线不足的问题,提出了C2fCA模块结构,提高了模型特征提取能力;其次,使用轻量级卷积技术GSConv和VoV-GSCSP模块,减轻模型复杂性,实现检测器更高的计算成本效益;最后,使用WIOU损失函数,提高了模型泛化能力。试验结果表明:改进算法在保持实时性的前提下,可将YOLOv8n的平均精度(mean Average Precision,mAP)分别提高1.8%和2.6%,实现白天与夜间场景下不同尺度的障碍物识别。