重庆市“一区两群”生境质量及其地形梯度分异

开展生境质量时空演变定量化研究,对于生物多样性保护、生态系统服务功能维育、生态安全格局构建具有重要意义。该文以景观生态学理论为基础,利用InVEST模型对重庆市"一区两群"2000-2018年间生境质量进行定量化评价,并结合地形位指数和分布指数,探讨了生境质量时空变化规律的地形梯度效应。结果表明:(1)研究区主导景观类型为耕地,其次是林地,两者面积占比达80%以上;研究时段内,林地、建设用地、水域面积呈持续增加趋势,耕地、草地、未利用地连续减少。(2)研究区生境质量总体较优,但时段内略有下降;空间分布上,渝东南和渝东北生境质量相对较好,生境质量指数均值分别为0.792和0.723,都市区生境质量均值仅为0.614;空间变化方面,都市区生境质量呈持续退化趋势,渝东南生境质量持续变好,渝东北生境质量变化不明显。(3)研究区生境质量等级空间分布地形梯度效应显著,高生境质量分布与林地、草地景观在Ⅳ~Ⅴ级地形位呈主导优势,而低生境质量分布则与耕地、建设用地在Ⅰ~Ⅱ级地形位关联明显。(4)该研究成果可为重庆市国土空间差异化的生态环境保护政策制定提供重要参考。但就InVEST模型而言,针对地形复杂的山地丘陵区,差异化修正诸如阔叶林、针叶林、针阔混交林等同种类型不同种类生境敏感值和对生态威胁源的影响距离等参数仍需深入探讨。

基于机器学习的复杂光照条件下的河道船舶自动识别算法

随着大数据时代的到来,尤其是在图像识别领域深度学习理论得到了迅速的发展和应用。与经典的主成分分析(PCA)等识别算法相比较,深度学习算法具有识别率高,鲁棒性强。基于卷积神经网络(CNN)原理,提出了一种在复杂环境条件下基于现场可编程门阵列(FPGA)的实时船舶识别算法,该方法提高了库区复杂环境条件下船舶自动识别的速度和准确性。该识别算法基于全面多节点的FPGA构建,实现船舶快速自动监测的目的。测试结果表明,该方法识别速度已达到360帧每秒(FPS)的传输速度,远远超过现有结果。识别率为85%。此外,该算法针对库区复杂光照环境具有很好的鲁棒性。