附加特征图增强的图卷积神经网络

近年来,图卷积网络(Graph Convolutional Network,GCN)凭借其简单的网络结构、在图上任务中展现出的优异性能,受到了学术界和工业界的广泛关注.然而GCN也存在着在浅层时信息传播范围过小、特征提取不充分的缺陷.针对这一问题,本研究提出附加特征图模型(Additional Feature Graph,AFG).AFG通过引入图的节点结构特征(度特征),对度相同的节点随机增加连边、缩短信息传播距离.AFG并不是独立的图神经网络模型,而是作为一种附加技术与GCN及其相关模型配合使用.实验显示,在Cora、Citeseer、Pubmed数据集上AFG能够对浅层主干模型实现显著性能增益,帮助主干模型性能超越了其他以提升模型特征提取能力、改善欠传播情况为目的进行设计的模型.本研究进一步分析了AFG与DropEdge——一种随机切断原始图连边的附加技术——的区别与联系,并通过实验证明附加特征图模型与DropEdge模型共同使用的可行性,以及两者间存在一定的互补性.结合使用两种附加技术可以实现更大的节点分类准确度增益.

跨季节与跨气候区的地表生态状况遥感评估方法

针对已有遥感生态指数存在植被稀疏区表现不力及不同季节稳健性不强,难以在冬春季节直接应用的难题,在遥感生态指数(remote sensing ecological index,RSEI)基础上,提出了一个可跨季节和气候区使用的全局遥感生态指数(global remote sensing ecological index,GRSEI),该指数由绿度、枯度、湿度、旱度和干度5项生态指标构成,采用CRITIC权重法和几何聚合法建模。在不同干湿气候区选取了5个案例区,对GRSEI、RSEI以及其他两个同名指数即地表生态状态综合指数(land surface ecological status composite index,LSESCI)和改进遥感生态指数(modified remote sensing ecological index,MRSEI)进行跨季节、跨气候区适用性检验。结果表明,GRSEI更契合季节变化规律和用地生态规律,模型生态含义明确,可用于各个季节和气候区的生态状况监测;RSEI夏秋季节表现较好,但在冬春季节使用受限;LSESCI和MRSEI异常值出现频次较多,不利于量化分析。

基于空间场景的海岸带与海域生态承载力及可持续评价

本文旨在介绍空间场景概念及其耦合三维生态足迹构建的新一代海岸带与海域生态承载力及可持续性评估框架;基于该框架,分析了1990—2019年粤港澳大湾区海岸带与海域空间场景、生态承载力及可持续性变化。结果表明:(1)1990—2019年陆地与潮间带空间场景变化主要表现为森林和水田向海水养殖、居住、商业贸易、工业生产和公铁桥梁等场景的转入,海域则主要表现为开发保留海域和一般可捕捞海域向海洋保护、海水养殖、旅游休闲、港口航道和工业城镇海域的转入。(2)总生态承载力先增后降、总体略有上升,但人均生态承载力持续下降;绝大多数空间场景生态承载力总体上升。(3)研究区及大多数空间场景人均足迹深度持续上升,且均超过原始值1,显示出不可持续发展趋势;人均3D足迹则呈先急增后缓增趋势。其中,旱地、陆地交通场站、工业生产等场景人均足迹深度最高,森林、工业生产和陆地交通场站人均3D足迹增长最快。(4)随着近年来产业转型升级和海洋政策调整优化,1990—2019年研究区不可持续发展趋势得到缓解。研究结果表明,相较于传统土地利用/覆被,空间场景更能细致准确反映海岸带与海域复杂人类活动造成的生态承载力和可持续性差异,体现了基于空间场景的新一代可持续性框架的先进性和有效性。