摘要：深度学习方法已成为基于遥感影像数据的城乡道路网分类提取的主流技术。然而,现有方法存在邻近地物(如植被和建筑物等)混杂遮挡、模型训练时间长、计算复杂度高等问题,并且大多仅关注道路面、边缘线和中心线等独立目标,导致道路分类提取结果精度不高。为了充分利用道路边缘与道路面之间的空间拓扑关系约束特征,本文提出了一种基于道路拓扑关联特征信息的道路面提取网络,记作CAS-DeepNet。首先,基于DeepLabV3+网络架构,改进轻量级MobileNetV2特征提取网络,嵌入基于残差连接的边缘增强模块以捕获道路边缘信息;其次,设计基于密集连接的CS-ASPP结构以提高模型性能;然后,引入通道注意力机制,有效地融合图像中的多分支通道,以提高特征表征能力;最后,通过道路边缘拓扑关联信息构建道路连通性约束,以提升道路网提取结果完整性。在CHN6-CUG和DeepGlobe等数据集进行试验,结果表明,本文设计的CAS-DeepNet与当前流行的U-Net++、DeepLabV3+、D-LinkNet、RoadNet、ACNet和SDUNet等方法相比,在准确率、召回率、F_(1)值和总体精度等评价指标方面更具优势,能够明显提升道路路网提取结果精度与完整性。本文方法可为自然资源调查监测和地理空间环境感知建模提供基础支撑。

摘要：区域碳收支动态监测与评估是推动城市群低碳发展和碳达峰的关键基础问题。设计和分析了长三角城市群区域碳收支与城市空间形态的时空耦合关系。基于2001、2005和2010年碳排放、净初级生产力、土地利用和土壤等数据构建了长三角城市群区域碳收支的时空分布估算模型,接着利用地理加权回归模型分析了城市空间形态景观格局指数与碳收支的相关性,最后结合地理探测器定量分析了景观格局指数因子对碳收支的影响及其交互作用。研究结果表明:(1)长三角城市群碳收支存在明显的空间异质性,总体呈现南部高,北部次之,东部低的特征;(2)同时,长三角城市群碳收支具有明显时间异质性,2001、2005和2010年呈现减少的趋势,其中2001—2005年下降幅度较大;(3)斑块类型面积、城市斑块数量、最大斑块指数、景观形状指数与碳收支具有负相关性;边缘密度、城市建成区斑块密度与碳收支具有显著正相关性;(4)2001年、2005年和2010年的建成区总面积是碳收支空间异质性的主要驱动因素;斑块类型面积与其他因子的交互作用对碳收支空间异质性影响贡献程度比其他因子间交互作用较强。一定程度揭示了城市空间形态景观格局与碳收支时空分布的相关性,可为碳达峰/碳中和、城市形态优化等提供科学参考。