尊重大地伦理实现城市"生态"景观

在当今社会,在中国城市化飞速发展的过程中,城市本身呈现出越来越多的问题和矛盾,这些问题和矛盾的出现,在一定层面上,是由于人们对道德伦理的缺失、对大地不够尊重、对大地伦理缺乏哲学认识,这些问题和矛盾同时限制和阻碍了城市的进一步发展。通过对大地伦理内涵和城市生态景观的内涵的分析,探索尊重大地伦理实现城市"生态"景观所面对的问题——景观学目前的哲学认识问题、民族文化的演替与流失问题、自然生态环境的污染问题、城市美化运动出现的城市环境新问题,研究探索尊重大地伦理实现城市"生态景观"的对策——尊重民族历史文化实现城市发展的文化演替,发展科学技术降低环境污染,实现城市景观的可持续健康发展,顺应自然实现山水城市。     

高分遥感影像双通道并行混合卷积分类方法

高空间分辨率遥感影像拥有丰富的空间细节信息和多光谱信息。研究表明,二维卷积神经网络适于提取空间信息,而三维卷积神经网络更适于提取光谱信息。为了更好地利用空谱信息,本文提出一种双通道并行混合卷积神经网络(DPHCNN)方法,充分联合二维与三维卷积神经网络在空谱信息提取上的优势,同时引入混合注意力机制、多尺度卷积增强空间细节特征的提取能力,实现高分影像的精准分类。试验中利用高分二号影像数据集进行验证,与当前先进的深度学习分类方法相比,本文提出的DPHCNN方法在保证分类精度高、分类效率较好的同时,能在多时相影像分类中保持最高的稳健性,在综合评价上更具优势。     

文化、生态与景观共融——沈阳航空学院新校区景观设计概念评述

以沈阳航空工业学院道义校区景观设计为例,通过阐述沈阳航空工业学院校园文化景观与生态景观的框架构成,强调新型大学校园景观设计在满足功能需求的前提下,更进一步追求社会人文景观与自然生态景观的共生共融,追求人、社会、自然的和谐统一。     

面向高分影像建筑物提取的多层次特征融合网络

建筑物规模及其分布是衡量一个地区经济社会发展状况的关键指标,因此研究基于遥感影像的建筑物提取具有重要意义。现有神经网络方法在建筑物提取的完整度、边缘精确度等方面仍存在不足,由此提出一种基于高分遥感影像的多层次特征融合网络(multi-level feature fusion network,MFFNet)。首先,利用边缘检测算子提升网络对建筑物边界的识别能力,同时借助多路径卷积融合模块多个维度提取建筑物特征,并引入大感受野卷积模块解决感受野大小对特征提取的限制问题;然后,对提取的特征进行融合,利用卷积注意力模块进行压缩,经金字塔池化进一步挖掘全局特征,从而实现建筑物的高精度提取。并与当前主流的UNet、PSPNet（pyramid scene parsing network）、多路径特征融合网络(multi attending path neural network, MAPNet)和MDNNet（multiscale-feature fusion deep neural networks with dilated convolution）方法进行对比,使用亚米级的武汉大学航空影像数据集、卫星数据集II（东亚）与Inria航空影像数据集作为实验数据进行测试, 结果发现,所提方法提取出的建筑物更为完整,边界更加精确。