基于多源数据的锡林浩特矿区资源环境承载力评价

煤炭资源的开采和消耗给矿区环境和人口带来一定程度的影响,面对这一资源环境问题,我国大力提倡建设绿色矿山,要求矿山发展必须在资源环境可承载的能力之内。综合利用Landsat 8、GF-2等多源遥感数据和社会经济统计数据,采用层次分析法从承载本底和承载状态2方面构建资源环境承载力评价指标体系,其中承载本底采用资源可利用量占比表示,承载状态选用煤矿经济占比指数、煤矿就业指数、采矿破坏指数和废物排放强度以及起调节作用的开发限制性指数5个指标,经过公式计算和对比,对内蒙古锡林浩特矿区的资源环境承载力进行评价, 并针对承载力大小对矿区提出适当的对策和建议。结果表明:锡林浩特矿区胜利一号矿和东二矿的承载力等级均为“中” ,西二矿的承载力等级为“小”。2016年内蒙古锡林浩特市矿区的资源环境承载状况处于中等偏下水平,需要在开采的同时加大修复力度,促进经济和环境的同步发展。研究结果对矿区环境的修复与治理具有指导意义,同时也为小尺度矿区的资源环境承载力评价提供了重要参考方法。      

基于FM-UNet++和高分二号卫星影像的露天矿区范围变化检测

利用遥感和深度学习技术实现露天矿区土地利用变化信息的自动提取对于矿区开采监测、生态环境保护具有重要意义。针对复杂异质矿区场景下土地利用类型的变化,构建新型深度学习模型FM-UNet++,利用高分二号(GF-2)卫星影像实现露天矿区的自动变化检测。首先,通过资料调查和目视解译制作露天矿区变化检测数据集,通过数据增强对其进行扩充;其次,通过在UNet++模型中引入特征增强坐标注意力机制FECA(Feature-enhanced Coordinate Attention)和Mish激活函数构建面向露天矿区变化检测的FM-UNet++模型;最后,训练FM-UNet++及7种对比模型进行露天矿区变化检测实验,并比较不同深度学习模型的检测结果。结果表明：特征增强坐标注意力机制FECA和Mish激活函数均提升了UNet++模型的露天矿区变化检测性能。FM-UNet++模型对露天矿区变化检测的精确率(Precision)、召回率(Recall)、F1-Score和交并比(IoU)值分别达到95.6%、89.2%、92.3%和85.7%,相较于FCN、PSPNet、Deeplabv3+、LANet、UN...