为解决水产养殖区遥感提取过程中近岸坑塘养殖目标和网箱养殖目标地物背景复杂，受房屋、植被、海水和船只等干扰提取精度较低等问题，提出了一种联合空间变换和置换注意力机制的近岸水产养殖区信息提取方法SA-STN-Net,选取海南省文昌市八门湾和万宁市坡头港为研究区域，先利用光谱特征和纹理特征构建水产养殖目标先验知识，然后在U-Net模型基础上联合空间变换网络(spatial transformer network, STN)和置换注意力机制(shuffle attention, SA),用于增强养殖目标空间特征、减少复杂地物的干扰并聚焦近岸水产养殖区域。结果表明：与原始U-Net模型相比，SA-STN-Net模型的总体提取精度和平均交并比提高了3.3%和5.7%;与当前较为先进的A2fpn、Swin-Transformer和Dc-Swin等深度学习分割算法相比，SA-STN-Net模型具有更好的分割性能，F1分数分别提高了6.7%、4.2%和7.2%。研究表明，本文提出的SA-STN-Net模型能适应近岸水产养殖目标地物背景复杂的情况，可对近岸养殖目标进行有效提取，本研究结果可为近岸规划与管理部门提供技术支持。

近年来，我国实行了大规模的减税降费政策以减轻企业负担、激发企业活力，进而推动地方政府经济的高质量发展。本文首先介绍近年来我国减税降费政策内容，并分析了广西在减税降费政策下经济发展的成效，肯定了减税降费政策助力广西实现经济的稳定增长，推动产业结构转型升级，促进绿色发展的作用；最后，提出从降低总体税负，鼓励科技创新，加大税收优惠力度，优化税收服务等对策以进一步提升广西经济的高质量发展。