排序方式: 共有3条查询结果,搜索用时 45 毫秒
1
1.
为深入研究上海市农用地的历史变化过程,加强土地利用变化监测、基本农田保护以及违法用地查处等方面的应用,本文从农用地业务数据和航空影像两个方面对农用地的变化情况进行监测,设计并实现了农用地变化监测应用场景。针对上海市已有的农用地变更业务系统,本文实时接入了农用地的变化数据,通过地理信息系统(GIS)技术对比分析农用地变化情况,并对多种变化类型进行数据分析与统计;同时,本文还研究了一种基于深度学习的遥感影像变化监测方法,实现对农用地数据变化情况的自动识别,提升人工解译和农用地数据更新的工作效率,为上海市农用地变化信息获取和动态更新提供坚实基础和有力支撑。 相似文献
2.
在推进新型城镇化和实施新时代国土空间规划的战略背景下,城市扩展研究逐渐成为热点问题。当前基于元胞自动机(CA)的城市扩展模拟对城市空间多尺度邻域效应解析不足,且在转换规则中对城市长时间演变过程的时间依赖性影响表达不够完善,简化了城市扩展的时空依赖性,无法真实模拟推演未来规划实施情景以服务于国土空间规划。针对上述问题,本文构建一种兼顾空间多尺度邻域效应(3DCNN)和时间依赖性(ConvLSTM)的城市扩展深度学习CA模型(下文称“Deep-CA”)。首先通过组合普通卷积和空洞卷积的3DCNN来提取城市空间多尺度邻域效应,再利用ConvLSTM神经网络将历史信息同化,考虑长时间序列的时间依赖性,从而得到城市扩展的适宜性概率。北京市1995—2015年的土地利用数据及其驱动因素数据用于验证所提CA模型的科学性与适用性,1995—2010年数据用于模型训练,模拟2015年的城市范围。同时将模拟结果精度与ANN-CA、LR-CA和ME-CA 3种传统方法进行对比。与传统CA模型相比,Deep-CA的北京市2015年模拟FoM指数提高了4%左右,且对于城市全局和局部形态模拟效果较好,斑块破碎度低... 相似文献
3.
1