期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于双变量分区的KMeans++-ConViT-CA建模方法及土地覆被变化模拟
1
作者
王恩铭
刘明皓
+2 位作者
王琨
代俊
许汀汀
《地理与地理信息科学》
北大核心
2025年第2期31-39,共9页
分区建模和多尺度信息挖掘是当前解决空间异质性建模的主要途径。该文针对现有模型对空间异质性挖掘不充分的问题,提出一种耦合分区与多尺度信息挖掘的KMeans++-ConViT-CA建模方法,在综合考虑因变量地类的邻域元胞活跃度和自变量驱动因...
分区建模和多尺度信息挖掘是当前解决空间异质性建模的主要途径。该文针对现有模型对空间异质性挖掘不充分的问题,提出一种耦合分区与多尺度信息挖掘的KMeans++-ConViT-CA建模方法,在综合考虑因变量地类的邻域元胞活跃度和自变量驱动因子的空间相似度并采用KMeans++聚类算法进行分区基础上,应用ConViT模型挖掘土地适宜性的尺度信息,并以重庆都市圈为例从分区效应、尺度效应、模型效应3个角度进行验证。研究结果表明:①该模型Kappa系数达0.8362,FoM达0.4178,比未分区的ConViT-CA模型分别提升0.0541、0.0507,比单独基于因变量和自变量的分区模型分别提升0.0221、0.0291和0.0381、0.0442(分区效应);与挖掘转换规则时只关注局部特征的双变量单一尺度的KMeans++-CNN-CA模型及KMeans++-ViT-CA模型相比分别提升0.0294、0.035和0.0206、0.0244(尺度效应),比其他基于深度学习的模型分别提升0.0884、0.0826(模型效应)。②分区方法对建模精度影响较大,考虑邻域元胞活跃度分区的双变量建模方法能在一定程度上弥补单变量建模方法对空间异质性规律学习不足的问题,模拟精度更高。③分区与多尺度模型并非简单的替代关系,通过模型耦合可发挥该模型在区域尺度和像元尺度的综合优势,从而改善建模效果,提高土地覆被变化模拟精度。
展开更多
关键词
土地覆被变化模拟
深度学习
分区建模
空间异质性
在线阅读
下载PDF
职称材料
题名
基于双变量分区的KMeans++-ConViT-CA建模方法及土地覆被变化模拟
1
作者
王恩铭
刘明皓
王琨
代俊
许汀汀
机构
重庆邮电大学计算机科学与技术学院/空间大数据智能技术重庆市工程研究中心
重庆邮电大学软件学院
出处
《地理与地理信息科学》
北大核心
2025年第2期31-39,共9页
基金
国家自然科学基金项目(42071218)
重庆市博士直通车项目(CSTB2022BSXM-JCX0147)。
文摘
分区建模和多尺度信息挖掘是当前解决空间异质性建模的主要途径。该文针对现有模型对空间异质性挖掘不充分的问题,提出一种耦合分区与多尺度信息挖掘的KMeans++-ConViT-CA建模方法,在综合考虑因变量地类的邻域元胞活跃度和自变量驱动因子的空间相似度并采用KMeans++聚类算法进行分区基础上,应用ConViT模型挖掘土地适宜性的尺度信息,并以重庆都市圈为例从分区效应、尺度效应、模型效应3个角度进行验证。研究结果表明:①该模型Kappa系数达0.8362,FoM达0.4178,比未分区的ConViT-CA模型分别提升0.0541、0.0507,比单独基于因变量和自变量的分区模型分别提升0.0221、0.0291和0.0381、0.0442(分区效应);与挖掘转换规则时只关注局部特征的双变量单一尺度的KMeans++-CNN-CA模型及KMeans++-ViT-CA模型相比分别提升0.0294、0.035和0.0206、0.0244(尺度效应),比其他基于深度学习的模型分别提升0.0884、0.0826(模型效应)。②分区方法对建模精度影响较大,考虑邻域元胞活跃度分区的双变量建模方法能在一定程度上弥补单变量建模方法对空间异质性规律学习不足的问题,模拟精度更高。③分区与多尺度模型并非简单的替代关系,通过模型耦合可发挥该模型在区域尺度和像元尺度的综合优势,从而改善建模效果,提高土地覆被变化模拟精度。
关键词
土地覆被变化模拟
深度学习
分区建模
空间异质性
Keywords
simulation of land cover change
deep learning
zoning modeling
spatial heterogeneity
分类号
P208.2 [天文地球—地图制图学与地理信息工程]
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于双变量分区的KMeans++-ConViT-CA建模方法及土地覆被变化模拟
王恩铭
刘明皓
王琨
代俊
许汀汀
《地理与地理信息科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
