-
题名基于深度学习的中国边境地区城市发展与安防研究
被引量：1
- 1
-
-
作者
马晓宇
张新
刘吉磊
周楠
刘克俭
魏春山
杨鹏
-
机构
河北工程大学地球科学与工程学院
中国科学院空天信息创新研究院遥感科学国家重点研究室
中国科学院大学
中国人民公安大学公安遥感应用工程技术研究中心
苏州喆鑫信息科技有限公司
-
出处
《自然资源遥感》
CSCD
北大核心
2022年第2期231-241,共11页
-
基金
高分辨率对地观测系统重大专项(编号:GFZX0404130307)资助。
-
文摘
为探究我国边境城市发展态势,评估城市戍边能力,基于D-LinkNet34深度学习算法对西藏自治区托林镇、狮泉河镇和普兰镇建筑物、道路进行自动化提取,并结合景观指数及人口规模分析边境乡镇发展态势和戍边能力。分析表明:①基于D-LinkNet深度学习网络的提取方法能够有效地对城市建设用地进一步分类,平均总精度高于80%,IOU值在70%以上。②普兰镇和狮泉河镇斑块分布呈聚集趋势发展,城市扩张趋势减弱,托林镇斑块分布则呈分散趋势发展,城市扩张趋势明显。③建筑面积同常住人口呈线性关系,托林镇2002—2018年建筑面积增加约68.75%,常住人口增加约39.00%;狮泉河镇2004—2020年建筑面积增加约70.75%,常住人口增加约68.44%;普兰镇2005—2018年建筑面积增加约68.36%,常住人口增加约25.04%。研究为定量评价边境城市扩张特征及戍边能力提供新方法,同时为建设祖国边疆戍边能力提供参考。
-
关键词
遥感
边境乡镇
城市发展
景观指数
D-LinkNet
-
Keywords
remote sensing
border towns
urban development
landscape index
D-LinkNet
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
