针对现有土地利用演化建模方法受限于欧氏空间约束,从而无法有效建模土地在地理条件驱动下产生的跳跃式增长模式,本文提出一种融合地理条件驱动效应和图卷积的土地利用演化模拟CA模型。首先,通过在卷积神经网络中引入空洞卷积层建模元...针对现有土地利用演化建模方法受限于欧氏空间约束,从而无法有效建模土地在地理条件驱动下产生的跳跃式增长模式,本文提出一种融合地理条件驱动效应和图卷积的土地利用演化模拟CA模型。首先,通过在卷积神经网络中引入空洞卷积层建模元胞的空间邻域多尺度效应;然后,基于元胞的地理条件向量构建区域地理条件相似图,并应用图卷积神经网络提取相似图中的区域发展潜力特征;最后,融合人工神经网络模型与元胞自动机模型进行土地利用演化模拟。本文凭借对地理条件驱动效应的建模增强了模型对跳跃式增长模式的捕捉能力,实现了城市土地利用演化的有效模拟。本文分别在长沙市芙蓉区、南京市玄武区及南昌市这3个研究区域进行试验。试验结果表明,相比于经典的只考虑欧氏空间邻域特征的土地利用演化建模方法,本文方法在总体精度、Kappa系数和figure of merit(FoM)系数上都有不同程度地提高,能够更为准确地模拟土地利用演化。展开更多
文摘针对现有土地利用演化建模方法受限于欧氏空间约束,从而无法有效建模土地在地理条件驱动下产生的跳跃式增长模式,本文提出一种融合地理条件驱动效应和图卷积的土地利用演化模拟CA模型。首先,通过在卷积神经网络中引入空洞卷积层建模元胞的空间邻域多尺度效应;然后,基于元胞的地理条件向量构建区域地理条件相似图,并应用图卷积神经网络提取相似图中的区域发展潜力特征;最后,融合人工神经网络模型与元胞自动机模型进行土地利用演化模拟。本文凭借对地理条件驱动效应的建模增强了模型对跳跃式增长模式的捕捉能力,实现了城市土地利用演化的有效模拟。本文分别在长沙市芙蓉区、南京市玄武区及南昌市这3个研究区域进行试验。试验结果表明,相比于经典的只考虑欧氏空间邻域特征的土地利用演化建模方法,本文方法在总体精度、Kappa系数和figure of merit(FoM)系数上都有不同程度地提高,能够更为准确地模拟土地利用演化。
