首页|基于深度学习的旅游景区空间格局模拟与预测——以中国"一带一路"沿线18个省份为例

基于深度学习的旅游景区空间格局模拟与预测——以中国"一带一路"沿线18个省份为例

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
应用核密度、基尼系数、地理探测器及深度学习技术,分析了中国"一带一路"沿线高等级旅游景区空间分布特征、影响机制,模拟预测出适宜高等级景区发展的新区域.结果表明:(1)中国"一带一路"沿线高级别景区呈集聚分布,集中程度高,均衡性差异悬殊,景区密度东南高、西北低.(2)通过地理探测器识别与高等级旅游景区空间分异密切相关的因子,得出城市分布、交通状况、植被覆盖情况及地形起伏对高级别景区空间分异有较强的影响力.(3)采用深度学习技术对景区空间格局进行模拟和预测,发现西南地区极适宜发展高级别景区,且无论是从自然环境角度还是从社会发展角度,均具有地域的成熟性与发达性;沿海地区和东北三省次之;西北地区较不适宜.
Spatial Pattern Simulation and Prediction of Scenic Spots Based on Deep Learning:A Case Study of 18 Provinces along"Belt and Road"in China

朱生东、张翀、白子怡

展开 >

黄山学院 旅游学院,安徽 黄山245041

宝鸡文理学院 陕西省灾害监测与机理模拟重点实验室,陕西 宝鸡721013

陕西师范大学 地理科学与旅游学院,西安710119

深度学习 地理探测器 高等级旅游景区 中国"一带一路"沿线省份

陕西省社会科学基金陕西省自然科学基础研究计划项目安徽省高校人文社会科学重点研究项目

2020D0082021 JM-513SK2019A0421

2021

10.3969/j.issn.1003-2363.2021.03.013

地域研究与开发
河南省科学院 地理研究所

地域研究与开发

CSTPCDCSCDCHSSCD北大核心
影响因子：1.698
ISSN：1003-2363
年,卷(期)：2021.40(3)
  • 6
  • 21