首页|基于深度学习的玛纳斯土地利用时空格局变化与预测

基于深度学习的玛纳斯土地利用时空格局变化与预测

扫码查看
原文链接
  • 万方数据
  • 维普
土地利用时空格局变化与预测对土地资源管理与优化至关重要.本文基于遥感时空序列数据,协同景观指数与深度学习的长短时记忆网络(Long-Short Term Memory,LSTM)模型,对玛纳斯进行长时间序列土地利用时空格局演变特征分析和预测.结果表明:(1)1992—2020年耕地、草地和建设用地增加,林地、水域和未利用地减少.(2)耕地破碎化程度降低,林地和水域的景观指数轻微波动;草地破碎化程度降低,形状趋于规则化;建设用地处于持续扩张状态,破碎化程度加深,形状趋于复杂;未利用地破碎化程度增加,但形状趋于规则化.(3)比较了LSTM模型、多层感知人工神经网络(Multi-Layer Perception Artifical Neural Network,MLP-ANN)模型、逻辑回归(Logistic Re⁃gression,LR)模型和CA-Markov模型的预测精度.LSTM模型的Kappa系数为95.31％,较其他模型准确度高,符合实际土地利用格局分布.LSTM模型表明2025年土地利用类型可能仍以耕地、草地和未利用地为主.
Study on the change and prediction of spatiotemporal pattern of land use in Manasi region based on deep learning

王娇娇、尹小君、刘陕南、王帝盟

展开 >

石河子大学信息科学与技术学院,新疆 石河子 832000

兵团空间信息工程技术研究中心,新疆 石河子 832000

时空格局变化 土地利用预测 深度学习 LSTM模型 景观指数

国家重点研发计划项目石河子大学国际合作项目兵团社科基金

2017YFB0504203GJHZ20190520YB23

2023

10.13866/j.azr.2023.01.08

干旱区研究
中国科学院新疆生态与地理研究所 中国土壤学会

干旱区研究

CSTPCDCSCD北大核心
影响因子：1.157
ISSN：1001-4675
年,卷(期)：2023.40(1)
  • 2
  • 16