基于深度学习的区域生态安全时空模拟与预测--以河南省为例
  • 【摘要】

    对区域进行其生态进行量化建模、模拟仿真,是实现区域可持续发展战略的关键。 应用传统机器学习方法对区域生态系统建模,初步取得一定成果,但需要进行数据预处理、确定学习特征和实现时空模拟困难。而深度学习不需事先确定训练特征,具有优异的特征学习能力,能够提高模型预测精度,因此利用深度学习进行建模具有显著优势。本文使用 NPP、AOD 和人口格网数据,利用最优深度神经网络空间模拟,得到了河南省 2007-2... 展开>>对区域进行其生态进行量化建模、模拟仿真,是实现区域可持续发展战略的关键。 应用传统机器学习方法对区域生态系统建模,初步取得一定成果,但需要进行数据预处理、确定学习特征和实现时空模拟困难。而深度学习不需事先确定训练特征,具有优异的特征学习能力,能够提高模型预测精度,因此利用深度学习进行建模具有显著优势。本文使用 NPP、AOD 和人口格网数据,利用最优深度神经网络空间模拟,得到了河南省 2007-2014年3km 分辨率的生态赤字空间分布图和河南省2016年到2020年的生态赤字时间预测结果。本研究充分利用深度学习的优点,对河南省生态安全进行了高效的时空模拟与预测,为区域生态的科学管理进行了有效探索,为实现区域生态的科学建设供了相关基础科学支撑和参考。 收起<<

  • 【作者】

    陈工  李琦  金玲燕 

  • 【作者单位】

    北京大学地球与空间科学学院遥感与地理信息系统研究所

  • 【会议名称】

    2016中国地理信息科学理论与方法学术年会

  • 【会议时间】

    2016-09-23

  • 【会议地点】

    深圳

  • 【主办单位】

    中国地理信息产业协会

  • 【语种】

    chi

  • 【关键词】

    深度学习  机器学习  生态承载力  生态赤字  时空模拟