基于深度学习的玛纳斯土地利用时空格局变化与预测
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.
时空格局变化、土地利用预测、深度学习、LSTM模型、景观指数
40
TP391;F301.24;TN91
国家重点研发计划;石河子大学国际合作项目;兵团社科基金项目
2023-03-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
69-77