加强了中国城市土地使用基本类别的绘制 (EULUC-China 2.0):将多式联络深度学习与多源地理空间数据相结合
Ziming Li1, Bin Chen2, Yufei Huang1
1Future Urbanity & Sustainable Environment (FUSE) Lab, Division of Landscape Architecture, Faculty of Architecture, The University of Hong Kong, Hong Kong 999077, China.
本研究介绍了中国的完善的城市土地使用基本类别 (EULUC) 地图,提高了城市规划的准确性和细节性. 新的EULUC-中国2.0地图利用深度学习和多源数据,以获得更好的城市土地利用洞察力.
科学领域:
- 城市遥感和地理空间分析.
- 环境监测中的人工智能
- 可持续的城市发展和规划.
背景情况:
- 准确的城市土地使用数据对于有效的城市规划和可持续发展至关重要.
- 中国现有的城市土地利用地图缺乏足够的细节和准确性.
- 深度学习和地理空间数据集成方面的进步提供了潜在的解决方案.
研究的目的:
- 为所有中国城市在2022年制定一个完善的城市土地使用基本类别 (EULUC) 地图.
- 提高城市用地分类的精度和空间明确性.
- 为城市研究和实际应用提供有价值的数据集.
主要方法:
- 将多模式深度学习模型与多来源的地理空间数据集成.
- 使用来自OpenStreetMap和Tianditu道路网络的完整地块作为分类单位.
- 在深度学习框架内使用 Point-of-Interest (POI) 数据的图形建模.
主要成果:
- "EULUC-中国2.0地图"为2022年中国提供了详细的,空间明确的城市用地信息.
- 住宅,工业和公园/绿地是占主导地位的土地用途,占城市地区的近78%.
- 整体分类准确度达到79%的I级和72%的II级,比EULUC-China 1.0.0有显著的改善.
结论:
- 增强的绘图框架有效地整合了多模式深度学习和多源数据,以准确地进行城市土地使用分类.
- 与以前的产品相比,EULUC-China 2.0提供了更好的细节和空间模式,有助于了解城市组成.
- 该研究提供了一个有价值的,公开可访问的数据集和解决城市化挑战的方法.
更多相关视频
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
相关概念视频
Levels of Use of a GIS
Selected Data About Geographic Locations
Manipulation and Analysis
Thematic Layering in GIS
Applications of GIS: Disaster Management and Emergency Response
GIS Software, Hardware, and Sources of GIS Data
