相关实验视频
Updated: Jan 9, 2026

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
绘制地图沿海转型与一个新的细胞自动机-马科夫-随机森林框架用于土地使用变化建模
Mohammad Reza Nikoo1, Erfan Zarei2, Malik Al-Wardy3
1Department of Civil and Architectural Engineering, Sultan Qaboos University, Muscat, Oman.
准确的沿海变化预测对于可持续管理至关重要. 本研究通过使用混合CA-马尔科夫和机器学习模型,增强了阿曼的土地使用/土地覆盖 (LULC) 和海岸线预测,提高了未来规划的准确性.
科学领域:
- 环境科学 环境科学
- 地理空间分析的研究.
- 沿海地区的管理
背景情况:
- 沿海地区面临来自自然过程和人类活动的动态变化.
- 准确预测海岸线和土地利用/土地覆盖 (LULC) 变化对于可持续的沿海管理至关重要.
- 奥曼的沿海地区特别容易受到这些动态变化的影响.
研究的目的:
- 开发和评估一个混合建模框架,将CA-Markov和机器学习结合起来,用于增强LULC和阿曼海岸线变化预测.
- 评估与传统的CA-马尔科夫模型相比,不同混合模型的预测性能.
- 为未来沿海LULC和海岸线动态提供准确的预测,以支持可持续的管理策略.
主要方法:
- 使用多时间Landsat图像 (1997-2024) 和规范差水指数划定海岸线.
- 使用终点速率和线性回归速率分析量化沿海侵蚀和积累速率.
- 对未来LULC预测的四个模型 (CA-Markov,CA-Markov+XGBoost,CA-Markov+CART,CA-Markov+RF) 的评估,其中CA-Markov+RF显示出优异的性能.
主要成果:
- 在1997年至2024年期间观察到海岸线变化的显著空间变化,其中可见的侵蚀在Rakhyut (-1.81米/年) 和Bawshar (1.41米/年) 的增长.
- 检测到快速的城市扩张,特别是在马斯喀特,建筑面积从10.31平方公里 (1997年) 增加到116.41平方公里 (2015年).
- 与CA-Markov (0.905) 相比,混合CA-Markov+RF模型实现了最高的预测精度 (0.935),证明了机器学习集成的有效性.
结论:
- 混合CA-Markov+RF模型显著提高了LULC和脆弱沿海地区海岸线变化预测的准确性.
- 未来的预测 (2033) 表明萨拉拉和索哈尔的城市持续增长,干旱地区的植被覆盖面可能会减少.
- 这些发现强调了先进的建模技术对于有效的沿海区域管理和可持续发展规划的重要性.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
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
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Response Surface Methodology
The process of RSM involves several key steps:
Levels of Use of a GIS
Applications of GIS: Disaster Management and Emergency Response
Manipulation and Analysis
Responses to Drought and Flooding