基于深度学习的区域生态安全时空模拟与预测

• 作者: HamedKarimian 李琦 梁贺明 莫玉琴 金玲艳 陈工
• 来源期刊: 地球信息科学学报
• 关键词: 深度学习 机器学习 生态承载力 生态赤字 时空模拟
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 地理空间分析综合应用
• 页码范围: 915-923
• 页数: 9页
• 字数: 8394字
• 语种: 中文
• DOI: 10.3724/SP.J.1047.2017.00915

摘要

区域作为人类、自然、社会共同作用和互相影响的复杂系统,对区域进行生态量化建模与模拟仿真,是实现区域可持续发展战略的关键.传统机器学习方法对区域生态系统建模取得了一定的成果,但难以确定学习特征和实现时空模拟.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.本文使用植被净初级生产力(NPP)、气溶胶光学厚度(AOD)和人口格网数据,充分利用深度学习的优点,采用最优深度神经网络时空模拟,得到了河南省2007-2014年3 km分辨率的生态赤字空间分布图和河南省2015-2020年的生态赤字时间预测结果并进行分析,为区域生态的科学管理和建设供科学依据和参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李琦	北京大学数字地球工作室	114	2443	27.0	46.0
5	梁贺明	北京大学数字地球工作室	2	11	2.0	2.0
6	陈工	北京大学数字地球工作室	4	14	2.0	3.0
7	金玲艳	北京大学数字地球工作室	3	12	2.0	3.0
8	HamedKarimian	北京大学数字地球工作室	1	7	1.0	1.0
9	莫玉琴	北京大学数字地球工作室	1	7	1.0	1.0