典型文献
云计算与深度学习协同的深圳市1986—2020年城市扩张分析
文献摘要：
深度学习技术的发展使得遥感信息的智能化提取水平有了极大的提高.然而,对海量遥感数据(如大尺度、长时间序列遥感数据)进行处理时智能化水平仍受到限制.文章探索了一种协同云计算和深度学习技术的遥感信息智能提取方法框架,通过对所构建深度学习模型进行云计算平台应用部署,实现遥感数据资源与计算资源的高效利用并以此提升遥感信息的智能化提取水平.基于Landsat 5 T M、Landsat 7 ET M+以及Landsat 8 O L I遥感影像,开展了深圳市1986—2020年逐年不透水面自动提取及城市扩张分析.结果表明,所提出方法能够实现高达94.93％ 平均总体精度的不透水面提取;通过对深圳城市不透水面扩张进行分析,表明近35年来,由于受不同时期经济社会发展状况和宏观土地政策影响,深圳市在时间上呈现"快速扩张-扩张放缓-加速扩张-趋于饱和"的阶段性特征.
文献关键词：
深度学习;云计算;智能化;不透水层;城市扩张
中图分类号：
作者姓名：
罗新;周翔;胡忠文;杨超;邬国锋
作者机构：
自然资源部大湾区地理环境监测重点实验室,深圳 518060;深圳大学生命科学与海洋学院,深圳518060;深圳大学土木与交通工程学院,深圳518060;深圳大学建筑与城市规划学院,深圳518060
文献出处：
引用格式：
[1]罗新;周翔;胡忠文;杨超;邬国锋-.云计算与深度学习协同的深圳市1986—2020年城市扩张分析)[J].遥感信息,2022(03):21-27
A类：
B类：
城市扩张,深度学习技术,遥感信息,取水,遥感数据,大尺度,长时间序列,智能化水平,受到限制,智能提取,方法框架,深度学习模型,行云,云计算平台,平台应用,应用部署,数据资源,计算资源,Landsat,ET,M+,遥感影像,自动提取,总体精度,城市不透水面,土地政策,政策影响,放缓,阶段性特征,不透水层
AB值：
0.360581
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
