跳到正文
arXiv · 机器人与计算机视觉· Shubham Phapale, Poonam Sharma·· 2 天前AI 评分23

AttentionUNet-CA 模型在印度勒克瑙土地利用变化仿真中表现优于空基线与随机森林基线

Attention U-Net Cellular Automata for Multi-Class Land Use and Land Cover Change Simulation in Lucknow, India: Evaluation Against Null and Classical Baselines

AI 导读

AttentionUNet-CA 利用高程、距主干道距离等四个驱动因子预测土地覆盖状态,在印度勒克瑙 2010-2020 年测试集上,其图优值(21.0%)略高于加权 U-Net CA(22.0%)和随机森林 CA(20.3%),但均不及空模型的整体一致性。研究指出注意力门未提升精度,人口密度与距 CBD 距离为最有用驱动因子,预测至 2030 年建成区将增长 22-35%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org