基于CNN-CA模型的地表覆盖变化模拟

地表覆盖对自然资源合理开发、可持续发展具有十分重要的意义,其变化受多种因素影响。本文利用卷积神经网络-元胞自动机(CNN-CA)模型,以绍兴市上虞区百官街道和曹娥街道为研究区,选取数字高程模型、坡度、坡向等11个影响因子,采用6种卷积神经网络结构对2017年和2019年数据进行训练,模拟2021年地表覆盖,通过生产者精度、用户精度、总体分类精度和Kappa系数4个指标进行评价。6种网络结构模拟结果的总体分类精度均在83%以上,堆掘地表和铁路道路外的单个地类分类精度达73%以上且多数分类精度高于85%,表明CNN-CA模型的模拟精度较高;Kappa系数均达79%以上,表明模拟结果的一致性较好。CNN-CA模型能较真实反映各地类演变过程,对该领域的研究有一定的指导意义。