以西宁市为例,基于宜出行和兴趣点(points of interest,POI)2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法,开展了城市土地利用分类研究.通过对比不同数据与方法组合下的城市土地利用分类精度,确定了提取城市土地利...以西宁市为例,基于宜出行和兴趣点(points of interest,POI)2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法,开展了城市土地利用分类研究.通过对比不同数据与方法组合下的城市土地利用分类精度,确定了提取城市土地利用信息的最优数据组合方式和分类方法.并基于分类结果对西宁市的城市土地利用格局进行了分析.结果显示,基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高,总体精度为71.25%,Kappa系数为0.62.主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征,而神经网络可以有效综合多源大数据的信息.因此,基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径,具有较大的应用潜力.展开更多
文摘以西宁市为例,基于宜出行和兴趣点(points of interest,POI)2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法,开展了城市土地利用分类研究.通过对比不同数据与方法组合下的城市土地利用分类精度,确定了提取城市土地利用信息的最优数据组合方式和分类方法.并基于分类结果对西宁市的城市土地利用格局进行了分析.结果显示,基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高,总体精度为71.25%,Kappa系数为0.62.主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征,而神经网络可以有效综合多源大数据的信息.因此,基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径,具有较大的应用潜力.