-
公开(公告)号:CN110598513A
公开(公告)日:2019-12-20
申请号:CN201910437849.8
申请日:2019-05-24
申请人: 南京大学
摘要: 本发明涉及一种基于SLEUTH模型的城市开发边界预测方法,包括以下步骤:步骤一、分别获取城市中心城区范围的历史与现状的遥感影像,从每一幅遥感影像中提取IBI指数来构建相应的IBI影像,所述IBI指数由用于反映水体信息的MNDWI指数、用于反映建筑用地信息的NDBI指数以及用于反映植被信息的SAVI或NDVI指数构成;步骤二、采用SLEUTH模型,通过所有的IBI影像进行城市建设用地扩张模拟,在扩张阶段设置预设的严格排除图层作为禁止建设边界。同时,本发明本还通过剔除低承载力区域,并与规划政策以及国土空间管控政策相衔接,对预测的开发边界进行修正。本发明能够科学预测城镇发展极限规模及其扩展方向,并能够衔接相关规划和其他国土控制线。
-
公开(公告)号:CN115100227A
公开(公告)日:2022-09-23
申请号:CN202210760820.5
申请日:2022-06-29
申请人: 南京大学
摘要: 本发明涉及一种CPU‑GPU协同的遥感影像边缘检测并行计算方法,属于数据处理技术领域。该方法执行如下步骤:步骤1、并行环境初始化;步骤2、CPU主线程初始化GPU,并优化GPU内存;步骤3、由CPU计算端与GPU计算端分别执行计算任务;步骤4、同步CPU与GPU;步骤5、更新任务队列,若任务队列不为空,则返回步骤3,否则退出并行环境,终止计算。本发明通过对任务队列的数据进行划分以及GPU与CPU各计算线程双向任务调度分配的方式,优化了CPU与GPU内的线程组织与调度模式,实现了CPU与GPU间的负载均衡与高效并行的兼得。
-
公开(公告)号:CN114969007A
公开(公告)日:2022-08-30
申请号:CN202210621710.0
申请日:2022-06-01
申请人: 南京大学
IPC分类号: G06F16/215 , G06K9/62 , G06Q10/06
摘要: 本发明涉及一种基于功能混合度和集成学习的城市功能区识别方法,属于数字信息技术领域。该方法执行如下步骤:1)收集数据以及预处理;2)构建所述城市功能区的识别体系的10个指标特征;3)结构化指标;通过空间统计工具统计各宗地所对应的10个指标特征数据;4)自变量数据集构建;5)响应变量标记;6)根据功能混合度将训练数据集划分为若干子训练集;7)基于Stacking策略的集成学习训练;8)属性表连接完成该宗地的功能区识别。本发明通过对功能混合度进行分级的方式将训练集分开并让预测集数据按照对应功能混合度进行预测,提供了一种较为准确挖掘城市功能区类型和城市特征之间的相关性,实现城市特征映射城市功能区类型识别的方法。
-
-