論文の概要: Understanding the drivers of sustainable land expansion using a
patch-generating land use simulation (PLUS) model: A case study in Wuhan,
China
- arxiv url: http://arxiv.org/abs/2010.11541v3
- Date: Thu, 5 Nov 2020 03:07:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 01:05:45.781511
- Title: Understanding the drivers of sustainable land expansion using a
patch-generating land use simulation (PLUS) model: A case study in Wuhan,
China
- Title(参考訳): パッチ生成土地利用シミュレーション(PLUS)モデルによる持続的土地拡張の要因の解明:中国武漢市を事例として
- Authors: Xun Liang, Qingfeng Guan, Keith C. Clarke, Shishi Liu, Bingyu Wang,
Yao Yao
- Abstract要約: 本研究では,多型ランダムパッチシードに基づく土地拡張分析戦略とCAモデルを統合したパッチ生成型土地利用シミュレーション(PLUS)モデルを提案する。
提案モデルでは,他のCAモデルよりもシミュレーション精度が高く,ランドスケープパターンの指標が真のランドスケープと類似している。
- 参考スコア(独自算出の注目度): 5.151814790795681
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cellular Automata (CA) are widely used to model the dynamics within complex
land use and land cover (LULC) systems. Past CA model research has focused on
improving the technical modeling procedures, and only a few studies have sought
to improve our understanding of the nonlinear relationships that underlie LULC
change. Many CA models lack the ability to simulate the detailed patch
evolution of multiple land use types. This study introduces a patch-generating
land use simulation (PLUS) model that integrates a land expansion analysis
strategy and a CA model based on multi-type random patch seeds. These were used
to understand the drivers of land expansion and to investigate the landscape
dynamics in Wuhan, China. The proposed model achieved a higher simulation
accuracy and more similar landscape pattern metrics to the true landscape than
other CA models tested. The land expansion analysis strategy also uncovered
some underlying transition rules, such as that grassland is most likely to be
found where it is not strongly impacted by human activities, and that deciduous
forest areas tend to grow adjacent to arterial roads. We also projected the
structure of land use under different optimizing scenarios for 2035 by
combining the proposed model with multi-objective programming. The results
indicate that the proposed model can help policymakers to manage future land
use dynamics and so to realize more sustainable land use patterns for future
development. Software for PLUS has been made available at
https://github.com/HPSCIL/Patch-generating_Land_Use_Simulation_Model
- Abstract(参考訳): セルオートマタ(CA)は複雑な土地利用と土地被覆(LULC)システムの力学をモデル化するために広く用いられている。
過去caモデルの研究は、技術的なモデリング手順の改善に重点を置いてきたが、lulcの変化を阻害する非線形関係の理解を改善するための研究はごくわずかである。
多くのCAモデルには、複数の土地利用型の詳細なパッチ進化をシミュレートする能力がない。
本研究では,多型ランダムパッチシードに基づく土地拡張分析戦略とCAモデルを統合したパッチ生成型土地利用シミュレーション(PLUS)モデルを提案する。
これらは、土地拡大の要因を理解し、中国の武漢の景観動態を調べるために用いられた。
提案モデルは,他のcaモデルよりも高いシミュレーション精度と,より類似したランドスケープパターンメトリクスを実現した。
土地拡大分析戦略は、草地が人的活動に強く影響されない場合や、落葉樹林地帯が動脈道路に隣接して成長する傾向にある場合など、根底にある移行規則を明らかにした。
また,提案モデルと多目的プログラミングを組み合わせることで,2035年の異なる最適化シナリオの下での土地利用構造を予測した。
その結果, 提案モデルは, 将来の土地利用動態の管理を支援するとともに, より持続可能な土地利用パターンの実現に役立つことが示唆された。
PLUSのソフトウェアはhttps://github.com/HPSCIL/Patch-generating_Land_Use_Simulation_Modelで公開されている。
関連論文リスト
- Segment Anything Model Can Not Segment Anything: Assessing AI Foundation
Model's Generalizability in Permafrost Mapping [19.307294875969827]
本稿では,AI基盤モデルとその定義特性を紹介する。
我々は、大規模AIビジョンモデル、特にMetaのセグメンション・アプライシング・モデル(SAM)の性能を評価する。
結果は、SAMには将来性はあるものの、AIの拡張された地形マッピングをサポートするための改善の余地があることを示している。
論文 参考訳(メタデータ) (2024-01-16T19:10:09Z) - Deep autoregressive modeling for land use land cover [0.0]
ランド・ユース/ランド・カバー・モデリング(LULC)は、地理的特徴と地形、生態学、人間発達に関連する異なる空間パターンの間の長距離依存関係のために難しい課題である。
土地利用の空間パターンのモデル化とコンピュータビジョンからのイメージインペインティングの課題との密接な関係を同定し,約1900万個のLULCをモデル化するための改良されたPixelCNNアーキテクチャについて検討する。
論文 参考訳(メタデータ) (2024-01-02T18:03:57Z) - COPlanner: Plan to Roll Out Conservatively but to Explore Optimistically
for Model-Based RL [50.385005413810084]
ダイナスタイルのモデルベース強化学習には、ポリシー学習と実環境探索のためのサンプルを生成するモデルロールアウトという2つのフェーズが含まれる。
$textttCOPlanner$は、不正確な学習された動的モデル問題に対処するモデルベースのメソッドのための計画駆動フレームワークである。
論文 参考訳(メタデータ) (2023-10-11T06:10:07Z) - DiMSam: Diffusion Models as Samplers for Task and Motion Planning under
Partial Observability [50.38132214102161]
タスク・アンド・モーション・プランニング(TAMP)アプローチは、長距離自律ロボット操作の計画に有効である。
本稿では,これらの制約を深層生成モデルを用いて克服することを提案する。
古典的TAMP, 生成学習, 潜伏埋め込みの組み合わせが, 長期的制約に基づく推論にどのように役立つかを示す。
論文 参考訳(メタデータ) (2023-06-22T20:40:24Z) - Dual policy as self-model for planning [71.73710074424511]
エージェントの自己モデルとして決定をシミュレートするために使用されるモデルについて述べる。
現在の強化学習アプローチと神経科学にインスパイアされた我々は、蒸留政策ネットワークを自己モデルとして利用することの利点と限界を探求する。
論文 参考訳(メタデータ) (2023-06-07T13:58:45Z) - Predictive World Models from Real-World Partial Observations [66.80340484148931]
本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。
従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
論文 参考訳(メタデータ) (2023-01-12T02:07:26Z) - Deep Generative Framework for Interactive 3D Terrain Authoring and
Manipulation [4.202216894379241]
本稿では,VAEと生成条件GANモデルを組み合わせた新しいランドスケープオーサリングフレームワークを提案する。
我々のフレームワークは実世界の地形データセットから潜在空間を学習することで既存の手法の限界を克服しようとする例に基づく手法である。
我々はまた、ユーザが最小限の入力で多様な地形を生成できるインタラクティブツールを開発した。
論文 参考訳(メタデータ) (2022-01-07T08:58:01Z) - UrbanVCA: a vector-based cellular automata framework to simulate the
urban land-use change at the land-parcel level [4.12627107272774]
UrbanVCAは、新しいベクトルCAベースの都市開発シミュレーションフレームワークである。
広東省春出市を研究エリアとして,都市VCAは土地・区画レベルでの都市土地利用の変化をシミュレートしている。
2030年のシミュレーションの結果,エコ保護シナリオは都市集積を促進し,生態的侵略と耕作地喪失を少なくとも60%低減できることが示された。
論文 参考訳(メタデータ) (2021-03-15T17:03:22Z) - Bridging Imagination and Reality for Model-Based Deep Reinforcement
Learning [72.18725551199842]
BrIdging Reality and Dream (BIRD) と呼ばれる新しいモデルに基づく強化学習アルゴリズムを提案する。
虚構と実軌跡の相互情報を最大化し、虚構から学んだ政策改善を実軌跡に容易に一般化できるようにする。
提案手法は, モデルベース計画のサンプル効率を向上し, 挑戦的なビジュアル制御ベンチマークの最先端性能を実現する。
論文 参考訳(メタデータ) (2020-10-23T03:22:01Z) - Combining Parametric Land Surface Models with Machine Learning [0.8057006406834467]
いくつかのAmeriFluxサイトで、ハイブリッド機械学習とプロセスベースモデリングのアプローチを提案し、評価した。
ハイブリッドモデルを用いて地球規模の陸地モデルを構築し, 現状を著しく上回る可能性を秘めている。
論文 参考訳(メタデータ) (2020-02-14T17:50:33Z) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳(メタデータ) (2020-01-08T04:05:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。