• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Joint Urban Remote Sensing Event >An Application of Geographical Random Forests for Population Estimation in Dakar, Senegal using Very-High-Resolution Satellite Imagery
【24h】

An Application of Geographical Random Forests for Population Estimation in Dakar, Senegal using Very-High-Resolution Satellite Imagery

机译：甚高分辨率卫星图像在塞内加尔达喀尔地理随机森林种群估计中的应用

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we investigate a local implementation of Random Forest (RF), named Geographical Random Forest (GRF) to predict population density with Very-High-Resolution Remote Sensing (VHHRS) data. As an independent variable we use population density at the neighborhood level from the 2013 census of Dakar, while as explanatory features, the proportions of three different built-up types in each neighborhood derived from a VHHRS land cover classification. The results demonstrated, that by using an appropriate geographic scale to calibrate GRF, we can maximize prediction accuracy due to the incorporation of spatial heterogeneity in the estimates. Additionally, since GRF is an ensemble of local sub-models, the results can be mapped, highlighting local model performance and other interesting spatial variations. Consequently, GRF is suggested as an interesting exploratory and explanatory technique to model remotely-sensed spatially heterogeneous relationships.
机译：在本文中，我们研究了随机森林（RF）在当地的实施方式，即地理随机森林（GRF），以利用超高分辨率遥感（VHHRS）数据预测人口密度。作为自变量，我们使用了2013年达喀尔人口普查附近地区的人口密度，同时作为解释性特征，每个地区中三种不同建筑类型的比例均来自于VHHRS土地覆被分类。结果表明，由于使用了适当的地理比例尺来校准GRF，由于在估算中纳入了空间异质性，因此我们可以使预测精度最大化。此外，由于GRF是局部子模型的集合，因此可以映射结果，突出显示局部模型的性能和其他有趣的空间变化。因此，建议使用GRF作为一种有趣的探索性和解释性技术，以对遥感的空间异类关系进行建模。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号