一种基于深度学习的城镇开发边界识别方法

本发明公开了一种基于深度学习的城镇开发边界识别方法，涉及城镇开发技术领域，本发明，采用卷积神经网络CNN提取遥感影像中的地形特征和生态敏感区域信息，其次，采用地理探测器量化空间异质性和因子间的交互关系，筛选出关键驱动因子并赋予合理权重，此外，结合长短时记忆网络LSTM通过时间序列建模动态预测生态敏感区域的扩展趋势，与MCCA的邻域规则和扩展概率函数相结合，对未来城镇扩展的进行模拟，从而增强开发边界识别方法的动态适应性，与此同时，采用生成对抗网络GAN通过生成器和判别器的对抗训练，在生态保护、经济效益和用地效率之间实现了动态平衡优化，满足了生态保护的刚性约束和经济发展的弹性需求，解决了传统方法中静态分析的局限性。