本研究针对土地利用分配中的变量依赖知识缺乏，提出了一种新的变量依赖定义，并获取依赖变量的掩码。通过构建新型交叉操作符，实验表明将其应用于多目标优化算法（NSGA-II和MOEA/D）显著提升了优化效果。

本研究提出SenCLIP，通过将Sentinel-2卫星图像与地面照片配对，提升了土地利用和覆盖的零-shot分类准确性。该方法利用视觉语言模型，解决了卫星图像训练数据不足的问题，拓展了自由文本描述的应用潜力。

本文介绍了SICKLE数据集，包含多光谱、热学和微波数据，旨在解决农业遥感中的数据稀缺问题。研究利用机器学习技术进行作物类型、生长季节和产量预测，开发了新的注释数据集和自动化系统，提高了作物分类的准确性，促进了精准农业的发展。

本研究利用深度学习和Landsat-8卫星影像，构建了10米分辨率的非洲城乡高分辨率地图，显著提高了土地利用和覆盖地图的分类准确性，为决策者提供有效支持。

本研究利用Sentinel-2卫星数据和深度学习技术进行土地利用/覆盖分类，准确率高达99.19%。通过自我监督方法和数据增强，显著提升了模型性能，推动了环境监测和城市规划的发展。

本文探讨了人工智能在城市规划和生态设计中的应用，强调机器学习如何优化土地利用和环境设计。研究提出了结合AI与城市生态的框架，展示了AI在设计创新和城市干预中的潜力。

本文探讨了在缺乏高质量标签的情况下，利用自我监督和深度学习技术实现高分辨率土地利用/覆盖变化图的自动标注。研究表明，修改后的PixelCNN架构在捕捉空间模式方面优于传统模型，但仍需调整以提高预测准确性。通过半监督学习和少样本分割框架，进一步提升了土地覆盖映射的效果，尤其在发展中国家的应用中具有重要意义。

本研究利用机器学习和深度学习模型对亚马逊雨林卫星图像进行分类，F2得分达到0.927。结合前灾难光学数据显著提高了洪水和山体滑坡的检测能力。遥感技术在土地利用分析中表现出99.19%的准确度，为环境管理提供了重要工具。

本研究利用机器学习和深度学习模型对亚马逊雨林的卫星图像进行分类，获得了0.927的F2得分。通过遥感技术监测土地利用，推动农业和环境监测的发展。研究提出的SegLand框架能够在有限标记数据下自动更新土地覆盖类别，展示了机器学习在可持续发展中的潜力。

本文探讨了利用深度卷积神经网络和遥感技术进行土地利用/土地覆盖（LULC）分类的潜力。研究使用Sentinel-2卫星图像，提供了新数据集并实现了高达99.19%的分类准确率，分析了亚马逊雨林的卫星图像，支持城市可持续发展目标，推动环境监测和城市规划。

利用多时相遥感图像进行精细城市变化分割对于理解人地互动非常重要。我们介绍了 FUSU，这是一个多源、多时序变化分割数据集，用于精细级城市语义理解。FUSU 拥有迄今为止最详细的土地利用分类系统，具有 17 类和 300 亿像素的注释。通过提供像素级细化注释和高空间 - 时间分辨率数据，FUSU...

本文探讨了大型语言模型（LLM）在参与式城市规划中的应用，特别是在土地利用任务中的适应性和效果。研究表明，LLM能够有效提升居民满意度和包容性，超越人类专家，并在服务和生态指标上表现出色。这一创新框架为未来城市规划和智能体合作研究奠定了基础。

本文探讨了利用遥感技术和深度卷积神经网络分析城市土地利用模式，重点改进建筑物检测和提取方法。研究中采用多种卷积神经网络架构，在高分辨率卫星图像和复杂数据集上取得了良好性能，推动了建筑物自动提取和城市区域土地覆盖图的生成。

本研究探讨了使用生成对抗网络（GANs）扩充EuroSAT数据集，以提高土地利用与覆盖分类的效果。结果表明，增加约10%的数据集能够改善模型性能，提升深度分类模型在卫星图像上的泛化能力。

本文介绍了利用Copernicus计划的Sentinel卫星和Google Earth Engine构建的180,662个样本数据集，支持深度学习算法在场景分类和地表映射中的应用。研究涵盖野火识别、土地利用分类及水资源监测，提出了多模态机器学习方法，强调多光谱指数在火灾管理中的有效性，并提供了基准测试和优化建议。

该研究探索了合成孔径雷达和可见-近红外-短波红外成像技术在土地利用/土地覆盖分类中的协同组合。通过引入随机旋转来提高分类器的效能，并比较不同旋转方法的性能。实验结果表明，基于SRP的RFE在前两个数据集上表现最佳，基于CRP的RFE在最后三个数据集上表现出色。将纹理与SAR波段相结合，整体kappa值最大增加了10%，将纹理添加到VNIR-SWIR波段上，整体kappa值最大增加了约3.45%。

本研究提出了一种深度学习框架，用于对多模式地球观测数据进行模态级别的解释。该框架利用可解释的机器学习方法，研究了模态融合对模型决策的影响，并证明了辅助数据对荒野映射任务的益处。

该研究应用运筹学工具改善城市公园的可达性、分布和设计。通过空间交互模型评估用户行为，实现公平设施位置和设计模型。以蒙特利尔市为例进行比较和讨论。