Magyar
Toggle navigation
Tudóstér
Magyar
Tudóstér
Keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Böngészés
Saját polc tartalma
(
0
)
Korábbi keresések
Összesen 1 találat.
#/oldal:
12
36
60
120
Rövid
Hosszú
MARC
Részletezés:
Rendezés:
Szerző növekvő
Szerző csökkenő
Cím növekvő
Cím csökkenő
Dátum növekvő
Dátum csökkenő
1.
001-es BibID:
BIBFORM082563
035-os BibID:
(WoS)000470963300093 (Scopus)85061345619
Első szerző:
Varga Orsolya Gyöngyi (geográfus)
Cím:
Intensity Analysis and the Figure of Merit's components for assessment of a Cellular Automata-Markov simulation model / Orsolya Gyöngyi Varga, Robert Gilmore Pontius, Sudhir Kumar Singh, Szilárd Szabó
Dátum:
2019
ISSN:
1470-160X
Megjegyzések:
Some popular metrics to evaluate land change simulation models are misleading. Therefore, land change scientists have called for the development of methods to evaluate various aspects of modelling applications. This article answers the call by giving novel methods to compare three types of land change: 1) reference change during the calibration time interval, 2) simulation change during the validation time interval, and 3) reference change during the validation time interval. We compare these changes by using Intensity Analysis' three levels and the Figure of Merit's four components: Misses, Hits, Wrong Hits and False Alarms. We illustrate the concepts by applying a Cellular Automata - Markov land change model to a case study in northeast Hungary. We used reference maps of five land categories to calibrate the model during 2000-2006, then to validate the simulation during 2006-2012. Intensity Analysis' time interval level shows that the simulation change and the reference change decelerated from 2000-2006 to 2006-2012. Intensity Analysis' category level shows that the simulation losses were less than what a pure Markov chain would have dictated. Intensity Analysis' transition level shows that the model's Markov algorithm simulated correctly that the gain of Forest targeted Agriculture and Wetland. The Figure of Merit's components reveals more allocation error than quantity error. Our collection of metrics show that more error derived from the Cellular Automata algorithm than from the Markov algorithm. We recommend that scientists use Intensity Analysis and the Figure of Merit's components to reveal various fundamental aspects of modelling applications.
Tárgyszavak:
Természettudományok
Földtudományok
idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
cellular automata
CA-Markov
Figure of Merit
Intensity analysis
land change
validation
Megjelenés:
Ecological Indicators. - 101 (2019), p. 933-942. -
További szerzők:
Pontius, Robert Gilmore
Singh, Sudhir Kumar (1970-) (geográfus)
Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:
EFOP-3.6.1-16-2016-00022
EFOP
TNN 123457
Egyéb
Internet cím:
Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
Rekordok letöltése
1
Corvina könyvtári katalógus v8.2.27
© 2023
Monguz kft.
Minden jog fenntartva.