Zhu, A.X., dkk. , 2018. Prediksi spasial berdasarkan hukum ketiga geografi. Annals of GIS, 24 (4), 225-240.
Zhu, D., dkk. , 2020a. Interpolasi spasial menggunakan jaringan saraf tiruan generatif bersyarat.
Jurnal Internasional Sains Informasi Geografis, 34 (4), 735-758.
Zhu, D., dkk., 2020b. Memahami karakteristik tempat dalam konteks geografis melalui jaringan saraf tiruan graf. Annals of the American Association of Geographers, 110 (2), 408-420.
Zhu, J.Y., dkk., 2017a. Penerjemahan gambar-ke-gambar yang tidak berpasangan menggunakan jaringan permusuhan yang konsisten dengan siklus. Dalam: Prosiding Konferensi Internasional IEEE tentang Visi Komputer
. 2223-2232.
Zhu, R., dkk., 2021a. Memberikan dukungan bantuan kemanusiaan melalui grafik pengetahuan.
Dalam: Prosiding Konferensi Penangkapan Pengetahuan ke-11 . 285-288.
Zhu, R., dkk., 2022a. Penalaran atas hubungan spasial kualitatif tingkat tinggi melalui jaringan saraf eksplisit spasial. Jurnal Internasional Ilmu Informasi Geografis, 36 (11), 2194-2225.
Zhu, R., dkk., 2022b. Grafik prakiraan Covid: Grafik pengetahuan terbuka untuk mengkonsolidasikan prakiraan covid-19 dan indikator ekonomi melalui tempat dan waktu. AGILE: Seri Sains GIS, 3, 21.
Zhu, R., dkk. , 2021b. Pengamatan lingkungan dalam grafik pengetahuan. In: DaMaLOS. 1-11. Zhu, X.X. , . , 2017b. Pembelajaran mendalam dalam penginderaan jauh: Tinjauan komprehensif dan daftar sumber daya. Majalah IEEE Geoscience and Remote Sensing, 5 (4), 8-36.
dalam Sistem Bumi dan Ilmu Lingkungan.
Burnett, C. dan Blaschke, T. , 2003. Metodologi pemodelan segmentasi/hubungan objek multi-skala untuk analisis lanskap. Pemodelan Ekologi, 168 (3), 233-249.
Campos-Taberner, M., dkk., 2020. Memahami deep learning dalam klasifikasi penggunaan lahan berdasarkan deret waktu sentinel-2. Laporan Ilmiah, 10 (1), 17188.
Cheng, K.S. , Lin, J.S. , dan Mao, C.W. , 1996. Penerapan jaringan saraf tiruan hopfield kompetitif untuk segmentasi citra medis. IEEE Transactions on Medical Imaging, 15 (4), 560-567.
Chisolm, E. , 2012. Aljabar geometri. arXiv preprint arXiv:1205.5935.
Church, M. , 2010. Lintasan geomorfologi. Kemajuan dalam Geografi Fisik, 34 (3), 265-286.
Cracknell, A. , 1998. Sinergi dalam penginderaan jauh-apa yang ada di dalam piksel? Int. J.
Penginderaan Jauh, 19, 2025-2057.
Cresswell, T. , 2013. Ilmu spasial dan revolusi kuantitatif. Pemikiran Geografi: Sebuah Pengantar Kritis.
Daranagama, S. dan Witayangkurn, A. , 2021. Deteksi bangunan otomatis dengan poligonisasi dan ekstraksi atribut dari citra resolusi tinggi. ISPRS International Journal of Geo- Information, 10 (9), 606.
Dechter, R. , 1986. Belajar sambil mencari dalam masalah-masalah kendala-kepuasan. In: AAAI-86 Proceedings. 178-185.
Dong, G., dkk., 2020. Segmentasi citra semantik berkinerja tinggi waktu nyata dari pemandangan jalan perkotaan. IEEE Transactions on Intelligent Transportation Systems, 22 (6), 3258-3274.
Dosovitskiy, A. , dkk. , 2020. Sebuah gambar bernilai 16x16 kata: Transformator untuk pengenalan gambar dalam skala besar. arXiv preprint arXiv:2010.11929.
Douard, J. , 1996. Ulasan: Karya-karya yang diulas: Kepercayaan pada angka: Mengejar
objektivitas dalam sains dan kehidupan publik oleh Theodore M. Porter; Kuantifikasi dan pencarian kepastian medis oleh J. Rosser Mathews. Polit. Life Sci, 15, 350-353.
Duan, W., dkk., 2020. Penyelarasan otomatis data vektor kontemporer dan peta historis bergeoreferensi menggunakan pembelajaran penguatan. Jurnal Internasional Sains Informasi Geografis, 34 (4), 824-849.
Dyrmann, M., dkk., 2016. Klasifikasi gulma dan tanaman pada gambar dengan menggunakan jaringan saraf tiruan yang sepenuhnya konvolusi. Dalam: Prosiding Konferensi Internasional Teknik Pertanian, Aarhus, Denmark. 26-29.
Ellenson, A., dkk., 2020. Penerapan algoritma pembelajaran mesin untuk menentukan dan menggambarkan pola kesalahan dalam keluaran model gelombang. Teknik Pesisir, 157, 103595.
Escalera, D. , Fraile-Jurado, P. , dan Peña Alonso, C. , 2016. Evaluasi Dampak Pengelolaan Gumuk Pasir di Pantai Huelva Menggunakan Teknik Fotografi Berulang (1986, 2001, dan 2015).
137-156.
Feizizadeh, B., dkk., 2021. Perbandingan pendekatan pembelajaran mendalam berbasis objek fuzzy yang terintegrasi dengan tiga teknik pembelajaran mesin untuk pemantauan perubahan penggunaan lahan/tutupan dan penilaian dampak lingkungan. GIScience & Penginderaan Jauh, 58 (8), 1543-1570.
Féret, J.B., dkk. , 2019. Memperkirakan massa daun per area dan ketebalan air yang setara berdasarkan sifat optik daun: Potensi dan keterbatasan pemodelan fisik dan pembelajaran mesin.
Penginderaan Jauh Lingkungan, 231, 110959.
Fernandes, S. , Duseja, D. , dan Muthalagu, R. , 2021. Penerapan teknik pemrosesan gambar untuk mobil otonom. Prosiding Inovasi Rekayasa dan Teknologi, 17, 1. Fisher, A.R. , dkk. , 2020.
Penggunaan jaringan saraf konvolusi untuk segmentasi citra semantik di berbagai sistem komputasi.
Fu, K.S. dan Mui, J. , 1981. Sebuah survei tentang segmentasi citra. Pengenalan Pola, 13 (1), 3-16.
Gagne II, DJ, dkk., 2019. Pembelajaran mendalam yang dapat ditafsirkan untuk analisis spasial badai hujan es yang parah. Tinjauan Cuaca Bulanan, 147 (8), 2827-2845.
Gibson, PB, dkk., 2021. Melatih model pembelajaran mesin pada keluaran model iklim menghasilkan prakiraan curah hujan musiman yang dapat diinterpretasikan dengan baik.
Komunikasi Bumi & Lingkungan, 2 (1), 159.
Gonzales-Inca, C. , dkk. , 2022. Kecerdasan buatan geospasial (geoai) dalam pemodelan sistem hidrologi dan fluvial terintegrasi: Tinjauan aplikasi dan tren saat ini. Air, 14
Goodchild, M.F. , 2018. Menata ulang sejarah sistem informasi geografis. Annals of GIS, 24 (1), 1-8. Goodchild, MF dan Li, W. , 2021. Replikasi lintas ruang dan waktu pasti lemah dalam ilmu sosial dan lingkungan. Prosiding National Academy of Sciences, 118 (35), e2015759118.
Goodfellow, I. , Bengio, Y. , dan Courville, A. , 2016. Deep Learning. MIT Press.
Graff, L.H. dan Usery, E.L. , 1993. Klasifikasi otomatis fitur-fitur medan umum dalam model elevasi digital. Teknik Fotogrametri dan Penginderaan Jauh, 59 (9), 1409-1417.
Gustafsson, K. , Öktem, O. , dan Boman, E.J. , 2014. Peran aljabar linier dalam tomografi terkomputasi.
Hammond, E.H. , 1954. Peta bentang alam benua skala kecil. Annals of the Association American Geographers, 44 (1), 33-42.
Hattersley-Smith, G. , 1966. Simposium pemetaan gletser. Canadian Journal of Earth Sciences, 3 (6), 737-741.
Hay, G.J. dan Castilla, G. , 2008. Analisis citra berbasis objek geografis (geobia): Sebuah nama baru untuk sebuah disiplin ilmu baru. Analisis Citra Berbasis Objek: Konsep Spasial untuk Aplikasi Penginderaan Jauh Berbasis Pengetahuan, 75-89.
Hebb, D.O. , 2005. Organisasi Perilaku: Sebuah Teori Neuropsikologi. Psikologi pers.
Hernández, E. , dkk. , 2016. Prediksi curah hujan: Sebuah pendekatan pembelajaran mendalam. In:
Sistem Cerdas Buatan Hibrida 2016. Springer, 151-162.
Hoffmann, C. , 2013. Superposisi: Studi Ludwig mach dan étienne-jules marey dalam fotografi streamline. Studi Sejarah dan Filsafat Ilmu Bagian A, 44 (1), 1-11. Honavar, V. , 1995. Kecerdasan buatan simbolik dan jaringan saraf tiruan numerik: menuju resolusi dikotomi. Arsitektur Komputasi yang Mengintegrasikan Proses Neural dan Simbolik: Sebuah Perspektif tentang Keadaan Seni, 351-388.
Hopfield, J.J. , 1982. Jaringan saraf dan sistem fisik dengan kemampuan komputasi kolektif yang muncul. Prosiding Akademi Ilmu Pengetahuan Nasional, 79 (8), 2554-2558. Howell, S.B. , 2006. Buku Pegangan Astronomi ccd. vol. 5. Cambridge University Press.
Hsu, C.Y. dan Li, W. , 2023. Geoai yang dapat dijelaskan: dapatkah peta saliency membantu menafsirkan proses pembelajaran kecerdasan buatan? sebuah studi empiris tentang deteksi fitur alami. Jurnal Internasional Ilmu Informasi Geografis, 37 (5), 963-987.
Hsu, C.Y. , Li, W. , dan Wang, S. , 2021. Geoai berbasis pengetahuan: Mengintegrasikan pengetahuan spasial ke dalam pembelajaran mendalam multi-skala untuk deteksi kawah Mars.
Penginderaan Jauh, 13 (11), 2116.
Hughes, D. , 2016. Penglihatan Alam: Fotografi dan Pengetahuan Ekologi, 1895-1939. Tesis (PhD).
Universitas De Montfort.
Janowicz, K., dkk. , 2022. Tahu, tahu di mana, tahu di mana graf: Graf pengetahuan lintas domain yang terhubung secara padat dan tumpukan layanan pengayaan geografis untuk aplikasi dalam intelijen lingkungan. Majalah AI, 43 (1), 30-39.
Kettig, R.L. dan Landgrebe, D. , 1976. Klasifikasi data citra multispektral dengan ekstraksi dan klasifikasi objek homogen. IEEE Transactions on Geoscience Electronics, 14 (1), 19-26.
Khan, A.A. , Laghari, A.A. , dan Awan, S.A. , 2021. Pembelajaran mesin dalam visi komputer:
sebuah tinjauan. Transaksi yang Disahkan EAI pada Sistem Informasi yang Dapat Diskalakan, 8 (32), e4-e4.
Kirsch, R.A. , 1998. Seac dan awal pemrosesan gambar di biro standar nasional. IEEE Annals of the History of Computing, 20 (2), 7-13.
Kirsch, R.A. , 2010. Presisi dan akurasi dalam pencitraan ilmiah. Jurnal Penelitian Institut Standar dan Teknologi Nasional, 115 (3), 195.
Kirsch, R.A., dkk., 1957. Eksperimen dalam memproses informasi bergambar dengan komputer digital. Dalam: Makalah dan Diskusi yang Dipresentasikan pada Konferensi Komputer Bersama Timur 9-13 Desember 1957: Komputer dengan Tenggat Waktu yang Harus Dipenuhi. 221-229.
Koc, M. dan Acar, A. , 2021. Investigasi hubungan iklim perkotaan dan lingkungan binaan dengan menggunakan pembelajaran mesin. Urban Climate, 37, 100820.
Kohn, C.F. , 1970. Tahun 1960-an: Satu dekade kemajuan dalam penelitian dan pengajaran geografi.
Annals of the Association of American Geographers, 60 (2), 211-219.
Krizhevsky, A. , Sutskever, I. , dan Hinton, G.E. , 2012. Klasifikasi imagenet dengan jaringan saraf konvolusi dalam. In: Prosiding NIPS'12, Red Hook, NY, USA. 1097-1105.
Penginderaan Jauh, 12 (12), 2012.
Kurth, T., dkk., 2018. Pembelajaran mendalam exascale untuk analisis iklim. Dalam: SC18:
Konferensi Internasional untuk Komputasi, Jaringan, Penyimpanan, dan Analisis Berkinerja Tinggi.
IEEE, 649-660.
Lee, R.S. , 2020. Kecerdasan Buatan dalam Kehidupan Sehari-hari. Springer.
Li, W. , 2020. Geoai: Di mana pembelajaran mesin dan data besar bertemu dalam GIScience. Jurnal Ilmu Informasi Spasial, (20), 71-77.
Li, W. , 2022. Geoai dalam ilmu sosial. Buku Pegangan Analisis Spasial dalam Ilmu-ilmu Sosial, 291- 304.
Li, W. dan Arundel, S.T. , 2022. Geoai dan masa depan analisis spasial. In: Pemikiran Baru dalam Ilmu GIS. Springer, 151-158.
Li, W. dan Hsu, C.Y. , 2020. Identifikasi fitur medan otomatis dari citra penginderaan jauh:
pendekatan pembelajaran mendalam. Jurnal Internasional Sains Informasi Geografis, 34 (4), 637- 660.
Li, W. dan Hsu, C.Y. , 2022. Geoai untuk analisis gambar skala besar dan visi mesin: Kemajuan terbaru kecerdasan buatan dalam geografi. ISPRS International Journal of Geo-Information, 11 (7), 385.
Li, W. , Hsu, C.Y. , dan Hu, M. , 2021a. Hukum pertama Tobler dalam geoai: Model pembelajaran dalam yang eksplisit secara spasial untuk deteksi fitur medan di bawah pengawasan yang lemah.
Annals of the American Association of Geographers, 111 (7), 1887-1905.
Li, W., dkk. , 2022a. Geoai waktu nyata untuk pemetaan resolusi tinggi dan segmentasi fitur lapisan es Arktik: kasus poligon tepi es. Dalam: Prosiding Lokakarya ACM SIGSPATIAL ke-5 tentang AI untuk Penemuan Pengetahuan Geografis . 62-65.
Li, W., dkk., 2022b. Geoimagenet: dataset tolok ukur fitur alami multi-sumber untuk geoai dan pembelajaran mesin yang diawasi. GeoInformatica, 1-22.
Li, W., dkk. , 2023. Geographvis: grafik pengetahuan dan geovisualisasi yang diberdayakan infrastruktur siber untuk mendukung tanggap bencana dan bantuan kemanusiaan. ISPRS International Journal of Geo-Information, 12 (3), 112.
Li, W., dkk. , 2022c. Tolok ukur kinerja pada repositori web semantik untuk aplikasi grafik pengetahuan eksplisit secara spasial. Komputer, Lingkungan dan Sistem Perkotaan, 98, 101884.
Li, W., dkk. , 2017. Mengenali fitur medan pada permukaan terestrial menggunakan model deep learning: Contoh dengan deteksi kawah. Dalam: Prosiding Lokakarya Pertama Kecerdasan Buatan dan Pembelajaran Mendalam untuk Penemuan Pengetahuan Geografis. 33-36.
Li, X., dkk., 2021b. Deteksi kendaraan pada citra penginderaan jauh resolusi sangat tinggi berdasarkan model deteksi bebas jangkar dengan area foveal yang lebih presisi. ISPRS International Journal of Geo-Information, 10 (8), 549.
Lin, T.Y., dkk., 2017. Kehilangan fokus untuk deteksi objek padat. In: Prosiding Konferensi Internasional IEEE tentang Visi Komputer . 2980-2988.
Liu, T., dkk., 2020. Jaringan saraf konvolusi dangkal (sscnn) berbasis superpiksel untuk segmentasi peta topografi yang dipindai. Penginderaan Jauh, 12 (20), 3421.
Lloyd, C.T., dkk., 2020. Menggunakan sistem informasi geografis dan pembelajaran mesin untuk mengklasifikasikan status hunian bangunan perkotaan di daerah berpenghasilan rendah dan menengah. Penginderaan Jauh, 12 (23), 3847.
Lundberg, G.A. , 1960. Metode kuantitatif dalam sosiologi: 1920-1960. Social Forces, 39 (1), 19-24.
Mackay, C.D. , 1986. Perangkat yang digabungkan dengan muatan dalam astronomi. Tinjauan Tahunan Astronomi dan Astrofisika, 24 (1), 255-283.
Magnuson, J.J. , 1990. Penelitian ekologi jangka panjang dan masa kini yang tak terlihat. BioScience, 40 (7), 495-501.
Mahadevkar, S.V., dkk., 2022. Sebuah tinjauan tentang gaya pembelajaran mesin dalam visi komputer - teknik dan arah masa depan. IEEE Access.
McCarthy, J., dkk., 2006. Proposal untuk proyek penelitian musim panas dartmouth tentang kecerdasan buatan, 31 Agustus 1955. Majalah AI, 27 (4), 12-12.
McCulloch, W.S. dan Pitts, W. , 1943. Kalkulus logis dari ide-ide yang melekat pada aktivitas saraf.
Buletin Biofisika Matematika, 5, 115-133.
McFarlane, M.D. , 1972. Gambar digital lima puluh tahun yang lalu. Prosiding IEEE, 60 (7), 768-770.
learning. Icarus, 389, 115252.
Miller, B.A. , dkk. , 2019. Kemajuan dalam geografi tanah i: Penyegaran kembali. Kemajuan dalam Geografi Fisik: Bumi dan Lingkungan, 43 (6), 827-854.
Milnor, J. , 1941. Transmisi gambar dengan kabel bawah laut. Transaksi Institut Insinyur Listrik Amerika, 60 (3), 105-108.
Minasny, B. dan McBratney, A.B. , 2016. Pemetaan tanah digital: Sejarah singkat dan beberapa pelajaran. Geoderma, 264, 301-311.
Minsky, M. dan Papert, S.A. , 2017. Perceptron: Pengantar Geometri Komputasi. The MIT Press.
Moor, J. , 2006. Konferensi kecerdasan buatan di Universitas Dartmouth: Lima puluh tahun ke depan. Majalah AI, 27 (4), 87-87.
Mulyono, S., dkk. , 2016. Identifikasi perkebunan tebu menggunakan citra landsat-8 dengan support vector machines. In: Seri Konferensi IOP: Ilmu Pengetahuan Kebumian dan Lingkungan. IOP Publishing, vol. 47, 012008.
Naghibi, S.A. , Pourghasemi, H.R. , dan Dixon, B. , 2016. Pemetaan potensi air tanah berbasis GIS menggunakan model pembelajaran mesin pohon regresi, klasifikasi dan regresi, dan random forest di Iran. Pemantauan dan Penilaian Lingkungan, 188, 1-27.
Nir, D. dan Nir, D. , 1990. 'Revolusi kuantitatif': Geografi regional pada puncaknya. Wilayah sebagai Sistem Sosial-Lingkungan: Pengantar Geografi Regional Sistemik, 43-57.
Olazaran, M. , 1996. Sebuah studi sosiologis tentang sejarah resmi kontroversi persepsi. Studi Sosial Ilmu Pengetahuan, 26 (3), 611-659.
Pal, N.R. dan Pal, S.K. , 1993. Sebuah tinjauan tentang teknik segmentasi citra. Pengenalan Pola, 26 (9), 1277-1294.
Quirke, V. dan Gaudillière, J.P. , 2008. Era biomedis: sains, kedokteran, dan kesehatan masyarakat di Inggris dan Prancis setelah perang dunia kedua. Medical history, 52 (4), 441-452.
Rahmati, O., dkk. , 2019. Pemodelan spasial longsoran salju menggunakan model pembelajaran mesin dan faktor geo-lingkungan: Perbandingan efektivitas di dua wilayah pegunungan.
Penginderaan Jauh, 11 (24), 2995.
Redmon, J. dan Farhadi, A. , 2018. Yolov3: Sebuah peningkatan inkremental. arXiv pracetak arXiv:
1804.02767.
Reichstein, M., dkk., 2019. Pembelajaran mendalam dan pemahaman proses untuk ilmu sistem bumi berbasis data. Nature, 566 (7743), 195-204.
Ren, S., dkk., 2015. Faster r-cnn: Menuju deteksi objek waktu nyata dengan jaringan usulan wilayah.
Kemajuan dalam Sistem Pemrosesan Informasi Saraf, 28.
Rogers, G.F. , Malde, H.E. , dan Turner, R.M. , 1984. Daftar Pustaka Fotografi Berulang untuk Mengevaluasi Perubahan Lanskap.
Rolnick, D., dkk. , 2022. Mengatasi perubahan iklim dengan pembelajaran mesin. ACM Computing Surveys (CSUR), 55 (2), 1-96.
Romans, L.E. , 1995. Pengantar Tomografi Terkomputerisasi. Edisi ke-5. Lippincott Williams &
Wilkins. Ronneberger, O. , Fischer, P. , dan Brox, T. , 2015. U-net: Jaringan konvolusi untuk segmentasi citra biomedis. In: Komputasi Citra Medis dan Intervensi Berbantuan Komputer-MICCAI 2015: Konferensi Internasional ke-18, Munich, Jerman, 5-9 Oktober 2015, Prosiding, Bagian III 18 . Springer, 234-241.
Rosenblatt, F. , 1958. Perceptron: model probabilistik untuk penyimpanan dan pengorganisasian informasi di otak. Psychological Review, 65 (6), 386.
Rouse, J.W., dkk. , 1974. Memantau sistem vegetasi di dataran besar dengan erts. NASA Spec. Publ, 351 (1), 309.
Ruggles, S. dan Magnuson, D.L. , 2019. Sejarah kuantifikasi dalam sejarah: Fikih sebagai studi kasus. Jurnal Sejarah Interdisipliner, 50 (3), 363-381.
Rumelhart, D.E. , Hinton, G.E. , dan Williams, R.J. , 1986. Representasi pembelajaran dengan merambat balik kesalahan. Nature, 323 (6088), 533-536.
Sarikan, S.S. dan Ozbayoglu, A.M. , 2018. Deteksi anomali pada lalu lintas kendaraan dengan pengolahan citra dan pembelajaran mesin. Procedia Computer Science, 140, 64-69.
Saska, H. , 2010. Anna atkins: Foto-foto ganggang Inggris. Buletin Institut Seni Detroit, 84 (14), 8- 15.
dalam melalui antarmuka langsung. Kemajuan Sains, 8 (28), eabm2219.
Shirzadi, A., dkk., 2018. Pemetaan kerentanan longsor dangkal. Sensors, 18, 1-28.
Song, H., dkk., 2019. Sistem deteksi dan penghitungan kendaraan berbasis visi menggunakan pembelajaran mendalam di jalan raya. European Transport Research Review, 11, 1-16.
Song, M., dkk. , 2016. Representasi data spatiotemporal dan pengaruhnya terhadap kinerja analisis spasial di lingkungan infrastruktur siber-studi kasus dengan analisis zonasi raster.
Komputer & Geosains, 87, 11-21.
Starrs, P.F. , 1998. Brinck jackson dalam ranah keseharian. Geographical Review, 88 (4), 492-506.
Stegner, W. , 1992. Melampaui Meridian Keseratus: John Wesley Powell dan Pembukaan Kedua Barat. Penguin.
Stokes, C., dkk., 2013. Pembentukan garis-garis glasial berskala besar di dasar aliran es Danau Dubawnt: 1. ukuran, bentuk dan jarak dari kumpulan data penginderaan jauh yang besar. Ulasan Sains Kuarter, 77, 190-209.
Talukdar, S., dkk. , 2020. Klasifikasi tutupan lahan dengan pengklasifikasi pembelajaran mesin untuk pengamatan satelit-sebuah tinjauan. Penginderaan Jauh, 12 (7), 1135.
Tarran, B. dan Ghahramani, Z. , 2015. Bagaimana mesin belajar untuk berpikir secara statistik.
Significance, 12 (1), 8-15.
Tu, K.L., dkk. , 2018. Seleksi benih lada berkualitas tinggi dengan machine vision dan pengklasifikasi.
Jurnal Pertanian Integratif, 17 (9), 1999-2006.
Tucker, C. , Miller, L. , dan Pearson, R. , 1973. Pengukuran efek gabungan biomassa hijau, klorofil, dan air daun terhadap spektrorefleksi kanopi padang rumput pendek. Penginderaan Jauh Sumber Daya Bumi.
Vogel, C., dkk., 2019. Studi delphi untuk membangun konsensus tentang definisi dan penggunaan data besar dalam penelitian obesitas. Jurnal Obesitas Internasional, 43 (12), 2573-2586.
Wang, S. dan Li, W. , 2021. Geoai dalam analisis medan: Mengaktifkan pembelajaran mendalam multi-sumber dan fusi data untuk deteksi fitur alami. Komputer, Lingkungan dan Sistem Perkotaan, 90, 101715.
Weng, Q., dkk., 2018. Klasifikasi pemandangan penggunaan lahan berdasarkan cnn menggunakan mesin pembelajaran ekstrem yang dibatasi. Jurnal Internasional Penginderaan Jauh, 39 (19), 6281- 6299. Wheeler, J.O. , 2001. geografi perkotaan pada tahun 1960-an. Urban Geography, 22 (6), 511- 513. White, R.A. , dkk. , 2019. Pengukuran perubahan vegetasi di lokasi bukit pasir kritis di sepanjang pantai timur danau michigan dari tahun 1938 hingga 2014 dengan analisis citra berbasis objek. Jurnal Penelitian Pesisir, 35 (4), 842-851.
Worboys, M.F. , 1999. Basis data relasional dan seterusnya. Sistem Informasi Geografis, 1, 373-384.
Wu, H., dkk. , 2022. Pemodelan limpasan pada daerah tangkapan air yang tidak terukur menggunakan metodologi regionalisasi parameter model berbasis algoritma pembelajaran mesin. Teknik.
Yamashita, R. , dkk. , 2018. Jaringan saraf konvolusional: tinjauan umum dan aplikasi dalam radiologi. Wawasan Pencitraan, 9, 611-629.
Yu, Z. , dkk. , 2016. Model aljabar geometri untuk komputasi relasi topologi berorientasi geometri.
Transaksi dalam SIG, 20 (2), 259-279.
Yuan, L., dkk. , 2012. Metode aljabar geometris untuk komputasi gis multidimensi terpadu. Chinese Science Bulletin, 57, 802-811.
Yuan, L. , Yu, Z. , dan Luo, W. , 2019. Menuju SIG generasi berikutnya: Sebuah pendekatan aljabar geometris. Annals of GIS, 25 (3), 195-206.
Zhong, L. , Hu, L. , dan Zhou, H. , 2019. Klasifikasi tanaman multi-temporal berbasis pembelajaran mendalam. Penginderaan Jauh Lingkungan, 221, 430-443.
Zhou, P. dan Chang, Y. , 2021. Klasifikasi otomatis struktur bangunan untuk identifikasi lingkungan binaan perkotaan menggunakan pembelajaran mesin. Jurnal Teknik Bangunan, 43, 103008.