konvolusi bayesian dengan inferensi variasional. arXiv pracetak arXiv: 1901.02731. Sishodia, R.P. , Ray, R.L. , dan Singh, S.K. , 2020. Aplikasi penginderaan jauh dalam pertanian presisi: Sebuah tinjauan. Penginderaan Jauh, 12 (19), 3136.
Sun, J. , dkk. , 2019. Prediksi hasil panen kedelai tingkat kabupaten menggunakan model deep cnn-lstm. Sensor, 19 (20), 4363.
Terliksiz, A.S. dan Altỳlar, D.T. , 2019. Penggunaan jaringan saraf tiruan untuk prediksi hasil panen:
Studi kasus hasil panen kedelai di wilayah Lauderdale, Alabama, Amerika Serikat. Dalam: Konferensi Internasional ke-8 2019 tentang Agro-Geoinformatika (Agro-Geoinformatika) . IEEE, 1-4.
Thayer, A.W., dkk. , 2020. Mengintegrasikan pertanian dan ekosistem untuk menemukan adaptasi yang sesuai terhadap perubahan iklim. Climate, 8 (1), 10.
Tian, H. , dkk. , 2021. Jaringan syaraf tiruan lstm untuk meningkatkan estimasi hasil panen gandum dengan mengintegrasikan data penginderaan jauh dan data meteorologi di dataran Guanzhong, RRC. Meteorologi Pertanian dan Hutan, 310, 108629.
Van Klompenburg, T. , Kassahun, A. , dan Catal, C. , 2020. Prediksi hasil panen menggunakan pembelajaran mesin: Sebuah tinjauan literatur sistematis. Komputer dan Elektronika dalam Pertanian, 177, 105709. VoPham, T. , dkk. , 2018. Tren yang muncul dalam kecerdasan buatan geospasial (geoai): aplikasi potensial untuk epidemiologi lingkungan. Kesehatan Lingkungan, 17 (1), 1-6.
Wang, X. , dkk. , 2020. Prediksi hasil panen gandum musim dingin di tingkat kabupaten dan analisis ketidakpastian di daerah penghasil gandum utama di Cina dengan pendekatan pembelajaran mendalam. Penginderaan Jauh, 12 (11), 1744.
Wang, Y. , dkk. , 2021. Pendekatan cnn berbasis perhatian baru untuk pemetaan tanaman menggunakan citra time series sentinel-2. Komputer dan Elektronika dalam Pertanian, 184, 106090.
Woo, S., dkk., 2018. Cbam: Modul perhatian blok konvolusi. Dalam: Prosiding Konferensi Eropa tentang Visi Komputer (ECCV) . 3-19.
Yao, Y. , dkk. , 2012. Strategi manajemen presisi berbasis sensor kanopi aktif untuk padi. Agronomi untuk Pembangunan Berkelanjutan, 32, 925-933.
Yoosefzadeh-Najafabadi, M. , Tulpan, D. , dan Eskandari, M. , 2021. Menggunakan kecerdasan buatan hibrida dan algoritma optimasi evolusioner untuk memperkirakan hasil panen kedelai dan biomassa segar menggunakan indeks vegetasi hiperspektral. Penginderaan Jauh, 13 (13), 2555.
You, J., dkk. , 2017. Proses deep gaussian untuk prediksi hasil panen berdasarkan data penginderaan jauh. In: Prosiding Konferensi AAAI tentang Kecerdasan Buatan . vol. 31.
Zhang, J. , dkk. , 2021. Identifikasi penyakit daun mentimun menggunakan deep learning dan ukuran sampel kecil untuk internet of things pertanian. Jurnal Internasional Jaringan Sensor Terdistribusi, 17 (4), 15501477211007407.
Zhang, S., dkk. , 2020. Metode pengenalan spesies tanaman menggunakan citra daun: Tinjauan umum. Neurocomputing, 408, 246-272.
Zhong, L., dkk., 2019. Pemetaan gandum musim dingin berbasis deep learning menggunakan data statistik sebagai referensi lapangan di Kansas dan Texas Utara, AS. Penginderaan Jauh Lingkungan, 233, 111411.
Ziliani, M.G., dkk. , 2022. Prediksi awal musim variabilitas hasil panen di dalam ladang dengan mengasimilasi data cubesat ke dalam model tanaman. Meteorologi Pertanian dan Hutan, 313, 108736.
Lanskap dan Perencanaan Kota, 215, 104217.
Bódis, K., dkk., 2019. Penilaian geospasial resolusi tinggi dari potensi fotovoltaik surya atap di Uni Eropa. Ulasan Energi Terbarukan dan Berkelanjutan, 114, 109309.
Byun, G. dan Kim, Y. , 2022. Metode berbasis street-view untuk mendeteksi pertumbuhan dan penurunan perkotaan: Studi kasus Midtown di Detroit, Michigan, Amerika Serikat. PLOS ONE, 17 (2), e0263775.
Calabrese, F., dkk. , 2013. Memahami pola mobilitas individu dari data penginderaan perkotaan:
Contoh jejak ponsel. Penelitian Transportasi Bagian C: Teknologi yang sedang berkembang, 26, 301- 313.
Chen, L.C., dkk., 2018. Encoder-decoder dengan konvolusi yang dapat dipisahkan secara atrous untuk segmentasi citra semantik. In: Prosiding Konferensi Eropa tentang Visi Komputer (ECCV) . 801-818.
Chen, M. , dkk. , 2023. Kecerdasan buatan dan analitik visual dalam ruang geografis dan dunia maya:
Peluang dan tantangan penelitian. Ulasan Sains Bumi, 104438.
Chen, S. dan Biljecki, F. , 2023. Penilaian otomatis ruang terbuka publik menggunakan citra street view. Cities, 137, 104329.
Chen, X. dan Biljecki, F. , 2022. Menambang iklan real estat dan transaksi properti untuk akuisisi data bangunan dan fasilitas. Informatika Perkotaan, 1 (1), 12.
Cordts, M., dkk. , 2016. Kumpulan data lanskap kota untuk pemahaman pemandangan kota secara semantik. In: Prosiding Konferensi IEEE tentang Visi Komputer dan Pengenalan Pola .
3213-3223.
Das, S. , Sun, Q.C. , dan Zhou, H. , 2022. GeoAI untuk mengimplementasikan inventarisasi pohon secara individu: Kerangka kerja dan penerapan mitigasi panas. Hutan Kota & Penghijauan Kota, 74, 127634. deSouza, P. , dkk. , 2020. Pemantauan kualitas udara menggunakan sensor bergerak berbiaya rendah yang dipasang pada truk sampah: Pengembangan metode dan pembelajaran.
Kota dan Masyarakat Berkelanjutan, 60, 102239.
Ding, X. , Fan, H. , dan Gong, J. , 2021. Menuju pembuatan jaringan jalur sepeda dari data Mapillary. Komputer, Lingkungan dan Sistem Perkotaan, 88, 101632.
Dobler, G. , dkk. , 2021. Observatorium perkotaan: Platform pencitraan multi-modal untuk mempelajari dinamika dalam sistem perkotaan yang kompleks. Penginderaan Jauh, 13 (8), 1426.
Duarte, F. dan Ratti, C. , 2021. Apa yang diungkap kamera perkotaan tentang kota: Hasil kerja laboratorium kota yang bisa dirasakan. Dalam: Informatika Perkotaan. Springer Singapore, 491-502.
Gao, S., dkk. , 2023. Edisi khusus tentang kecerdasan buatan geospasial. GeoInformatica, 27 (2), 133-136.
Gao, S., dkk., 2021. Konten yang dibuat oleh pengguna: Sumber data yang menjanjikan untuk informatika perkotaan.
Dalam: Informatika Perkotaan. Springer Singapore, 503-522.
Garrido-Valenzuela, F. , Cats, O. , dan van Cranenburgh, S. , 2023. Di mana orang-orangnya?
Menghitung orang dalam jutaan gambar di permukaan jalan untuk mengeksplorasi hubungan antara kepadatan penduduk kota dan karakteristik kota. Komputer, Lingkungan dan Sistem Perkotaan, 102, 101971.
Ghahramani, M. , Zhou, M. , dan Wang, G. , 2020. Penginderaan perkotaan berdasarkan data ponsel:
pendekatan, aplikasi, dan tantangan. IEEE/CAA Journal of Automatica Sinica, 7 (3), 627-637.
Hamilton, W. , Ying, Z. , dan Leskovec, J. , 2017. Pembelajaran representasi induktif pada graf besar.
Kemajuan dalam Sistem Pemrosesan Informasi Saraf, 30.
Han, J.Y. , Chen, Y.C. , dan Li, S.Y. , 2022. Memanfaatkan model bangunan 3D dengan ketelitian tinggi untuk menganalisis potensi fotovoltaik surya atap di daerah perkotaan. Solar Energy, 235, 187- 199. He, X. dan He, S.Y. , 2023. Menggunakan data terbuka dan pembelajaran mendalam untuk mengeksplorasi walkability di Shenzhen, Cina. Penelitian Transportasi Bagian D: Transportasi dan Lingkungan, 118, 103696. Hochreiter, S. dan Schmidhuber, J. , 1997. Memori jangka pendek yang panjang. Neural Computation, 9 (8), 1735-1780.
Hou, Y. dan Biljecki, F. , 2022. Kerangka kerja yang komprehensif untuk mengevaluasi kualitas citra street view. Jurnal Internasional Pengamatan Bumi Terapan dan Geoinformasi, 115, 103094.
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.
dengan geotag. Komputer, Lingkungan dan Sistem Perkotaan, 54, 240-254.
Ibrahim, M.R. , Haworth, J. , dan Cheng, T. , 2020. Memahami kota dengan mata mesin: Sebuah tinjauan tentang visi komputer yang mendalam dalam analisis perkotaan. Cities, 96, 102481.
Janowicz, K. , 2023. Dasar-dasar filosofis geoai: Menjelajahi keberlanjutan, keragaman, dan bias dalam geoai dan ilmu data spasial.
Janowicz, K., dkk., 2019. GeoAI: teknik kecerdasan buatan eksplisit secara spasial untuk penemuan pengetahuan geografis dan seterusnya. Jurnal Internasional Ilmu Informasi Geografis, 34 (4), 625- 636.
Jayathissa, P., dkk., 2019. Apakah jam tangan Anda nyaman? Metodologi jam tangan pintar untuk pengumpulan data kenyamanan penghuni secara in-situ. Jurnal Fisika: Seri Konferensi, 1343 (1), 012145. Ju, Y. , Dronova, I. , dan Delclòs-Alió, X. , 2022. Peta ruang hijau perkotaan beresolusi 10 m untuk kota-kota besar di Amerika Latin dari citra penginderaan jauh Sentinel-2 dan
OpenStreetMap.
Data Ilmiah, 9 (1).
Juhász, L. dan Hochmair, H.H. , 2016. Pola kontribusi pengguna dan evaluasi kelengkapan Mapillary, sebuah layanan foto permukaan jalan yang bersumber dari crowdsourced. Transactions in GIS, 20 (6), 925-947. Kang, Y. , dkk. , 2023. Menilai perbedaan persepsi keselamatan
menggunakan GeoAI dan survei di seluruh lingkungan di Stockholm, Swedia. Lansekap dan Perencanaan Kota, 236, 104768. Kang, Y. , dkk. , 2020a. Dataset aliran mobilitas manusia dinamis multiskala di AS selama epidemi COVID-19. Data Ilmiah, 7 (1).
Kang, Y. , Gao, S. , dan Roth, R.E. , 2019. Mentransfer gaya peta multiskala menggunakan jaringan permusuhan generatif. Jurnal Kartografi Internasional, 5 (2-3), 115-141.
Kang, Y., dkk., 2020b. Tinjauan penginderaan lingkungan fisik perkotaan menggunakan citra street view dalam studi kesehatan masyarakat. Annals of GIS, 26 (3), 261-275.
Kang, Y. , dkk. , 2021. Penilaian nilai permukiman manusia dari perspektif tempat:
Mempertimbangkan dinamika dan persepsi manusia dalam pemodelan harga rumah. Cities, 118, 103333. Kruse, J. , dkk. , 2021. Tempat untuk bermain: Memahami persepsi manusia tentang tempat bermain di kota menggunakan gambar street view dan deep learning. Komputer, Lingkungan dan Sistem Perkotaan, 90, 101693.
Lai, W.W.L. , 2021. Pencitraan dan diagnosis utilitas bawah tanah. In: Informatika Perkotaan. Springer Singapore, 415-438.
Li, M., dkk., 2022. Penyeberangan yang ditandai di area stasiun berorientasi angkutan umum di Amerika Serikat, 2007-2020: Pendekatan visi komputer menggunakan citra street view. Lingkungan dan Perencanaan B: Analisis Perkotaan dan Ilmu Kota, 50 (2), 350-369.
Li, W. , 2020. GeoAI: Di mana pembelajaran mesin dan data besar bertemu dalam GIScience. Jurnal Ilmu Informasi Spasial, (20).
Li, W. dan Hsu, C.Y. , 2022. GeoAI untuk Analisis Citra Skala Besar dan Visi Mesin: Kemajuan Terbaru Kecerdasan Buatan dalam Geografi. ISPRS International Journal of Geo-Information, 11 (7), 385.
Liang, X. dan Andris, C. , 2021. Mengukur Kota-kota: Lanskap jaringan restoran dan restoran independen di Amerika Serikat. Lingkungan dan Perencanaan B: Analisis Perkotaan dan Ilmu Kota, 49 (2), 585-602.
Liu, P. dan Biljecki, F. , 2022. Tinjauan aplikasi GeoAI yang eksplisit secara spasial dalam Geografi Perkotaan. Jurnal Internasional Pengamatan Bumi Terapan dan Geoinformasi, 112, 102936.
Liu, P., dkk. , 2023a. Menuju kembaran digital yang berpusat pada manusia: Memanfaatkan visi komputer dan model grafik untuk memprediksi kenyamanan di luar ruangan. Kota dan Masyarakat Berkelanjutan, 93, 104480.
Liu, X., dkk., 2019. Di dalam 50.000 ruang keluarga: penilaian ornamen hunian global menggunakan pembelajaran transfer. EPJ Data Science, 8 (1).
Liu, Y. , dkk. , 2015. Penginderaan sosial: Pendekatan baru untuk memahami lingkungan sosial ekonomi kita. Annals of the Association of American Geographers, 105 (3), 512-530.
Liu, Y., dkk., 2023b. Kerangka kerja pembelajaran mesin yang dapat ditafsirkan untuk mengukur persepsi perkotaan dari gambar panorama jalan. iScience, 26 (3), 106132.
Lu, Y., dkk. , 2023. Menilai penghijauan perkotaan dengan mengambil data street view: Sebuah tinjauan. Hutan Kota & Penghijauan Kota, 83, 127917.
Luo, J., dkk. , 2022a. Bentang Sungai Semantik: Persepsi dan evaluasi lanskap linier dari citra miring menggunakan visi komputer. Lanskap dan Perencanaan Kota, 228, 104569.
seluruh dunia. Indikator Ekologi, 145, 109615.
Ma, D., dkk., 2019. Keadaan Mapillary: Sebuah Analisis Eksplorasi. ISPRS International Journal of Geo-Information, 9 (1), 10.
Ma, N., dkk., 2023. Mempelajari keluhan dan ketidakpuasan kualitas lingkungan dalam ruangan penghuni gedung dari ulasan Booking.com di Amerika Serikat. Bangunan dan Lingkungan, 237, 110319.
Mart, P. , Serrano-Estrada, L. , dan Nolasco-Cirugeda, A. , 2019. Data media sosial: Tantangan, peluang, dan keterbatasan dalam studi perkotaan. Komputer, Lingkungan dan Sistem Perkotaan, 74, 161-174.
Martin, M. , dkk. , 2022. Termografi inframerah di lingkungan binaan: Sebuah tinjauan multi-skala.
Ulasan Energi Terbarukan dan Berkelanjutan, 165, 112540.
O'Keeffe, K.P., dkk., 2019. Mengukur kekuatan penginderaan armada kendaraan. Prosiding National Academy of Sciences, 116 (26), 12752-12757.
Pang, H.E. dan Biljecki, F. , 2022. Rekonstruksi bangunan 3D dari gambar tampilan jalan tunggal menggunakan pembelajaran mendalam. Jurnal Internasional Pengamatan Bumi Terapan dan Geoinformasi, 112, 102859.
Piadyk, Y., dkk., 2023. StreetAware: Kumpulan data pemandangan perkotaan multimoda yang tersinkronisasi dengan resolusi tinggi. Sensor, 23 (7), 3710.
Psyllidis, A., dkk., 2022. Tempat menarik (POI): sebuah komentar tentang keadaan terkini, tantangan, dan prospek masa depan. Ilmu Perkotaan Komputasi, 2 (1).
Richter, K.F. dan Scheider, S. , 2023. Topik dan tantangan terkini dalam geoAI. KI - Künstliche Intelligenz.
Rottensteiner, F., dkk., 2014. Hasil tolok ukur ISPRS untuk deteksi objek perkotaan dan rekonstruksi bangunan 3D. ISPRS Jurnal Fotogrametri dan Penginderaan Jauh, 93, 256-271.
Shahtahmassebi, A.R., dkk. , 2021. Penginderaan jarak jauh untuk ruang hijau perkotaan: Sebuah tinjauan. Hutan Kota & Penghijauan Perkotaan, 57, 126946.
Shi, W. , 2021. Pengantar penginderaan perkotaan. Dalam: Informatika Perkotaan. Springer Singapore, 311-314.
Shin, D. , dkk. , 2015. Penginderaan perkotaan: Menggunakan smartphone untuk klasifikasi moda transportasi. Komputer, Lingkungan dan Sistem Perkotaan, 53, 76-86.
Song, Y., dkk., 2023. Kemajuan dalam geokomputasi dan kecerdasan buatan geospasial (GeoAI) untuk pemetaan. Jurnal Internasional Pengamatan Bumi Terapan dan Geoinformasi, 103300.
Tartarini, F. , Miller, C. , dan Schiavon, S. , 2022. Cozie Apple: Aplikasi seluler dan jam tangan pintar iOS untuk kepuasan kualitas lingkungan dan pengumpulan data fisiologis.
Tu, W. , dkk. , 2021. Konten buatan pengguna dan aplikasinya dalam studi perkotaan. In: Informatika Perkotaan. Springer Singapore, 523-539.
Wilson, J.P., dkk., 2020. Panduan Bintang Lima untuk Mencapai Replikasi dan Reproduksibilitas Ketika Bekerja dengan Perangkat Lunak dan Algoritma SIG. Annals of the American Association of Geographers, 111 (5), 1311-1317.
Wu, A.N. dan Biljecki, F. , 2021. Roofpedia: Pemetaan otomatis atap hijau dan atap surya untuk pendaftaran lanskap atap terbuka dan evaluasi keberlanjutan perkotaan. Lanskap dan Perencanaan Kota, 214, 104167.
Wu, W.B., dkk., 2023. Perkiraan tinggi bangunan di Cina pertama pada resolusi 10 m (CNBH-10 m) menggunakan pengamatan bumi multi-sumber dan pembelajaran mesin. Penginderaan Jauh Lingkungan, 291, 113578.
Xie, E., dkk., 2021. SegFormer: Desain sederhana dan efisien untuk segmentasi semantik dengan transformer. Kemajuan dalam Sistem Pemrosesan Informasi Neural, 34.
Xing, J. dan Sieber, R. , 2023. Tantangan dalam mengintegrasikan kecerdasan buatan yang dapat dijelaskan ke dalam GeoAI. Transaksi dalam GIS.
Xu, S., dkk. , 2022a. Mendeteksi kejadian lalu lintas spatiotemporal menggunakan data media geososial. Komputer, Lingkungan dan Sistem Perkotaan, 94, 101797.
Xu, Y., dkk., 2022b. Persepsi karakteristik penduduk perkotaan melalui pola rasa makanan berdasarkan data makanan yang dibawa pulang. Cities, 131, 103910.
Yan, Y. , dkk. , 2020. Penelitian informasi geografis sukarela pada dekade pertama: tinjauan naratif dari artikel jurnal terpilih di GIScience. Jurnal Internasional Geografi
Yang, J. , dkk. , 2021. Dampak finansial dari penghijauan di tingkat jalan pada bangunan komersial di New York. Lansekap dan Perencanaan Kota, 214, 104162.
Yang, Y., dkk., 2023. Merangkul teknologi analisis geospasial dalam studi pariwisata.
Teknologi Informasi & Pariwisata.
Yap, W. , Chang, J.H. , dan Biljecki, F. , 2022. Memasukkan jaringan dalam pemahaman semantik dari lanskap jalan: Mengkontekstualisasikan keputusan mobilitas aktif. Lingkungan dan
Perencanaan B: Analisis Perkotaan dan Ilmu Kota, 239980832211388.
Zhang, F., dkk. , 2023a. Analisis dan aplikasi citra tingkat jalan. Jurnal Fotogrametri dan Penginderaan Jauh ISPRS, 199, 195-196.
Zhang, F., dkk., 2020. Menemukan tempat yang tidak terlihat menggunakan check-in media sosial dan gambar street view. Komputer, Lingkungan dan Sistem Perkotaan, 81, 101478.
Zhang, Y. , Liu, P. , dan Biljecki, F. , 2023b. Pengetahuan dan topologi: Jaringan syaraf tiruan graf dua lapis yang bergantung pada spasial untuk mengidentifikasi fungsi-fungsi perkotaan dengan citra street view deret waktu. ISPRS Jurnal Fotogrametri dan Penginderaan Jauh, 198, 153-168.
Zhang, Z., dkk., 2022. Data area atap yang divektorkan untuk 90 kota di Cina. Data Ilmiah, 9 (1).
Zhao, T., dkk., 2023. Mengindera lanskap suara perkotaan dari citra street view. Komputer, Lingkungan dan Sistem Perkotaan, 99, 101915.