2010年、2015年、2020年郴州、桂林30米GDP空间化数据产品

基于大选择核融合的空间降尺度模型，深度整合高分辨率引导图像与100米GDP空间化数据的特征信息，实现30米高分辨率GDP估计成果。
"（1）基于多源数据融合的GDP空间化
为了实现GDP空间化，本研究首先构建GDP三个产业的多源数据集，随后提出基于空间特征向量的多通道加权融合模型（Spatial Vector-based Multi-channel Weighted Fusion Network，SVMFN）。该模型通过引入空间特征向量以解决空间自相关性问题，并利用多源数据集实现分产业建模。将三个产业的空间化结果经过线性校正与叠加，生成100米分辨率的GDP空间化数据。为了验证模型的有效性，将SVMFN与其他机器学习和深度学习方法进行对比实验，同时利用乡镇统计GDP数据对空间化结果进行精度验证，为后续空间降尺度提供数据支持。此外，对GDP及其三个产业的空间分布特征进行详细分析，并评估各产业所用多源数据集的特征重要性。
（2）基于空间降尺度的高分辨率GDP估计
为了实现高分辨率GDP估计，本研究借鉴引导图像空间降尺度方法，提出基于大选择核融合的空间降尺度模型（Large Selective Kernel Fusion Network for Spatial Downscaling，LSKF-Net）。该模型由特征提取模块、大选择核融合模块和图像重构模块三部分组成，充分整合100米GDP空间化数据与高分辨率引导图像，实现10米分辨率GDP估计。为验证模型的优势，将其与传统插值方法及其他空间降尺度模型进行对比；同时，通过与原始100米GDP空间化数据以及其他1km GDP空间化产品在精度和空间分布上的对比分析，进一步验证模型结果的准确性。"