导读:本文包含了土地利用对比论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感,土地利用类型分类,分类方法,精度评价
土地利用对比论文文献综述
白宇兴[1]（2019）在《基于Landsat8的土地利用分类方法对比研究——以西安市未央区为例》一文中研究指出研究土地利用类型分类对土地规划有着重要的意义。遥感技术对土地利用类型分类提供技术性支持。随着遥感技术的不断发展,遥感影像分类方法不断涌现,不同的分类方法会有精度不一的问题,对其在土地利用类型分类中产生了一定的影响。本文以西安市未央区为研究区域,依据landsat8 OLI影像,采用最小距离分类法、马氏距离分类法、支持向量机分类法、神经网络分类法和最大似然分类法,对研究区进行土地利用类型分类,并对其分类结果进行精度比较。结果表明:总体上看,最大似然分类法的Kappa系数和整体分类精度均高于其他分类方法,其次为神经网络分类法、支持向量机分类法、马氏距离分类法、最小距离分类法。从不同土地利用类型来看,相较于其他分类方法,最大似然法仍表现出理想的分类效果。本研究可以对土地利用分类方法的选择提供理论依据,以期为今后的土地利用工作提供决策性支持。(本文来源于《西部大开发(土地开发工程研究)》期刊2019年11期）
赵美玲,侯成磊[2]（2019）在《基于Sentinel-1A微波数据的土地利用信息提取方法对比》一文中研究指出本文基于哨兵卫星Sentinel-1A双极化微波遥感数据,应用H/Alpha-Wishart、H/A/Alpha-Wishart两种非监督分类和Wishart迭代分类、支持向量机(SVM)两种监督分类方法分别对上海及长江入海口区域进行地物信息提取。对遥感数据进行预处理,利用H/A/Alpha极化目标分解提取极化特征参数;对影像进行非监督分类,对比非监督分类结果,计算分类精度;利用Wishart分类器和SVM分类器进行监督分类;参考Google earth等地图工具,对研究区的训练样本进行选取,将训练样本和极化参数带入分类器进行训练并不断调整参数,得到分类结果;进行精度分析,对比各分类方法的分类精度。由最终分类结果可知:监督分类对图像的解译效果最好,可解释性强,SVM监督分类结果最好,H/Alpha-Wishar最差,非监督分类方法中增加了A的H/A/Alpha-Wishart,非监督分类精度得到了提升。(本文来源于《西部大开发(土地开发工程研究)》期刊2019年10期）
王东,李凯,张百祖,苗俊霞,朱敏翔[3]（2019）在《中东亚内陆河流域土地利用变化及环境效应对比研究——以疏勒河和扎因代河流域为例》一文中研究指出选取中国河西走廊地区的疏勒河流域和伊朗中部的扎因代河流域,应用遥感和地理信息系统技术,对比研究两流域近25 a土地利用变化及生态环境效应.结果表明,过去25 a两流域耕地面积均呈持续增长态势,且疏勒河流域耕地增幅比(0.29%)是扎因代河流域(0.18%)的1.6倍.疏勒河流域增加的耕地面积主要来源于草地,扎因代河流域主要来源于林地.疏勒河流域草地面积呈先减少后增加的态势,主要由未利用地向草地转变所致;扎因代河流域呈先增加后减少的态势,主要来源于林地的退化,且波动幅度大于疏勒河流域.疏勒河流域林地面积呈增加态势,主要因未利用地和草地的人工植树造林所致.扎因代河流域林地呈持续减少态势.疏勒河流域的生态环境质量指数整体呈增加趋势,以生态环境质量不断改善为主导;扎因代河流域生态环境质量指数呈显着减少趋势,以生态环境质量持续恶化为主导.疏勒河流域未利用地转化成林草地是生态环境改善的主要原因,扎因代河林地退化是生态环境恶化的主要原因,疏勒河流域的生态环境保护政策可以对扎因代河流域以及"一带一路"沿线的干旱区提供有益的借鉴.(本文来源于《兰州大学学报(自然科学版)》期刊2019年04期）
王文渊,郑子健,吴晓磊,黄俊,徐蕴卓[4]（2019）在《港口及临港土地利用分类方法对比研究》一文中研究指出本文从构建逻辑、体系结构和应用特征叁个方面,探究了港口及临港土地利用分类体系的构建思路。提出了面向港城协同发展的多层次、针对性的土地分类结构,并分析了其与现行城市用地标准的衔接关系。同时也阐明了构建港口及临港土地分类体系在临港土地功能演化、港城协同发展模式以及港口及临港土地利用效益评价等研究问题中的应用价值。(本文来源于《港工技术》期刊2019年03期）
陈怡君,刘小波,李佩恩[5]（2019）在《基于遥感的土地利用/覆被变化对比分析——以龙泉驿区和渝北区为例》一文中研究指出利用ENVI软件进行两区遥感影像解译,结果表明两区用地变化表现为建设用地、水域、林地面积增加;未利用地、草地、耕地面积减少。龙泉驿区和渝北区LUCC动态度分别为0.83%、0.55%。(本文来源于《通讯世界》期刊2019年05期）
王权,李阳兵,刘亚香[6]（2019）在《岩溶槽谷区山坡-槽坝土地利用变化的对比研究》一文中研究指出揭示当前多因素驱动下岩溶槽谷区典型地貌单元土地利用变化的一般规律,对山坡-槽坝土地利用变化的差异性和耦合作用具有重要的意义。以2005、2010、2014、2017年高清影像为数据源并结合实地调研对解译数据进行对比验证,通过对土地利用变化的土地动态度相关指标计算,揭示了岩溶槽谷区山坡-槽坝的土地利用变化的幅度、动态度以及空间分布的共同特征与差异。结果表明:(1)随着时间的发展,在3个连续阶段岩溶槽谷区山坡-槽坝土地利用变化的幅度与动态度为:2014～2017年>2010～2014年>2005～2010年,且西部槽谷>东部槽谷>中部槽谷,槽坝的土地利用变化动态度较山坡快且稳定。(2)岩溶槽谷区山坡-槽坝的土地利用空间分布的共同特征是:城镇用地、居民用地、水田主要分布于槽坝;灌木林地、有林地、草地、山地旱地等主要分布于山坡上。由于山坡-槽坝自然环境的不同与社会经济的影响,从而形成了西中东部槽谷变化出现各自差异以及土地利用受到局限性。(本文来源于《长江流域资源与环境》期刊2019年01期）
段宁[7]（2019）在《基于ABM和机器学习的土地利用变化预测模型对比研究》一文中研究指出近年来以土地利用与覆被变化为核心的复杂人地系统演变过程受到越来越多学者的关注,而基于微观土地利用主体的模型模拟是研究土地利用演变的主要方式之一,ABM土地利用模型能够准确模拟Agent决策行为且易于建模分析,成为了当前研究土地利用变化的主流模型。土地利用转化规则的设置是ABM土地利用模型的核心。由于土地利用转化的复杂性,加之巨量的地理数据,如何有效设定ABM模型转换规则已成为提高其解释力的主要方式之一。目前,国内外众多地理学者逐渐将目光转移到机器学习与深度学习方法之上。机器学习与深度学习在数据挖掘、特征提取和建模上优势明显。如何利用机器学习与深度学习算法的优势挖掘ABM模型土地利用转化规则构建耦合其与ABM模型的新模型就成为当前的研究热点问题之一。高渠乡地处黄土高原,是我国典型的生态脆弱区。本文利用PRA和传统农户调查获取所需数据,结合机器学习算法、深度学习算法以及传统土地利用变化模型,构建新型模拟与预测土地利用变化模拟平台。该平台主要包括以下两方面内容:(1)以基于经验的BDI行为决策模型为基础,运用随机森林提取影响农户决策的变量,构建RF-BDI模型;(2)在BDI框架的指导下,运用随机森林算法选取最优特征向量,利用深度神经网络算法独立挖掘农户决策规则并构建土地利用变化模拟模型。通过分析该平台模拟结果可以得出以下结论:(1)随机森林算法与BDI模型结合可以有效模拟农户有限理性决策行为及其变化机理。以陕西省米脂县高渠乡为例,对比分析RF-BDI模型与传统BDI模型模拟结果,结果显示RF-BDI模型对传统BDI模型决策行为进行修正后,在没有明显增大计算量的基础上模拟精度提高了14%。(2)相比BDI决策模型与RF模型,RF-BDI模型的转化规则的设置更为合理。传统BDI模型是人为基于经验确定农户的决策规则,此规则设定较为简单,且过于刚性。随机森林算法虽可以“挖掘”农户土地利用行为规则,但挖掘规则过于理性,无法反应农户的随机种植行为。RF-BDI模型通过将随机森林挖掘规则与基于经验的规则进行相互印证,可以有效消除农户随机种植行为带来的误差,提高模型模拟精度。(3)虽然RF-BDI模型可以较好的模拟农户种植行为,但仍有约为20%的误差,深度学习相较于机器学习具备更好的挖掘能力与模拟能力,本文基于Keras深度学习模块,设计与调整网络结构,以陕西省米脂县高渠乡为数据源,构建深度神经网络模型,对比深度神经网络模型与RF-BDI模型模拟情况。在未设置经验规则的前提下,深度神经网络模型独立提取农户有限理性决策规则,模拟与预测高渠乡土地利用变化并与实际土地利用变化进行对比,其模型精度为85.2%,相较于RF-BDI模型,深度神经网络模型模拟精度提高约为5%。该模型可以有效模拟农户随机种植行为,并预测其未来种植倾向,为刻画高渠乡未来土地利用变化情形及其驱动机制提供了一个新方式。(4)深度神经网络模型对农户土地利用行为有较强的刻画能力,且对农户基于自身意愿的随机种植行为有强拟合能力。但深度神经网络模型仅仅能够显示农户最终种植结果,其中间过程参数过于复杂不利于分析微观层面人地系统演变的驱动机理,而RF-BDI模型可以直观反映各个影响因素在人地系统演变过程中的相对重要性,综合深度神经网络模型的模拟能力以及RF-BDI模拟在机理解释上的优点是下一步需要进行的工作。(本文来源于《西北大学》期刊2019-01-01）
张宏晔,王娜,王晶,范诗玥,张峰[8]（2018）在《基于高精遥感影像的不同海岛土地利用变化对比研究——以刘公岛和梅山岛为例》一文中研究指出海岛是重要的海洋资源,也是国土资源的重要组成部分。对海岛进行遥感监测,研究海岛的土地利用情况和变化对海岛的发展和环境保护有重要的意义。本研究利用高精卫星遥感影像,对刘公岛和梅山岛两个海岛2008年和2018年的土地利用情况进行分析和对比。研究发现,刘公岛过去10年并没有出现比较明显的土地利用变化,呈现典型的旅游业为主的土地利用特征。而梅山岛因为过去10年发生了产业转移,其土地利用也随着产业的变化而发生了明显的变化,从原来的以农业、渔业为主的土地利用特征转变为以交通运输业等第叁产业为主的土地利用特征。(本文来源于《海洋开发与管理第二届学术会议论文集》期刊2018-11-02）
李丹,梅晓丹,赵鹤,田美玲,翟慧[9]（2018）在《GF-1与Landsat-8影像土地利用遥感解译对比分析》一文中研究指出以黑龙江省嫩江县为研究区,以GF-1和Landsat-8遥感影像为数据源,运用ENVI软件,采用最大似然分类法,对研究区进行土地利用遥感解译,利用混淆矩阵对解译结果进行精度检验,并进行对比分析。结果表明:Landsat-8用地类型之间的可分离性除了草地与耕地的区分度小于1.6以外,其他用地类型的区分度都在1.6之上,而GF-1的用地类型之间可分离性都大于1.6。对于不同的用地类型,GF-1与Landsat-8的分类精度存在一定的差异。在复杂用地类型分布的地区,GF-1具有更高的精度,而在大片相同用地类型的区域,Landsat-8更接近真实值。(本文来源于《测绘工程》期刊2018年10期）
何立恒,覃伟,徐迅[10]（2018）在《不同分类方法在土地利用信息提取中的精度对比》一文中研究指出以东方市为研究区,对OLI影像分别采取基于像元的五种分类方法实施土地利用分类,自评和对比验证分析影像在不同分类方法、不同土地利用类型上的分类精度。研究结果表明:在相同样本量和没有辅助数据的情况下,监督分类精度高于非监督分类,支持向量机的分类方法能够较好地提取土地利用信息,各地类的用户精度、生产者精度较高,总体精度达88.13%,Kappa系数为0.86。不同地类的分类精度差异明显,建设用地和水域的分类精度较高,未利用地和耕地的分类精度较低,林地、草地、耕地等绿色植被之间存在混淆。该研究成果为合理选择分类方法应用于土地利用信息提取提供科学依据。(本文来源于《现代测绘》期刊2018年05期）
土地利用对比论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文基于哨兵卫星Sentinel-1A双极化微波遥感数据,应用H/Alpha-Wishart、H/A/Alpha-Wishart两种非监督分类和Wishart迭代分类、支持向量机(SVM)两种监督分类方法分别对上海及长江入海口区域进行地物信息提取。对遥感数据进行预处理,利用H/A/Alpha极化目标分解提取极化特征参数;对影像进行非监督分类,对比非监督分类结果,计算分类精度;利用Wishart分类器和SVM分类器进行监督分类;参考Google earth等地图工具,对研究区的训练样本进行选取,将训练样本和极化参数带入分类器进行训练并不断调整参数,得到分类结果;进行精度分析,对比各分类方法的分类精度。由最终分类结果可知:监督分类对图像的解译效果最好,可解释性强,SVM监督分类结果最好,H/Alpha-Wishar最差,非监督分类方法中增加了A的H/A/Alpha-Wishart,非监督分类精度得到了提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
土地利用对比论文参考文献
[1].白宇兴.基于Landsat8的土地利用分类方法对比研究——以西安市未央区为例[J].西部大开发(土地开发工程研究).2019
[2].赵美玲,侯成磊.基于Sentinel-1A微波数据的土地利用信息提取方法对比[J].西部大开发(土地开发工程研究).2019
[3].王东,李凯,张百祖,苗俊霞,朱敏翔.中东亚内陆河流域土地利用变化及环境效应对比研究——以疏勒河和扎因代河流域为例[J].兰州大学学报(自然科学版).2019
[4].王文渊,郑子健,吴晓磊,黄俊,徐蕴卓.港口及临港土地利用分类方法对比研究[J].港工技术.2019
[5].陈怡君,刘小波,李佩恩.基于遥感的土地利用/覆被变化对比分析——以龙泉驿区和渝北区为例[J].通讯世界.2019
[6].王权,李阳兵,刘亚香.岩溶槽谷区山坡-槽坝土地利用变化的对比研究[J].长江流域资源与环境.2019
[7].段宁.基于ABM和机器学习的土地利用变化预测模型对比研究[D].西北大学.2019
[8].张宏晔,王娜,王晶,范诗玥,张峰.基于高精遥感影像的不同海岛土地利用变化对比研究——以刘公岛和梅山岛为例[C].海洋开发与管理第二届学术会议论文集.2018
[9].李丹,梅晓丹,赵鹤,田美玲,翟慧.GF-1与Landsat-8影像土地利用遥感解译对比分析[J].测绘工程.2018
[10].何立恒,覃伟,徐迅.不同分类方法在土地利用信息提取中的精度对比[J].现代测绘.2018