导读:本文包含了制图尺度论文开题报告文献综述及选题提纲参考文献，主要关键词:房价,深度学习,微观尺度,卷积神经网络
制图尺度论文文献综述
姚尧,任书良,王君毅,关庆锋[1]（2019）在《卷积神经网络和随机森林的城市房价微观尺度制图方法》一文中研究指出随着中国城市化进程的加快,城市人口的大规模集聚带来了住房紧张的问题,房价政策制定的时效性与正确性也时刻吸引着社会的关注,因此在微观尺度下对房价进行精细化制图变得愈发重要。由于数据可获取性和现有模型精度的限制,目前已有研究均较少涉及微观尺度。本研究通过将房价数据和遥感影像相融合,构建了一种基于卷积神经网络(CNN)和随机森林(RF)的遥感影像挖掘模型,以实现在不考虑其他数据的情况下,精确、合理地进行房价的微观尺度制图。本文以武汉市作为研究区,在仅有房价数据和遥感影像的情况下,利用本文所构建的模型成功得到武汉市中心城区5 m精度的精细房价图。此外,还利用其他数据源以及挖掘技术与本文所构模型进行了对比分析。结果显示,本文所构建的模型获得了最高的房价模拟拟合优度(R2=0.805),相比传统方法中的最高拟合优度(R2=0.653)其精度提升了23.28%,其制图结果可为政府部门规划决策及武汉市经济分布研究提供基础支撑。(本文来源于《地球信息科学学报》期刊2019年02期）
周银[2]（2018）在《西藏土壤有机碳数字制图与环境影响因子多尺度研究》一文中研究指出土壤有机碳(Soil organic carbon,SOC)是地球生态系统中最大的碳库,与全球气候变化、土壤质量息息相关,是环境生态学与农学的重要指标。土壤是大气与生物群落的物质交换的基质,是碳循环的重要场所和通道,既是温室气体的排放源又具有巨大的储碳潜力。青藏高原是地球上低纬度面积最大、海拔最高的冻土区,潜藏着大量的土壤有机碳。高原生态系统比较脆弱,对气候变化十分敏感。因而研究青藏高原的土壤有机碳空间分布及其环境影响因子对深入探究全球气候变化下的碳循环及动态变化具有重要的意义与作用。本文以土壤发生学为理论基础,利用数据挖掘方法,结合第二次土壤普查的1148个历史样点数据和多个环境变量数据进行土壤有机碳-环境因子建模,预测了西藏地区表层30cm 土壤有机碳的空间分布及其不确定性图,利用二维经验模态分解(2DEMD)法探讨了在不同尺度和不同位置下土壤有机碳与环境变量的相关关系及主控因子,并估算了西藏土壤有机碳的储量。论文主要研究内容和结果如下:(1)针对青藏高原地形复杂、土壤有机碳空间变异与垂直变异共存的地理特征,基于Cubist数据挖掘方法,采用历史土壤数据并结合多种环境因子,预测了 90 m高分辨率的1980s末西藏地区土壤有机碳空间分布图及其不确定性。不确定性分析表明土壤有机碳制图结果的可靠性与样点分布密度密切相关。通过独立样本验证,制图精度(LCCC,林的一致性相关系数)和误差(RMSE,均方根误差)分别为0.66和0.19%,与其他类似的大尺度土壤有机碳数字制图研究的预测精度相当。通过与 SoilGrids、Harmonized World Soil Database(HWSD)等国际上现有土壤有机碳数据比较发现本研究的预测结果大大提高了西藏地区土壤有机碳空间分布的数据精度,很好地揭示其空间变异及垂直变异。本研究的结果为今后青藏高原的研究提供了更好的基础数据。(2)本研究采用二维经验模态分解方法,将西藏地区土壤有机碳空间分布分解成不同尺度下的内蕴模态函数(IMF),IMF1、IMF2、IMF3的尺度从小到大,分别为SOC在约7km、95km、331km左右的变异,残差的变异在1277km左右。结果显示高程和植被指数(NDVI)等因子与土壤有机碳在小尺度的空间变异(IMF1)相关性高,而温度、降雨、日照辐射、蒸散量(ET)等与土壤有机碳在中大尺度上的空间变异(IMF2、IMF3)相关性高。通过方差分解分析,土壤/母质和气候因子中大尺度上对SOC的变异有更高的方差解释量,而在小尺度上,地形对SOC的解释量更多。高寒地带,环境因子与SOC的关系与其他地区不同,相关性的强弱随位置与尺度的变化而变化。同时相关关系(正相关或负相关)受西藏地区的地形分区、冻土分布、地貌类型等影响,表明西藏地区不同地区对土壤有机碳累积的限制因子不同。(3)高寒山区地形起伏剧烈,通过网格数据计算土壤有机碳时由于网格的水平面积与实际地表面积的差异,会使土壤有机碳储量被低估。本文研究通过引入地形修正系数,基于预测的高精度土壤有机碳分布图,修正了西藏地区表层30 cm 土壤有机碳计算储量,原始土壤有机碳被低估了 9.6%,经修正后储量为7.47 Pg。通过结果分析,我们发现受气候、地形的影响,西藏地区森林、草原土壤有机碳与高纬度低温地区的有机碳密度类似,普遍高于同纬度其他地区的土壤有机碳密度。(本文来源于《浙江大学》期刊2018-06-01）
史静静,杨琳,曾灿英,朱阿兴,秦承志[3]（2018）在《土壤制图中多目标属性的环境因子及其尺度选择——以黑龙江鹤山农场为例》一文中研究指出研究影响不同土壤属性空间分布的协同环境因子及其作用尺度,对于理解不同土壤属性的成土发展、土壤推测制图及针对多种土壤属性的空间采样设计具有重要意义。针对多种土壤属性,探索不同土壤属性的重要相关环境因子及其作用尺度,并就不同环境因子及其尺度的不同对土壤属性推测制图的影响展开研究。以黑龙江省鹤山农场为研究区,以表层砂粒、粉粒、黏粒、有机质含量和土壤厚度5种土壤属性为研究对象,根据计算邻域窗口大小的不同,生成173个不同尺度的地形因子,对单尺度地形因子和多尺度地形因子进行重要性排序,并根据重要性排序构建单尺度环境因子集1和多尺度环境因子集2,和基于专家知识选出的基准环境因子集3进行制图精度的对比。结果表明:当单尺度地形因子进行重要性排序选择时,所选出的5种土壤属性的重要相关环境因子与基准环境因子集3明显不同。当多尺度环境因子参与时,尽管对各土壤属性的作用尺度不同,各土壤属性排名靠前的因子绝大多数是基准环境因子。砂粒和粉粒的重要相关因子及作用尺度相当,但与黏粒的重要相关因子和作用尺度差别很大,有机质和土壤厚度的重要相关因子十分相似。环境因子集2较基准环境因子集3的制图精度显着提高,RMSE均值提高百分比为7.8%~21.3%,较环境因子集1的制图RMSE均值提高百分比为8.7%~16.5%。因此,针对不同的土壤属性进行制图或采样设计时,需充分考虑其环境因子和作用尺度的不同,针对基准环境因子选择适宜的尺度较选择不同的相关环境因子更重要。(本文来源于《地理研究》期刊2018年03期）
秦野[4]（2016）在《大尺度环境的多机器人视觉激光同步定位与制图研究》一文中研究指出移动机器人的同步定位与制图(SLAM,Simultaneous Localization and Mapping)是移动机器人在未知环境下工作的核心技术。随着机器人的技术快速发展,研究人员提出了很多优秀的SLAM算法,但大都集中在单机器人上,当机器人工作在环境规模比较大或者环境比较复杂的条件下时,单机器人就无法稳定的实现SLAM。本文提出了基于激光和视觉的多机器人SLAM算法,来解决单机器人效率低、任务量小、系统鲁棒性弱的问题。虽然多机器人SLAM可以有效解决单机器人的问题,但是它也面临了单机器人所没有的挑战。首先机器人不知道各自初始相对位置关系,导致无法直接建立机器人之间的联系,进而无法预知合适的策略将多个机器人地图融合成一张完整性和连续性的地图。其次,每个机器人的定位都存在累积误差,这些累积误差在地图融合后会迭加,从而导致融合后的地图出错,如何消除这些误差的影响也是一个难点。针对以上问题,本文提出了一种基于激光和视觉融合的方法,来实现多机器人SLAM算法。激光SLAM具有实时性高和建图精确的优点,但是当机器人处于环境结构比较相似或者比较复杂的环境中,只依靠激光很容易做出错误的闭环检测,进而导致建图效果不理想。而视觉具有信息丰富的特点和快速场景识别能力,所以本文提出了采用视觉辅助激光的方法来帮助机器人进行闭环检测,从而消除单机器人累积误差对于地图创建和定位的影响。此外,多个机器人通过TCP/IP Socket交换各自的视觉信息,彼此之间利用视觉信息,建立与其他机器人之间的联系。当一个机器人走到另一个机器人的曾经走过的轨迹时,通过本文采用的视觉场景识别算法,就可以建立多机器人位姿图节点之间的位姿约束关系。以这些节点为桥梁,通过随机抽样一致性和最小二乘算法,我们就可以求出多个机器人坐标系之间的变换关系,通过这个变换关系将多个机器人的位姿图变换到一个坐标系下,从而完成位姿图的融合。融合后的位姿图用高斯牛顿迭代算法进行优化可以矫正累积误差的影响,最后结合每个节点的激光数据,就可以生成全局栅格地图。无论单机器人的闭环检测还是多机器人约束建立都用到视觉的场景识别算法,本文为了提高场景识别算法的效率,采用ORB特征和视觉词袋技术,使用视觉单词表示图像提取的ORB特征,并根据视觉单词建立查询表文件,由于匹配查询表文件非常迅速,从而提高了匹配效率,保证场景识别算法的实时性。为了验证本文所提算法的有效性,本文搭建了基于Turtlebot的多机器人实验平台,并在在不同的实验环境下进行了多组实验,多个机器人融合后地图与真实环境基本一致,从而验证了算法的有效性和可行性。本文所获得的成果可以广泛的应用于家庭服务机器人、物流机器人、无人机等领域,对于机器人的在我国应用推广有较大的意义。(本文来源于《哈尔滨工业大学》期刊2016-12-01）
张清林,林泉,周伟[5]（2016）在《基于多尺度公开版地图数据库的制图综合指标与模型的建立研究》一文中研究指出以福建省公开版地图数据库为研究对象,建立1∶250 000、1∶500 000与1∶1 000 000等多尺度公开版地图数据库的制图综合规则。并以居民点和河流要素为例,建立各级比例尺下的选取指标和综合模型,通过综合前后曲线节点数变化、曲线长度比、位置误差及缓冲区限差等指标对河流要素综合结果进行质量评价,获得最适河流综合参数。(本文来源于《测绘与空间地理信息》期刊2016年04期）
李衡荣,张黎明,李晓迪,于东升,史学正[6]（2016）在《不同制图尺度及土壤数据对土壤全磷储量估算的影响》一文中研究指出准确计算农田土壤磷储量对农业可持续发展和面源污染治理具有重要意义,但以往的磷储量研究并没有考虑不同土壤数据源和制图尺度造成的估算误差.本文以江苏北部29个县(市)约393×10~4hm~2旱地为例,分析了我国《县级土种志》、《地级市土种志》、《省级土种志》和《中国土种志》中记录土壤剖面资料分别建立的1∶5万、1∶25万、1∶50万、1∶100万、1∶400万和1∶1000万数据库对土壤全磷储量估算的影响.结果表明:与数据最详细、记录有983个土壤剖面的《县级土种志》1∶5万尺度全磷密度和储量相比,其他不同土壤数据源建立的各个尺度土壤数据库估算的全磷密度和储量相对偏差分别在4.8%~48.9%和1.6%~48.4%.大部分《县级土种志》和《地级市土种志》土壤数据源建立的不同尺度全磷密度与《县级土种志》1∶5万尺度之间存在极显着或显着差异,《省级土种志》和《中国土种志》土壤数据源建立的不同尺度全磷密度与《县级土种志》1∶5万尺度之间均存在极显着差异,说明在旱地磷储量估算的研究中,选择适宜的制图尺度和土壤数据源是非常必要的.(本文来源于《应用生态学报》期刊2016年06期）
李衡荣[7]（2016）在《制图尺度和土壤数据源对旱地土壤有机碳模拟的影响》一文中研究指出二氧化碳(C02)是大气中主要的温室气体,其浓度升高引起的全球变暖对当今全球环境、社会和经济等产生着巨大影响,它不仅关系到各国的经济发展和能源安全,而且将深刻影响着人类未来的生存和发展。我国旱地土壤占农田土壤总面积的70%以上,且土壤有机碳含量总体较低,如采取合理的农业管理措施未来我国旱地土壤有很大的“增汇”空间,而准确估算土壤有机碳动态变化是实行农业固碳措施的基础。基于此,本研究以模拟生物地球化学过程较为成熟的DNDC模型为例,选择基本上为旱地的江苏北部29个县(市)(简称“苏北地区”)作为研究区,分别用模型常用的“图斑单元法”和“县级单元法”模拟该地区390多万hm2早地在《县级土种志》、《地级市土种志》、《省级土种志》和《中国土种志》4种数据源记录土壤剖面资料分别建立的1：5万、1：25万、1：50万、1：100万、1：400万和1：1000万6种制图比例尺1980-2009年的土壤有机碳演变,并将不同数据源、制图尺度和模拟方法下的模拟结果与数据最详尽的《县级土种志》1：5万数据库“图斑单元法”模拟值进行比较,分析同种数据源不同制图尺度、同种制图尺度不同数据源数据库采用“图斑单元法”和“县级单元法”的模拟误差,尝试从区域角度评价不同土壤数据源、制图尺度和模拟方法下模型的适应性,定量化模拟误差,研究结果可为江苏北部地区和我国旱地有机碳模拟中选择适宜的土壤数据源、制图尺度和模拟方法提供理论依据。主要研究结论如下：(1)在土壤数据最详尽的《县级土种志》1：5万数据库“图斑单元法”下苏北早地1980～2009年土壤(0-50 cm)有机碳密度呈现增大趋势,从1980的26.47 Mg C hm-2上升到了2009年的35.15Mg Chm-2,30年间土壤有机碳密度共增加了8.68 Mg Chm-2,年平均增加速率为0.29 Mg C hm-2。总体来看,苏北早地近30年来呈现强烈的“碳汇”状态。(2)在“图斑单元法”下,苏北早地土壤有机碳的演变模拟受土壤数据源和制图尺度影响很大。不同数据源下各个制图尺度年均SOCD(土壤有机碳密度)和SOCS(土壤有机碳储量)与数据最详细的《县级土种志》1：5万尺度“图斑单元法”相对偏差分别介于0.5%～-18.8%和0.4%～18.1%。其中,从不同土壤数据源同种制图尺度来看,《县级土种志》和《地级市土种志》中由于记录了大量的土壤剖面资料,这两个数据源下同种制图尺度的年均SOCD和SOCS与《县级土种志》1：5万尺度的相对偏差比较小,分别介于0.5%～6.3%和0.4%～8.6%之间；而《省级土种志》和《中国土种志》中由于记录了较少的土壤剖面数据,这两种数据源下同种制图尺度的年均SOCD和SOCS与《县级土种志》1：5万尺度相对偏差比较大,分别介于6%-19%和5%～18%之间。从同种土壤数据源不同制图尺度来看,虽然整个地区上存在大尺度年均SOCD和SOCS与《县级土种志》1：5万尺度的相对偏差大于小尺度的现象,但从各土类和县(市)来看,模拟误差总体上呈现：1：5万<1：25万<1：50万<1：100万<1：400万<1：1000万的规律。此外,T检验表明大部分土壤数据源下各个制图尺度年均SOCD与数据最详细的《县级土种志》1：5万尺度之间存在极显着差异(p<0.001)。因此,在今后国家或区域尺度土壤有机碳演变模拟中使用详尽的土壤属性资料和大比例尺土壤图是十分必要的。(3)在“县级单元法”下,苏北旱地土壤有机碳演变模拟受土壤数据源和制图尺度的影响也很明显。不同土壤数据源下各个制图尺度年均SOCD和SOCS与数据最详细的《县级土种志》1：5万尺度“图斑单元法”相对偏差分别介于3.7%～64.9%和1.0%-66.4%。另外,在不同土壤数据源相同制图尺度下,尽管整个研究区上存在剖面数较少的土壤数据源建立的各个制图尺度与《县级土种志》1：5万尺度“图斑单元法”相对偏差小于剖面数较多的土壤数据源建立的各个制图尺度的现象,但从年均SOCD和SOCS最大值和最小值范围包含《县级土种志》1：5万尺度“图斑单元法”相应值和年均SOCD空间分布来看,各尺度的模拟误差总体呈现出： 《县级土种志》<《地级市土种志》<《省级土种志》<《中国土种志》的规律。在不同制图尺度同种土壤数据源下,尽管整个区域上也存在大尺度年均SOCD和SOCS与《县级土种志》1：5万尺度“图斑单元法”的相对偏差大于小尺度的现象,但从年均SOCD和SOCS最大值和最小值范围包含《县级土种志》1：5万尺度“图斑单元法”相应值和年均SOCD空间分布来看,各土壤数据源建立的制图尺度模拟误差总体呈现：1：5万<1：25万<1：50万<1：100万<1：400万<1：1000万的规律,这也进一步说明了详细的土壤属性资料和精度较高的土壤尺度是保证有机碳准确模拟的基础。(4)苏北早地土壤有机碳的演变模拟受模拟方法的影响也很大。大多数《县级土种志》、《地级市土种志》和《省级土种志》数据源建立的各个制图尺度“县级单元法”下的年均SOCD和SOCS与数据最详细的《县级土种志》1：5万尺度“图斑单元法”相对偏差,比相同数据源下各制图尺度的“图斑单元法”的大很多。此外,虽然整个地区上存在《中国土种志》数据源建立的各制图尺度“县级单元法”年均SOCD和SOCS与《县级土种志》1：5万尺度“图斑单元法”相对偏差,小于《中国土种志》数据源建立的相应制图尺度“图斑单元法”的现象,但从各县(市)年均SOCD及其空间分布来看,“县级单元法”的模拟误差明显大于各相应制图尺度的“图斑单元法”。因此,在今后的DNDC土壤有机碳演变模拟中选择“图斑单元法”可能比“县级单元法”更可靠。(5) Pearson简单相关分析表明,初始土壤有机碳与不同数据源各个制图尺度的年均SOCD在P<0.01水平上呈现高度正相关关系,相关系数处于0.919～0.990之间,是决定有机碳密度变化的主控因子；进一步多元线性逐步回归分析也显示,初始土壤有机碳对不同数据源各个制图尺度的年均SOCD变异解释度最高,都处于84.44%～98.00%之间,pH、黏粒和容重对苏北旱地的年均SOCD的影响较小,且均不稳定。(本文来源于《福建农林大学》期刊2016-04-01）
胡建龙,李德玉,白鹤祥[8]（2016）在《组合粗尺度异质性和细尺度匀质性的像元交换算法用于超分辨率制图》一文中研究指出空间依赖性的刻画对超分辨率制图方法起着关键作用。根据观察及实验,粗尺度空间能更好地刻画空间地物异质性,同时细尺度空间能更好地刻画空间地物的匀质性。因此提出了一种结合粗尺度空间异质性和细尺度空间匀质性的像元交换算法用于超分辨率制图。提出的基于组合粗尺度异质性和细尺度匀质性的空间依赖性度量能更好地刻画复杂地物环境。在合成影像上的实验结果验证了提出的算法能在保持分数信息不变的前提下获得更高的制图精度。(本文来源于《计算机科学》期刊2016年02期）
王磊,顾晓鹤,王宝山,王延仓,陈艳玲[9]（2015）在《基于HJ-1A超光谱影像的县域尺度耕地土壤速效磷含量遥感制图研究》一文中研究指出及时、准确地获取耕地土壤养分含量信息,对于作物田间管理、产量提升和耕地环境保护具有重要意义。本研究基于HJ-1A超光谱遥感影像数据,结合野外实测样本,通过光谱反射率多种数学变换,利用相关性分析法提取土壤速效磷含量的敏感波段及特征波段组合,然后基于多元回归分析方法,建立各种敏感波段组合的土壤速效磷光谱诊断模型,筛选最优诊断模型,并基于野外样本开展精度验证,实现耕地土壤速效磷含量的空间制图。研究结果表明,土壤速效磷含量与四种微分变换形式的相关性较高,而与其他四种非微分形式的相关性较低;其中反射率对数的一阶微分的预测模型决定系数R2最大,可达到0.70,且均方根误差最小,因此确定光谱反射率对数的一阶微分预测模型为土壤速效磷含量的最优诊断模型,并可据此实现研究区耕地土壤速效磷含量的空间制图;利用未参与建模的野外样本进行精度验证,检验样本的决定系数R2为0.67,均方根误差RMSE为15.31 mg kg-1。因此,以环境小卫星超光谱影像为数据源,基于多元回归分析方法,可建立具有较高精度的土壤速效磷含量预测模型,实现县域尺度的耕地土壤速效磷含量空间制图。(本文来源于《土壤通报》期刊2015年06期）
郭伟[10]（2015）在《夜间灯光数椐和MODIS数据用于大尺度不透水面制图研究》一文中研究指出不透水面被定义为水不能透过的人工制造的地表面。它们主要是基于满足人类活动和居住而建设的相关的交通基础设施与建筑。不透水面是定量评价城市发展、城市生态学以及城市环境等前沿领域研究的重要要素,广泛地应用于城市土地利用分类、居住人口的评估、城市土地利用规划以及城市环境评估,特别是水环境面源污染以及径流影响方面。但是大尺度的不透水面作为区域和全球城市化问题的重要驱动因子,在区域和全球大尺度范围内进行制图仍然是一项挑战。低分辨率遥感数据可以快速、大范围的获取地面数据,是大尺度不透水面制图的有效手段。其数据源主要有MODIS (1000m,500m)、AVHRR、DMSP-OLS、VIIRS-DNB等。但是低分辨率的遥感影像如MODIS, AVHRR等存在的混合像元问题,仍旧是制约大尺度快速精确制图的主要因素。主要研究区域集中于城市的灯光数据如DMSP-OLS,VIIRS-DNB则具有很好的大尺度不透水面精确制图潜力,但是灯光数据本身也存在诸如数据饱和、空间分辨率过低等问题,使得大尺度的精确地不透水面制图受到影响。美国国防气象卫星计划的线扫描应用系统(DMSP-OLS)作为一种低分辨率遥感数据,包含了许多与城市相关的信息,同样也与城市不透水面信息密切相关,该数据是大尺度不透水面制图的有力工具。研究中提出了一种新的融合变量——归一化不透水面指数(NISI),该指数通过结合低分辨率的DMSP-OLS与比其分辨率高的MODIS NDVI,克服了传统的阈值法容易遗漏较小不透水面以及不能表现空间细节的缺点。研究表明基于DMSP-OLS口MODIS NDVI的融合变量NISI表现出了比单一的DMSP-OLS或者MODIS NDVI更高的制图精度,该合成变量用于大尺度不透水面制图是极具潜力的。通过线性回归方法用于融合变量的不透水面制图结果大大改善了不透水面分布的空间信息和制图精度。文章提出的NISI融合变量具备快速的更为精确的估算大尺度不透水面的能力,该方法节约了时间和人力成本。DMSP-OLS常常被用来进行区域或者全球尺度的不透水面制图,但是其较低的空间分辨率、数据饱和以及数据溢出等造成了不透水制图精度较低。美国国家极地轨道伙伴计划(SNPP)的可见光红外成像辐射仪具有白天／夜间模式的波段(VIIRS-DNB),具有比DMSP-OLS更高的空间分辨率和量化动态范围,为不透水面空间分布制图提供了新的视角,但是还没有真正应用到相关的大尺度不透水面制图研究中。在本文研究中,创建了一个基于VIIRS-DNB和MODIS NDVI的新变量—大尺度不透水面指数(LISI),用于不透水面分布制图。研究中采用线性回归方法,从LISI图像中选出的样点作为自变量,从相应的高分辨率Landsat影像中提取的不透水面作为因变量。结果显示基于LISI的不透水面制图比基于单变量的VIIRS-DNB或MODIS NDVI有更高的精度和空间分布信息,总体的RMSE达到了0.11。因此,LISI是进行大尺度不透水面分布制图的可靠变量。不透水面对城市化以及带来的环境问题的研究非常重要,DMSP-OLS, MODISNDVI和新的灯光数据VIIRS-DNB为大尺度不透水面研究提供新的方法,但是上述单变量的低分辨率数据用于大尺度不透水面制图精度仍然较低,缺乏通用性。研究中通过分析低分辨DMSP-OLS数据,中等分辨率的MODIS NDVI (250m)以及新的灯光数据VIIRS-DNB,对比了叁种数据用于大尺度不透水面制图的效果并做了不确定性分析。除此之外,通过将上述两种灯光数据与植被数据的两两结合产生了新的融合变量,并将这些新的融合变量应用于不同的地区,结果显示融合变量比单变量的不透水面制图精度更高,空间细节表现更好,适用性也更强。尤其是本文提出的通过VIIRS-DNB和MODIS NDVI结合生成的新变量LISI,虽然比最近提出的融合变量——植被校正归一化城市指数(VANUI)精度稍差,但是该指数能更好的区分城市核心区与郊区地带。机器学习语言作为一种非参数的算法既可以用来做分类研究也可以做回归分析,基于机器学习语言的分类方法已经应用到低分辨的DMSP-OLS数据和植被数据的不透水面制图研究中,并且也得到了较好的结果,但是机器学习语言的回归方法目前还很少应用于DMSP-OLS数据和低分辨率遥感影像及融合变量影像,尤其是利用上述数据的大尺度不透水面分布制图研究则更少涉及,目前基于上述低分辨率数据的不透水面制图研究还仅限于线性回归和多元回归方法。与此同时,很多其它基于遥感图像的研究表明非参数的机器学习语言往往比线性回归和多元回归的效果更好,精度更高。因此,本研究将采用BP-ANN回归和SVM回归方法结合本文提出的合成变量NISI用于大尺度不透水面制图。除此之外,还将机器学习语言方法用于单变量DMSP-OLS和MODIS NDVI与基于合成变量NISI的不透水面制图结果作对比。(本文来源于《武汉大学》期刊2015-11-28）
制图尺度论文开题报告
（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：
土壤有机碳(Soil organic carbon,SOC)是地球生态系统中最大的碳库,与全球气候变化、土壤质量息息相关,是环境生态学与农学的重要指标。土壤是大气与生物群落的物质交换的基质,是碳循环的重要场所和通道,既是温室气体的排放源又具有巨大的储碳潜力。青藏高原是地球上低纬度面积最大、海拔最高的冻土区,潜藏着大量的土壤有机碳。高原生态系统比较脆弱,对气候变化十分敏感。因而研究青藏高原的土壤有机碳空间分布及其环境影响因子对深入探究全球气候变化下的碳循环及动态变化具有重要的意义与作用。本文以土壤发生学为理论基础,利用数据挖掘方法,结合第二次土壤普查的1148个历史样点数据和多个环境变量数据进行土壤有机碳-环境因子建模,预测了西藏地区表层30cm 土壤有机碳的空间分布及其不确定性图,利用二维经验模态分解(2DEMD)法探讨了在不同尺度和不同位置下土壤有机碳与环境变量的相关关系及主控因子,并估算了西藏土壤有机碳的储量。论文主要研究内容和结果如下:(1)针对青藏高原地形复杂、土壤有机碳空间变异与垂直变异共存的地理特征,基于Cubist数据挖掘方法,采用历史土壤数据并结合多种环境因子,预测了 90 m高分辨率的1980s末西藏地区土壤有机碳空间分布图及其不确定性。不确定性分析表明土壤有机碳制图结果的可靠性与样点分布密度密切相关。通过独立样本验证,制图精度(LCCC,林的一致性相关系数)和误差(RMSE,均方根误差)分别为0.66和0.19%,与其他类似的大尺度土壤有机碳数字制图研究的预测精度相当。通过与 SoilGrids、Harmonized World Soil Database(HWSD)等国际上现有土壤有机碳数据比较发现本研究的预测结果大大提高了西藏地区土壤有机碳空间分布的数据精度,很好地揭示其空间变异及垂直变异。本研究的结果为今后青藏高原的研究提供了更好的基础数据。(2)本研究采用二维经验模态分解方法,将西藏地区土壤有机碳空间分布分解成不同尺度下的内蕴模态函数(IMF),IMF1、IMF2、IMF3的尺度从小到大,分别为SOC在约7km、95km、331km左右的变异,残差的变异在1277km左右。结果显示高程和植被指数(NDVI)等因子与土壤有机碳在小尺度的空间变异(IMF1)相关性高,而温度、降雨、日照辐射、蒸散量(ET)等与土壤有机碳在中大尺度上的空间变异(IMF2、IMF3)相关性高。通过方差分解分析,土壤/母质和气候因子中大尺度上对SOC的变异有更高的方差解释量,而在小尺度上,地形对SOC的解释量更多。高寒地带,环境因子与SOC的关系与其他地区不同,相关性的强弱随位置与尺度的变化而变化。同时相关关系(正相关或负相关)受西藏地区的地形分区、冻土分布、地貌类型等影响,表明西藏地区不同地区对土壤有机碳累积的限制因子不同。(3)高寒山区地形起伏剧烈,通过网格数据计算土壤有机碳时由于网格的水平面积与实际地表面积的差异,会使土壤有机碳储量被低估。本文研究通过引入地形修正系数,基于预测的高精度土壤有机碳分布图,修正了西藏地区表层30 cm 土壤有机碳计算储量,原始土壤有机碳被低估了 9.6%,经修正后储量为7.47 Pg。通过结果分析,我们发现受气候、地形的影响,西藏地区森林、草原土壤有机碳与高纬度低温地区的有机碳密度类似,普遍高于同纬度其他地区的土壤有机碳密度。
（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。
制图尺度论文参考文献
[1].姚尧,任书良,王君毅,关庆锋.卷积神经网络和随机森林的城市房价微观尺度制图方法[J].地球信息科学学报.2019
[2].周银.西藏土壤有机碳数字制图与环境影响因子多尺度研究[D].浙江大学.2018
[3].史静静,杨琳,曾灿英,朱阿兴,秦承志.土壤制图中多目标属性的环境因子及其尺度选择——以黑龙江鹤山农场为例[J].地理研究.2018
[4].秦野.大尺度环境的多机器人视觉激光同步定位与制图研究[D].哈尔滨工业大学.2016
[5].张清林,林泉,周伟.基于多尺度公开版地图数据库的制图综合指标与模型的建立研究[J].测绘与空间地理信息.2016
[6].李衡荣,张黎明,李晓迪,于东升,史学正.不同制图尺度及土壤数据对土壤全磷储量估算的影响[J].应用生态学报.2016
[7].李衡荣.制图尺度和土壤数据源对旱地土壤有机碳模拟的影响[D].福建农林大学.2016
[8].胡建龙,李德玉,白鹤祥.组合粗尺度异质性和细尺度匀质性的像元交换算法用于超分辨率制图[J].计算机科学.2016
[9].王磊,顾晓鹤,王宝山,王延仓,陈艳玲.基于HJ-1A超光谱影像的县域尺度耕地土壤速效磷含量遥感制图研究[J].土壤通报.2015
[10].郭伟.夜间灯光数椐和MODIS数据用于大尺度不透水面制图研究[D].武汉大学.2015