导读:本文包含了地形分类论文开题报告文献综述及选题提纲参考文献，主要关键词:栅格DEM,地形分类,BP神经网络,山体部位
地形分类论文文献综述
周访滨,邹联华,张晓炯,孟凡一[1]（2019）在《栅格DEM微地形分类的BP神经网络法》一文中研究指出栅格DEM微地形分类是数字地形精细化应用的基础,基于规则化知识的栅格DEM微地形分类方法存在自动化程度低、分类残缺等问题。本文利用BP神经网络的优势构建了栅格DEM微地形分类的人工智能方法与实现途径。以山体部位分类为微地形分类典型样例进行试验验证与分析,试验结果表明,栅格DEM微地形分类的BP神经网络法较已有的地形因子迭加分析方法存在明显优势,不仅在流程上可避免烦琐的数据迭加分析过程,而且分类结果的完整性和错分率都得到有效改善;在山体部位分出的6种微地形中,冲积地对该方法适应性最强,准确率为100%,背坡的适应性最弱准确率为89.23%。(本文来源于《测绘通报》期刊2019年10期）
张晓炯,郭云开,周访滨,邹联华[2]（2019）在《基于随机森林的栅格DEM微观地形分类方法》一文中研究指出微观地形分类是地形分析、地貌研究、土壤制图、滑坡防治等诸多地学研究及应用领域的基础性工作。针对当前微观地形分类中以规则化知识为依据的方法自动化程度低、分类存在残缺等问题,引入人工智能领域的随机森林算法,建立了基于随机森林的栅格DEM微观地形分类方法。参考已有研究的实验区域,以栅格DEM为源数据,以山体部位分类为微观地形分类典型样例进行实验验证与分析。实验结果表明,该方法避免了烦琐的数据迭加分析过程,分类结果完整性可达到100%。(本文来源于《测绘与空间地理信息》期刊2019年10期）
薛琮琳,郭剑辉,马玲玲[3]（2019）在《基于空间特征的多平面支持向量机地形分类》一文中研究指出近年来,室外自主移动机器人在野外环境下的有着十分重要的应用,比如在野外救援和月球探测等方面。而室外复杂环境下的地形识别研究是面向移动机器人环境感知和识别的一个重要挑战。针对在室外复杂环境下的光照干扰和遮挡等因素,论文提出了一种基于金字塔化SIFT特征(SIFT Spatial Pyramid Matching,SSPM)与最小二乘相关支持向量机(Least Squares Twin Support Vector Machines,LSTSVM)相结合的地形识别方法。相较于传统的词袋式特征表示,加入了局部和空间信息特征,增强了特征对图像的表现能力,进一步提高了识别率,大大减小了训练时间。再利LSTSVM在组合得到的新特征集上学习,最后在得到的分类器上验证算法的可靠性。(本文来源于《计算机与数字工程》期刊2019年05期）
马慧娟,高小红,谷晓天[4]（2019）在《随机森林方法支持的复杂地形区土地利用/土地覆被分类研究》一文中研究指出随机森林方法目前已经成为遥感分类机器学习中一种有效方法,探索基于中等分辨率的Landsat卫星数据与随机森林方法相结合对复杂地形区长时间序列数据的获取及土地利用/土地覆被变化及模拟研究是非常有意义的。本文基于Landsat8OLI卫星多光谱数据,采用随机森林分类方法对青海省湟水流域复杂地形区土地利用类型进行了分类研究。针对复杂地形区域的情况,将研究区进行地理分区,根据每个分区的特点,选择相应的地形特征参数,并通过提取Landsat 8数据的光谱信息与纹理信息构建最优特征集,探索随机森林方法在复杂地形区土地利用分类的适用性。结果表明:使用Landsat8OLI数据进行随机森林分类,能较好地得到湟水流域复杂地形区域的土地利用类型结果;光谱、地形及纹理信息的结合在不同分区的表现结果不同。在脑山区光谱与地形信息结合能使随机森林分类效果最佳,总体精度达到91.33%,Kappa系数为0.886;而在浅山区与川水区综合考虑光谱、地形、纹理信息进行随机森林分类效果最佳,浅山区与川水区总体精度分别达到92.09%和87.85%,Kappa系数分别为0.902和0.859;利用随机森林算法进行优化选择纹理特征组合可以在保证分类精度的同时能够快速地提取土地利用类型信息,为复杂地形区土地利用类型的区分提供了实际可行的方法。(本文来源于《地球信息科学学报》期刊2019年03期）
唐战胜[5]（2019）在《古田山常绿阔叶林不同分类群萌生能力与地形及群落物种多样性的关系》一文中研究指出萌生更新是森林更新的重要方式,同时萌生更新也是植物更新生态位(regeneration niche)重要的一部分。萌生更新不仅对保证植物种群的延续上发挥着十分重要的作用,而且在群落结构、物种组成和物种多样性的维持等方面也起着非常重要的作用。在浙江古田山2007年5ha样地复查的基础上,重点对样方内的147种木本植物(DBH≧1cm),23450棵主干及萌生茎干数据,结合古田山5ha样地的地形和群落学特性,具体分析了古田山常绿阔叶林内不同分类群的萌生特性,在此基础上进一步探究了不同分类群的萌生能力在不同地形中的分布规律,以及不同分类群的萌生能力对群落物种多样性的影响。本研究将进一步完善亚热带常绿阔叶林的物种共存理论,对进一步认识萌生树种在植物群落恢复及生态系统功能的维持中发挥的作用等方面提供参考依据。主要结果与结论如下:(1)不同分类群的萌生特性:在科级水平上,古田山5ha样地内出现样方数≧3的41个科中,共有31科具有萌生能力,10科不具有萌生能力,且不同科的萌生能力差异显着。在物种水平上,古田山5ha样地内出现样方数≧3的124个物种中,共有94种具有萌生能力,30种不具有萌生能力,且不同树种的萌生能力差异显着。说明在古田山5 ha常绿阔叶林样地内,不同的分类群都普遍发生了萌生现象,且不同分类群之间的萌生能力不同,这说明了不同分类群的更新策略存在不同偏好。(2)具体分析了不同分类群的萌生能力与不同地形因子的相关性,结果表明:金缕梅科、樟科、茜草科、杜英科以及檵木、栲树、钩栲的萌生能力随着海拔的升高而增强,甜槠、厚皮香、腺蜡瓣花的萌生能力随海拔的升高而减弱;钩栲、猴欢喜的萌生能力随着坡度的增大而显着增强,毛花连蕊茶的萌生能力随着坡度的增大而减弱;壳斗科、忍冬科以及浙江新木姜子的萌生能力由东坡到北坡逐渐增强,宜昌荚蒾的萌生能力则由东坡到北坡逐渐减弱;木犀科以及猴欢喜的萌生能力在山脊处比较强,而虎耳草科以及石栎、矩形叶鼠刺的萌生能力则在沟谷地带比较强。其它科及物种与不同地形因子之间没有显着的相关性。说明在古田山5 ha常绿阔叶林样地内,不同科及物种在不同的地形条件下都发生了不同强度的萌生更新,只有少数科及物种的萌生能力与地形因子有显着的相关性,大部分的科及物种虽然在不同地形条件下发生了不同程度的萌生更新,但是并没有表现出显着的相关性。(3)具体分析了不同分类群的萌生能力与群落物种多样性之间的相关性,结果表明:随着壳斗科、木兰科、桃金娘科以及钩栲、小叶石楠的萌生能力的增强,群落的物种丰富度随之增大,而随着腊梅科、金缕梅科、樟科、虎耳草科、安息香科以及柳叶腊梅、马银花、栲树、矩形叶鼠刺、杨梅、短尾越橘的萌生能力的增强,群落的物种丰富度反而减小;随着壳斗科、桃金娘科萌生能力的增强,群落的物种多样性随之增大,而随着腊梅科、金缕梅科、安息香科以及栲树、柳叶腊梅的萌生能力的增强,群落的物种多样性反而降低;腊梅科、虎皮楠科以及柳叶腊梅、虎皮楠的萌生能力的增强会减弱群落内物种的均匀度格局,而壳斗科以及映山红的萌生能力的增强会增大群落内物种的均匀度格局。其它科及物种与群落物种多样性之间没有显着的相关性。说明在古田山5ha常绿阔叶林样地内,不同科及物种的萌生能力的强弱对群落物种多样性会产生不同的影响,只有少数科及物种的萌生能力与群落物种多样性有显着的相关性,大部分的科及物种虽然对群落物种多样性会产生一定的影响,但是并没有表现出显着的相关性。综上所述,本研究发现,古田山5ha常绿阔叶林中,不同分类群的萌生物种的更新策略不同,它们不仅在不同地形环境中通过发生不同强度的萌生更新来维持自身种群的延续,同时又对森林群落的物种多样性产生不同的影响。常绿阔叶林不同分类群的萌生能力和地形以及群落物种多样性的关系,是一个比较复杂的科学问题,后续研究可以充分利用长期动态监测样地的优势,考虑选择更大或更多的样地和群落类型、更长的时间尺度、更复杂的地理环境,结合土壤、气候等影响因子进一步展开。(本文来源于《浙江师范大学》期刊2019-03-17）
李琴,李怡,郝淑君[6]（2019）在《农地适度规模经营的分类估计——基于不同地形下不同地区的测算》一文中研究指出基于收入标准,按照两种不同的方法测算不同地形下不同地区的农户适度经营规模。结果表明:基于农业总利润测算的农户户均适度经营规模,在平原地区,东部、东北、中部、西部分别约为3.13公顷、2.0公顷、1.53公顷、0.8公顷。基于劳动力机会成本的测算方法,如果按照家庭户均3个劳动力计算,东北地区农户户均耕种的适度规模为7～9.4公顷,中部地区为4.13～21.2公顷,西部地区为3.53～6.6公顷,东部地区为3.07～3.87公顷。按照劳动力机会成本测算的农户农地适度经营规模高于按照农业总利润最大化标准的测算结果。农地适度经营的规模因不同地形和不同区域不同,国家鼓励农户开展适度规模经营的政策应该因地制宜实施。(本文来源于《农林经济管理学报》期刊2019年01期）
谷晓天,高小红,马慧娟,史飞飞,刘雪梅[7]（2019）在《复杂地形区土地利用/土地覆被分类机器学习方法比较研究》一文中研究指出针对高海拔复杂地形区地貌类型复杂、多样,沟壑纵横、地形破碎等特点,研究快速、有效的土地利用/土地覆被分类方法对土地利用信息获取及更新是非常重要的。以位于黄土高原向青藏高原过渡带的湟水流域为研究区域,基于Landsat 8 OLI影像数据、DEM数据,并结合各种专题特征,在对研究区进行地理分区的基础上,采用人工神经网络、决策树、支持向量机和随机森林4种机器学习方法进行土地利用信息提取并进行精度评价,探索适合于复杂地形区最优的分类方法。研究结果表明:随机森林和决策树的分类精度明显高于支持向量机和人工神经网络。其中随机森林方法的分类精度最高,总体分类精度达85.65%,Kappa系数达0.84。在上述分类基础上,选择随机森林分类方法对Landsat 8全色与多光谱影像融合数据进行进一步的分类研究,总体分类精度达到86.49%,Kappa系数达0.85。这表明随机森林分类方法在保证分类精度的同时又能获得较高的分类效率,对于复杂地形区土地利用信息提取是非常有效的,数据融合在一定程度上提高了分类精度。(本文来源于《遥感技术与应用》期刊2019年01期）
廖顺宝,蒋笑[8]（2019）在《基于地形参数提高土地覆被产品分类精度的方法探讨》一文中研究指出针对全球性土地覆被产品分类精度不高这一普遍性问题,以京津冀地区MODIS土地覆被产品(MCD12Q1)为研究对象,以1∶25万土地覆被数据为参考数据,构建土地覆被分布与地形因子之间的定量模型.将MODIS土地覆被产品与参考数据进行空间迭加,迭加结果分为分类一致区和不一致区.设计了2种方案,利用所构建的模型对分类不一致区进行土地覆被的重新分类,并将重新分类结果与分类一致区进行合成,形成修正后的土地覆被产品.从空间一致性、混淆矩阵等指标评价修正后的土地覆被产品的分类精度是否得到提高,结果显示:与原MODIS土地覆被产品相比,改进产品中各地类与参考数据相应地类的空间一致性、生产者精度、用户精度均得到明显提升,总体精度和Kappa系数分别提高了12. 51%～17. 14%和0. 15～0. 25.(本文来源于《福建师范大学学报(自然科学版)》期刊2019年01期）
狄潇泓,王小勇,肖玮,赵庆云[9]（2018）在《高原边坡复杂地形下短时强降水的云型特征分类》一文中研究指出利用逐时雨量资料、常规高低空观测资料及FY-2卫星云图,对2010—2015年5—9月甘肃省高原边坡复杂地形下76次短时强降水过程个例的天气形势配置及卫星云图演变特征进行统计分析。结果表明,与甘肃省短时强降水过程相关的特征云型共有6类:副热带高压边沿型、逗点云型、冷锋前部型、冷锋尾部与南亚高压东侧迭置型、冷涡后部型、弱冷锋前部椭圆形MαCS型。其中,副热带高压边沿型、冷锋前部型、弱冷锋前部椭圆形MαCS型与低层暖平流强迫有关。逗点云型、冷锋尾部与南亚高压东侧迭置型主要受高低空冷暖平流强烈交汇影响。冷涡后部型是高空冷平流强迫下形成。冷锋尾部与南亚高压东侧迭置型具有较好的预报指示意义。(本文来源于《气象》期刊2018年11期）
史飞飞,雷春苗,肖建设,李甫,石明明[10]（2018）在《基于多源遥感数据的复杂地形区农作物分类》一文中研究指出为准确获取中尺度复杂地形区西宁市内的农作物分布信息,该文利用HJ CCD和Landsat 8OLI影像数据提取研究区内农作物4-11月的NDVI时间序列数据,同时利用HJ-1A HSI高光谱数据,通过光谱特征变量提取和单因素方差分析后,选取5种光谱特征变量与NDVI时间序列数据组成多源数据集,并最终采用分类回归决策树(CART)和支持向量机(SVM)两种方法进行农作物分类。结果表明:1)采用多源数据集进行作物分类,最高分类精度达88.2%,明显高于采用单一时序NDVI数据的分类精度,表明在时间序列数据中融入高光谱数据能够提高作物的识别精度;2)采用CART决策树和支持向量机进行农作物识别,最优总体分类精度分别为88.2%和84.5%,表明基于CART方法的作物总体分类效果较优;3)在NDVI时间序列数据中融入高光谱数据能够提高生育期较为接近作物的识别精度。(本文来源于《地理与地理信息科学》期刊2018年05期）
地形分类论文开题报告
（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：
微观地形分类是地形分析、地貌研究、土壤制图、滑坡防治等诸多地学研究及应用领域的基础性工作。针对当前微观地形分类中以规则化知识为依据的方法自动化程度低、分类存在残缺等问题,引入人工智能领域的随机森林算法,建立了基于随机森林的栅格DEM微观地形分类方法。参考已有研究的实验区域,以栅格DEM为源数据,以山体部位分类为微观地形分类典型样例进行实验验证与分析。实验结果表明,该方法避免了烦琐的数据迭加分析过程,分类结果完整性可达到100%。
（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。
地形分类论文参考文献
[1].周访滨,邹联华,张晓炯,孟凡一.栅格DEM微地形分类的BP神经网络法[J].测绘通报.2019
[2].张晓炯,郭云开,周访滨,邹联华.基于随机森林的栅格DEM微观地形分类方法[J].测绘与空间地理信息.2019
[3].薛琮琳,郭剑辉,马玲玲.基于空间特征的多平面支持向量机地形分类[J].计算机与数字工程.2019
[4].马慧娟,高小红,谷晓天.随机森林方法支持的复杂地形区土地利用/土地覆被分类研究[J].地球信息科学学报.2019
[5].唐战胜.古田山常绿阔叶林不同分类群萌生能力与地形及群落物种多样性的关系[D].浙江师范大学.2019
[6].李琴,李怡,郝淑君.农地适度规模经营的分类估计——基于不同地形下不同地区的测算[J].农林经济管理学报.2019
[7].谷晓天,高小红,马慧娟,史飞飞,刘雪梅.复杂地形区土地利用/土地覆被分类机器学习方法比较研究[J].遥感技术与应用.2019
[8].廖顺宝,蒋笑.基于地形参数提高土地覆被产品分类精度的方法探讨[J].福建师范大学学报(自然科学版).2019
[9].狄潇泓,王小勇,肖玮,赵庆云.高原边坡复杂地形下短时强降水的云型特征分类[J].气象.2018
[10].史飞飞,雷春苗,肖建设,李甫,石明明.基于多源遥感数据的复杂地形区农作物分类[J].地理与地理信息科学.2018