| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于遥感的城市扩张研究 | 第11-12页 |
| 1.2.2 城市扩张的驱动因素研究 | 第12-13页 |
| 1.2.3 城市扩张的预测模型研究 | 第13-14页 |
| 1.3 研究内容与技术路线 | 第14-16页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 技术路线 | 第14-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 研究区与数据处理 | 第18-36页 |
| 2.1 研究区概况 | 第18-19页 |
| 2.1.1 研究区范围的选定 | 第18-19页 |
| 2.1.2 自然地理条件 | 第19页 |
| 2.1.3 社会经济条件 | 第19页 |
| 2.2 研究数据 | 第19-22页 |
| 2.2.1 遥感影像数据 | 第19-21页 |
| 2.2.2 其他数据 | 第21-22页 |
| 2.3 遥感数据预处理 | 第22-23页 |
| 2.3.1 辐射定标与大气校正 | 第22页 |
| 2.3.2 几何校正 | 第22页 |
| 2.3.3 图像融合 | 第22-23页 |
| 2.3.4 图像裁剪 | 第23页 |
| 2.4 其他数据预处理 | 第23-24页 |
| 2.5 基于CBI指数的不透水面与SEaTH算法结合的影像分类 | 第24-35页 |
| 2.5.1 分类系统确立 | 第24-25页 |
| 2.5.2 解译标志的建立 | 第25-26页 |
| 2.5.3 基于CBI指数的不透水面特征提取 | 第26-28页 |
| 2.5.4 基于SEaTH算法的样本特征的提取 | 第28-29页 |
| 2.5.5 CBI指数与SEaTH算法结合的影像分类 | 第29-32页 |
| 2.5.6 实验结果与分析 | 第32-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 城市建成区扩张时空特征分析 | 第36-52页 |
| 3.1 土地利用数量变化分析 | 第36-37页 |
| 3.2 城市建成区提取 | 第37-38页 |
| 3.3 城市建成区扩张时间特征分析 | 第38-43页 |
| 3.3.1 城市扩张速度分析 | 第39-41页 |
| 3.3.2 城市扩张强度分析 | 第41-43页 |
| 3.4 城市建成区扩张空间特征分析 | 第43-50页 |
| 3.4.1 空间方位分析 | 第43-48页 |
| 3.4.2 缓冲区分析 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 4 城市建成区扩张驱动力分析 | 第52-66页 |
| 4.1 驱动力因子提取 | 第52-59页 |
| 4.1.1 相关因素选取 | 第53页 |
| 4.1.2 主成分提取 | 第53-58页 |
| 4.1.3 回归分析 | 第58-59页 |
| 4.2 驱动力因素分析 | 第59-65页 |
| 4.2.1 经济因素 | 第59-61页 |
| 4.2.2 人口增长 | 第61-62页 |
| 4.2.3 交通因素 | 第62-63页 |
| 4.2.4 自然因素 | 第63-65页 |
| 4.2.5 政府政策因素 | 第65页 |
| 4.3 本章小结 | 第65-66页 |
| 5 城市建成区扩张的预测研究 | 第66-80页 |
| 5.1 元胞自动机 | 第66-67页 |
| 5.1.1 元胞自动机模型 | 第66页 |
| 5.1.2 元胞自动机的构成 | 第66-67页 |
| 5.2 基于人工神经网络的CA模型 | 第67-75页 |
| 5.2.1 ANN-CA模型原理 | 第67-68页 |
| 5.2.2 空间变量 | 第68-74页 |
| 5.2.3 训练过程 | 第74-75页 |
| 5.3 模拟结果验证 | 第75-79页 |
| 5.4 本章小结 | 第79-80页 |
| 6 结论与展望 | 第80-82页 |
| 6.1 结论 | 第80-81页 |
| 6.2 不足与展望 | 第81-82页 |
| 致谢 | 第82-84页 |
| 参考文献 | 第84-88页 |