| 作者简介 | 第6-8页 |
| 摘要 | 第8-11页 |
| abstract | 第11-14页 |
| 第一章 绪论 | 第18-34页 |
| 1.1 研究背景 | 第18-20页 |
| 1.2 选题意义 | 第20-21页 |
| 1.3 国内外研究进展及评述 | 第21-30页 |
| 1.3.1 农村居民点布局与影响因素研究 | 第21-24页 |
| 1.3.2 农村居民点利用评价研究 | 第24-26页 |
| 1.3.3 农村居民点布局优化研究 | 第26-28页 |
| 1.3.4 机器学习在土地科学领域应用研究 | 第28-30页 |
| 1.4 研究目标、内容与技术路线 | 第30-33页 |
| 1.4.1 研究目标 | 第30页 |
| 1.4.2 研究内容 | 第30-31页 |
| 1.4.3 技术路线 | 第31-33页 |
| 1.5 研究主要创新点 | 第33-34页 |
| 第二章 概念界定与理论基础 | 第34-44页 |
| 2.1 概念界定 | 第34-36页 |
| 2.1.1 农村居民点 | 第34页 |
| 2.1.2 土地利用布局优化 | 第34-35页 |
| 2.1.3 机器学习 | 第35-36页 |
| 2.2 基础理论 | 第36-44页 |
| 2.2.1 人地协调理论 | 第36-38页 |
| 2.2.2 地域分异与比较优势理论 | 第38-39页 |
| 2.2.3 系统与统筹理论 | 第39-40页 |
| 2.2.4 机器学习相关理论 | 第40-42页 |
| 2.2.5 生态学相关理论 | 第42-44页 |
| 第三章 山区农村居民点布局优化模式探讨 | 第44-69页 |
| 3.1 布局优化特征分析 | 第44-50页 |
| 3.1.1 外部环境特征 | 第44-45页 |
| 3.1.2 内部发展特征 | 第45-48页 |
| 3.1.3 不同布局优化模式的比较 | 第48-50页 |
| 3.2 布局优化总体思路 | 第50-55页 |
| 3.2.1 优化内涵 | 第50-52页 |
| 3.2.2 基本原则 | 第52-53页 |
| 3.2.3 总体思路 | 第53-55页 |
| 3.3 模式实现的方法支撑 | 第55-69页 |
| 3.3.1 机器学习方法在居民点适宜性评价中的应用 | 第55-61页 |
| 3.3.2 功能分区方法在居民点利用导向中的应用 | 第61-67页 |
| 3.3.3 贡献程度分析 | 第67-69页 |
| 第四章 实证研究 | 第69-122页 |
| 4.1 研究区概况与数据来源 | 第69-71页 |
| 4.1.1 研究区概况 | 第69-70页 |
| 4.1.2 数据来源与处理 | 第70-71页 |
| 4.2 基于机器学习的农村居民点用地适宜性评价 | 第71-83页 |
| 4.2.1 指标体系与样本设定 | 第71-74页 |
| 4.2.2 过程优化与统计验证 | 第74-76页 |
| 4.2.3 影响因素重要性分析 | 第76-79页 |
| 4.2.4 评价结果与分析 | 第79-83页 |
| 4.3 基于功能分区的农村居民点利用导向 | 第83-100页 |
| 4.3.1 评价单元、指标与权重 | 第83-89页 |
| 4.3.2 分区结果与说明 | 第89-98页 |
| 4.3.3 不同功能区用地导向 | 第98-100页 |
| 4.4 居民点布局优化实现 | 第100-106页 |
| 4.4.1 优化方案 | 第100-103页 |
| 4.4.2 结果分析 | 第103-106页 |
| 4.5 布局优化与区域用地规划的衔接 | 第106-114页 |
| 4.5.1 区域用地预测 | 第107-113页 |
| 4.5.2 贡献程度 | 第113-114页 |
| 4.6 政策建议 | 第114-122页 |
| 4.6.1 政策保障 | 第114-118页 |
| 4.6.2 发展目标 | 第118-120页 |
| 4.6.3 路径分析 | 第120-122页 |
| 第五章 结论与展望 | 第122-126页 |
| 5.1 主要结论 | 第122-124页 |
| 5.2 不足与展望 | 第124-126页 |
| 致谢 | 第126-128页 |
| 参考文献 | 第128-142页 |