| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的意义及价值 | 第10页 |
| 1.2 国内外研究发展及现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-14页 |
| 第2章 区域概况及数据处理 | 第14-21页 |
| 2.1 研究区概况 | 第14-15页 |
| 2.2 数据来源 | 第15-16页 |
| 2.3 土地利用类型的分类和编码方式 | 第16-17页 |
| 2.4 确定数据截取范围 | 第17-18页 |
| 2.5 遥感图像的解译和分类 | 第18-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 土地变化预测方法及机器模型的构建 | 第21-31页 |
| 3.1 人工神经网络在土地预测中的应用 | 第21-22页 |
| 3.1.1 神经网络模型的学习形式和工作过程 | 第21页 |
| 3.1.2 神经网络预测模型 | 第21-22页 |
| 3.2 元胞自动机在土地预测中的应用 | 第22-28页 |
| 3.2.1 基于CA_ANN的预测模型 | 第24-26页 |
| 3.2.2 马尔科夫模型 | 第26页 |
| 3.2.3 基于CA_Markov的预测模型 | 第26-28页 |
| 3.3 自适应可变滤镜的地类预测模型 | 第28-30页 |
| 3.3.1 传统方法存在的问题 | 第28页 |
| 3.3.2 自适应可变滤镜模型的基本思想 | 第28-29页 |
| 3.3.3 自适应可变滤镜模型的研究方法 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 土地利用变化预测的应用及结果分析 | 第31-52页 |
| 4.1 土地利用结构变化分析 | 第31-32页 |
| 4.2 土地利用动态度分析 | 第32-34页 |
| 4.3 土地利用类型转移 | 第34-35页 |
| 4.4 影响因素分析 | 第35-39页 |
| 4.4.1 地形坡度因素 | 第36-37页 |
| 4.4.2 交通因素 | 第37-39页 |
| 4.5 模拟结果分析 | 第39-45页 |
| 4.5.1 混淆矩阵 | 第40页 |
| 4.5.2 基于神经网络模型预测结果 | 第40-41页 |
| 4.5.3 基于CA_ANN模型预测结果 | 第41-43页 |
| 4.5.4 基于CA_Markov模型预测结果 | 第43-44页 |
| 4.5.5 基于自适应可变滤镜模型预测结果 | 第44-45页 |
| 4.6 模型精度分析与时间比较 | 第45-47页 |
| 4.6.1 整体精度及时间比较 | 第45-46页 |
| 4.6.2 转换部分的精度比较 | 第46-47页 |
| 4.7 基于自适应可变滤镜模型预测2020 年的结果 | 第47-48页 |
| 4.8 平房地区数据验证 | 第48-50页 |
| 4.9 土地利用预测软件控制界面设计 | 第50-51页 |
| 4.10 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-62页 |
| 附录1 | 第60-61页 |
| 附录2 | 第61-62页 |
| 附录3 | 第62页 |