基于遗传神经网络的城市扩张模拟和城市热岛研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·城市扩张研究现状 | 第11-14页 |
| ·城市扩张驱动因子研究 | 第11-12页 |
| ·城市扩张模拟研究 | 第12-13页 |
| ·城市热岛研究 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·技术路线 | 第15-17页 |
| 第二章 城市土地利用变化分析 | 第17-22页 |
| ·研究区概况 | 第17页 |
| ·城市土地利用分类判读 | 第17-22页 |
| ·面向对象方法的原理方法 | 第18-19页 |
| ·e-Cognition 软件的应用 | 第19-20页 |
| ·广州市城市土地利用变化统计 | 第20-22页 |
| 第三章 城市扩张驱动因子分析 | 第22-32页 |
| ·自然地理因子 | 第22-24页 |
| ·经济驱动因子 | 第24-29页 |
| ·经济驱动因子的相关性分析 | 第25-27页 |
| ·人口经济驱动因子的主成分分析 | 第27-29页 |
| ·政策驱动及其他 | 第29页 |
| ·广州城市化特点分析 | 第29-32页 |
| 第四章 基于遗传神经网络的城市扩张模拟 | 第32-49页 |
| ·元胞自动机在城市扩张模拟中的应用 | 第33-36页 |
| ·基于 GeoCA-Urban 的城市扩张原理 | 第34页 |
| ·GeoCA-Urban 的模型设计 | 第34-35页 |
| ·模拟结果分析 | 第35-36页 |
| ·基于 BP 神经网络的 CA 城市扩张模拟 | 第36-43页 |
| ·BP-CA 规则分析 | 第36-38页 |
| ·数据处理 | 第38页 |
| ·BP 神经网络训练模拟 | 第38-41页 |
| ·BP-CA 模型的优缺点分析 | 第41-43页 |
| ·基于遗传神经网络优化的 CA 城市扩张模拟 | 第43-47页 |
| ·遗传算法的基本原理 | 第43页 |
| ·遗传算法优化 BP 神经网络 | 第43-44页 |
| ·GA-BP 网络训练 | 第44-47页 |
| ·模型模拟结果对比分析 | 第47-49页 |
| 第五章 广州市城市热岛效应分析 | 第49-64页 |
| ·城市地表温度反演 | 第49-54页 |
| ·MODIS 地温反演 | 第49-51页 |
| ·环境星数据地温反演 | 第51-54页 |
| ·城市不透水率与城市热岛相关性分析 | 第54-55页 |
| ·城市扩张与热岛效应关系分析 | 第55-59页 |
| ·广州市城市热岛效应 | 第56-57页 |
| ·城市热岛效应与土地覆被变化的关系 | 第57-59页 |
| ·城市扩张下的环境变化研究 | 第59-64页 |
| ·LST 与植被指数 | 第59-62页 |
| ·广州市生态环境评价 | 第62-64页 |
| 第六章 结论与展望 | 第64-67页 |
| ·本文的主要研究成果 | 第64-65页 |
| ·下一步工作的展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 硕士期间取得的研究成果 | 第73-74页 |
