一、水产领域内人造卫星遥感的研究（论文文献综述）
李兴久[1]（2021）在《基于卷积神经网络的无人机遥感影像洪水水体识别和自动提取研究》文中研究表明洪水灾害是威胁人类生存的十大自然灾害之一。快速且准确地获取灾情信息对于及时制定救援策略,提高救援效率和救援质量起着至关重要的作用。随着卫星遥感和无人机低空遥感技术的不断发展,遥感技术被广泛应用在洪水水体识别,洪水动态监测,灾情分析,应急救援等工作中,已经成为一种高效快捷的技术手段。传统遥感水体解译方法有人工目视解译、基于统计的非监督分类和监督分类等。人工目视解译方法具有所需目视判读设备少,简单方便的优点,但是该方法需要大量的解译标志和丰富的解译经验,过度依赖人工经验,效率低下的缺点。非监督分类方法在使用过程中的同物异谱和异物同谱现象导致分类的匹配难度大,精度低。监督分类方法受人为主观因素影响较大,训练样本的选取和评估高度依赖先验知识。因此,基于传统的水体提取方法存在依赖专家经验,自动化程度低,精度低等缺点,应用在洪水灾害应急的水体信息快速提取中的效果较差。近年来,随着人工智能和机器学习技术的不断发展,借助和依赖基于遥感影像的人工智能机器学习算法,遥感数据的智能化分析、自动化提取以及可视化展示等呈现出高时效、低成本、更便捷、更精确的优点。本文针对洪水灾害无人机遥感影像的洪水水体提取问题,对比分析了Segnet、Unet、Deeplab V3+三种卷积神经网络的洪水水体提取效果,并优化了Deeplab V3+神经网络的结构,经过替换轻量级的主干网络,引入迁移学习思想,增加密集连接的特征融合结构等改进措施,达到了加快神经网络的收敛速度,减少神经网络对训练数据规模的要求,降低空间层级化信息和小物体信息损失的目的。在模型训练过程中提高了神经网络对遥感影像特征的提取能力,实现了更优的洪水水体提取效果。本文的研究重点及主要内容如下:（1）数据集制作。针对无人机遥感影像的训练数据集,本文提出一种独特的裁切和选取方法“田”字形裁切,空洞式选取。该方法裁切选取的影像样本既能高度体现研究区整体洪水水体的特点,又能有效减少重复性的样本数量。（2）Deeplab V3+神经网络的改进。本文将Deeplab V3+神经网络进行如下改进:<1>将主干网络由Xception更改成轻量的Mobile Net V2网络。<2>引入迁移学习思想之基于网络的迁移学习。<3>重构Deeplab V3+神经网络的并行空洞卷积金字塔模块ASPP。（3）实验分析。本文设置两个实验,分别为实验一和实验二。实验一用于选取洪水水体识别效果最优的神经网络,实验二用于对所选取的最优效果神经网络的泛化性验证。（4）灾情专题图和灾情信息输出。选取最优模型并完成泛化性验证后,利用最优模型识别并提取无人机遥感影像中的洪水水体,通过叠合耕地、房屋、道路、水系等矢量化数据,输出洪水灾害遥感专题图,并分析灾情信息。
苏杭,马晓蕾[2]（2020）在《日本智慧农业的发展及启示》文中进行了进一步梳理智慧农业是大数据和人工智能时代发达国家农业发展的新方向。面对农业和农村发展的困境以及贸易自由化的压力,日本政府提出要大力发展智慧农业,以摆脱农业劳动力短缺的约束,提高农业生产效率,焕发农业和农村的发展活力。为此,日本政府确立了智慧农业的五大发展目标。在发展实践中,日本智慧农业的实践主要表现在无人机技术的应用、机器人与人工智能的应用以及物联网的应用等几方面。政府大力扶持和产学研合作是日本智慧农业发展的突出特点和成功经验,此外,日本智慧农业的发展还以农产品国际竞争力的提升为目标,取得了很好的效果。日本智慧农业的发展对正在推动农业信息化和智能化发展的中国农业具有较强的参考和借鉴价值。
费东[3]（2020）在《基于全卷积神经网络和深层特征融合的筏式水产养殖区提取方法研究》文中提出遥感技术已经成为一种主要的海上筏式水产养殖区监测技术。近年来,深度学习在遥感领域取得了巨大的进步。然而,由于筏式水产养殖区的海洋环境较为复杂,使用基于深度学习的方法在遥感影像中提取养殖区时会产生“粘连现象”。“粘连现象”的产生主要包含两个原因,一方面,遥感影像中筏式水产养殖区的边界往往会由于复杂的海洋环境变得模糊;另一方面,受水产养殖作物的生长阶段和采收状态的影响,一些筏架吃水较深,筏式水产养殖区的光谱值与周围海水非常相似。因此,在提取遥感影像中的筏式水产养殖区时,相邻的养殖区之间的海水容易被识别为养殖区,使得提取的多个养殖区域粘连在一起。为了改进基于深度学习方法的筏式水产养殖区提取精度,本文提出了一种基于全卷积神经网络、端到端的筏式水产养殖区提取模型（UP-Net）。在U-Net的基础上,本文提出了金字塔上采样模块,增加了5条支路来获取多尺度的特征图。其中,大尺度的特征图用来提取详细的边界信息防止边界模糊,小尺度的特征图用来提取上下文信息精确定位筏式水产养殖区具体的位置。实验结果表明,UP-Net提高了的筏式水产养殖区提取精度,但是提取结果中依然存在少量的“粘连现象”。卷积神经网络能够从遥感影像中提取出养殖区域的不同尺度的特征图,融合这些特征图中的边缘细节信息和上下文信息是改善神经网络模型的关键。在UP-Net的基础上,本文提出了 UPS-Net,通过使用深层特征融合模块学习每个特征图的权重,然后进行加权融合。此外,与其他的神经网络相比,通过使用深度可分离卷积和金字塔上采样模块,UPS-Net 具有更少的参数量。以连云港近岸海域筏式水产养殖区提取为例,实验结果表明,本文提出的UPS-Net网络模型具有出色的筏式水产养殖区提取效果,有效地减少了“粘连现象”。
赵鑫[4]（2020）在《珠三角地区土地利用变化及生态承载力研究》文中研究表明人类的社会活动主要体现在土地利用变化之中,且土地利用变化与土地生态系统的变化又密切相关。随着我国经济的快速发展,引发了一系列的生态问题,譬如人们对资源的不合理利用,人口、环境与资源之间的供需矛盾等,这一系列的问题都在制约着我国可持续发展。珠三角作为我国经济最增速最快的区域之一,对其生态承载力及土地开发现状进行评估具有重要意义,亦可为其可持续发展提供重要参考。本论文利用珠三角地区四期遥感影像和统计数据,借助转移矩阵及土地利用动态度对2005-2018年珠三角地区土地利用变化进行了分析,在此基础上利用改进的生态足迹模型对珠三角地区的生态承载力进行评估。研究结果表明:（1）2005-2018年间,珠三角地区建设用地、耕地两类土地的变化幅度最大,分别为7.03%以及-4.14%,60%的建设用地是由耕地转化而来。从时间尺度来看2005-2010年的总体的土地变化情况要比2015-2018年高0.34%,从空间角度看珠三角内圈城市的土地利用综合动态度要高于外圈城市。（2）在研究期间珠三角地区的生态足迹总体上升,各类土地中生态足迹增长最快的前三位分别为建设用地、化石能源用地和林地。珠海、佛山两市因积极的产业调整在研究期间内化石能源的生态足迹有明显下降,而建设用地的生态足迹稳步上升。肇庆、惠州、东莞和江门四市因其产业定位在研究期间化石能源的生态足迹为上升趋势。（3）2005-2018年珠三角地区的生态承载力总体为不可持续状态,在研究期间内生态压力逐渐增大。生态赤字由最初的2.5886增加到了2018年的4.338,十三年间生态赤字几乎翻了一倍。在空间分布表现出了较大的差异,其中珠海、中山、广州三市在2005-2015年间其生态赤字均增长了三倍左右,江门、东莞、惠州、肇庆四市在研究期间,虽然生态赤字有所增长但其增长速度相对较慢,深圳以及佛山两市在2010年后其生态赤字开始逐渐下降,而2015年后珠三角地区除了广州的生态足迹继续快速增长之外其余各市的生态足迹均出现了不同程度的下降。在评估结果的基础上,对珠三角地区的可持续发展提出可行性建议。首先珠三角地区土地开发利用强度较高的地区主要集中于珠三角入海口地区,当地政府应根据自己的实际情况积极进行产业升级转型提高土地资源的集约利用程度,在发展经济的同时最大限度的保护土地资源。其次各地市应该注重发展的可持续性,控制人口总数、控制城镇化扩张对森林和耕地的破坏等,缓减人类活动对生态承载力的压力。
吴昊[5]（2020）在《大庆市湖泊面积退缩特征分析》文中研究指明大庆市湖泊是保障大庆区域农牧业经济发展以及生态环境的重要保障,同时也是大庆市水环境的重要组成部分。大庆市湖泊的保护为大庆的自然环境和水环境的改善起到有效的调节作用。近年来大庆市政府大力发展经济,忽视了保护环境的重要性,轻视了环境的功能,造成了严重的环境问题。只有环境得到了保护,才能达到科学发展的目标。就此,本文通过对大庆湖泊的研究及其34年的动态变化,为大庆政府以及其他各级政府对湖泊的保护提供有力的科学理论。对湖泊的保护,达到人与自然和谐共处,起到了重要的作用。本论文研究的主要目的是通过地理信息技术以及遥感技术分析1984-2018年的大庆湖泊的面积变化及其影响因素,深刻探讨了大庆市湖泊具体退化的原因,为区域农业生产以及生态环境建设提供数据库支撑。本文研究方法基于Landsat TM（Thematic Mapper）、ETM+（Enhanced Thematic Mapper Plus）、OLI（Operational Land Imager）和中国环境资源卫星（HJ,Huanjing）多时相遥感影像,利用e Cognition软件采用面向对象分类方法提取1984-2018年湖泊分布信息,同时以五年为一个时间周期。为了得到湖泊的退化具体情况,结合1984年、1998年Landsat-5 TM遥感影像、2003年、2008年的Landsat7-ETM影像、2013年、2018年的Landsat8-OLI的影像,根据得到的数据通过湖泊的动态度和变化速率、质心变化、景观破碎度格局分析、湖泊的空间自相关等研究方法结合驱动因素黑龙江省气象数据、人口数据、社会经济数据等数据通过对遥感以及信息数据的处理和定量分析,深度分析大庆的湖泊面积变化和退化过程。研究结果显示:1984-2018年间湖泊的面积呈现先增加后减少状态,总体上大幅度减少,湖泊总面积已经减少了522km2,湖泊面积退化严重。大庆市蓄积地表水面积为6929.34km2,大庆市地表水处于减少状态面积为4485.20km2,大庆市地表水整体处于增长状态面积较小为1761.29km2。大庆市湖泊动态度和变化速率呈上升趋势,湖泊退化愈加严重。大庆市湖泊的质心移动速度呈现递减的态势,整体的移动速度也处于下降态势,表明湖泊的退化程度逐渐趋于稳定,大庆的湖泊在景观破碎度方面的表现是整体上变化较大,在各个研究的时间段上大庆的湖泊呈现与空间上的正相关表现,同时也体现出大庆的湖泊在空间上并不是随机分布的,呈现出空间聚集并且相互聚集在相同区域。在1984年至1998年间发生较大变化的是高高聚集区域,主要在肇源县西部区域和大同区的西部与北部,杜尔伯特自治县西部区域。同时低低聚集区相对变化较小,主要聚集在肇源县东南部,萨尔图区、龙凤区、红岗区和肇州县。通过退化影响因素的分析得出对大庆湖泊退化影响因素最重要的是社会因素,其次是自然因素和人类的活动,人为活动对湖泊退化起到了较大作用。
周驿枰[6]（2020）在《基于生成对抗网络的SAR图像生成与数据扩充研究》文中指出合成孔径雷达（Synthetic Aperture Radar,SAR）在军事和民生领域中发挥着重要的作用,它一直是雷达遥感领域的研究热点。随着深度学习技术的不断发展,SAR图像理解与解译的研究方法也得到新的启发。但是,基于深度学习的研究方法一般需要充足的带标签数据,而SAR图像却存在着资源昂贵,难以获得的问题,这限制了深度学习技术在SAR图像上的应用。因此,针对SAR图像的生成和扩充研究具有重要的研究意义。本文通过对技术现状研究和分析,尝试使用生成对抗网络进行SAR图像的生成与数据扩充,并探究生成数据对于SAR图像分类的意义。本文在生成对抗网络的基础上,分析并引入了SAR图像的特性,具体的工作包含以下方面:（1）基于分布和LBP-GAN的SAR图像生成方法。通过分析SAR图像不同于光学图像的成像机理与特性,对传统的生成对抗网络引入SAR图像信息。提出一种基于分布的生成方法,改进了生成对抗网络的噪声潜在空间,使其更符合SAR图像的统计分布信息。为了约束网络对于SAR图像纹理特征的学习,提出了一种LBP损失函数。两种方法分别从低级像素特征和高级结构特征捕获SAR图像特性,使得生成的图像更接近真实图像,且具有较好的生成效果和生成效率,有助于提高分类精度。（2）基于结构相似生成对抗网络的SAR图像生成方法。针对高分辨SAR图像生成结果模糊、出现噪声这一问题,通过改进网络结构,利用马尔可夫鉴别器网络学习高分辨SAR图像的区域细节特征和纹理特征,提出结构相似损失函数,保证生成图像与真实图像在结构上的相似度,通过结合金字塔的层级网络结构,进行单张SAR图像的内部混合模式学习,在整体上提高生成图像的效果。该方法进一步提高了生成图像与真实图像的相似度,同时基于生成方法扩充的数据提高了分类的准确度。（3）基于随机掩膜和图像补全的SAR图像生成方法。针对SAR图像生成多样性不足的问题,提出利用图像补全的思想进行图像生成。通过多元补全方法,利用样本间的混合模式学习,捕获SAR图像的整体结构特性,提高生成的稳定性。设计了随机掩膜的方法,从而适应SAR图像不同地物的结构,提高随机性,使结果多样化,扩充的数据具有抗噪性,有助于提高分类准确度。
金那炫[7]（2020）在《中韩自然灾害应急管理合作研究》文中提出在经济全球化背景下,自然灾害的全球性特征日益明显,一些国家发生的重特大自然灾害事件已经发展到跨越国家和跨越区域的程度,超越一个国家应对的能力。虽然减灾救灾作为人类维护自身安全并寻求和谐和可持续发展之路的重要举措,已引起各国政府的高度重视,但要取得实实在在的效果,还需要各国在减灾救灾方面进行广泛和深度的合作。由于中韩两国在地理上隔海相望,地缘相近、守望互助、利益相关,共同面临着台风、地震等自然灾害的巨大挑战,在减灾救灾领域开展密切合作尤为重要。中韩政府对此早有共识,广泛参与联合国框架下的减灾合作,以及地区性的多边合作。2015年,中韩两国灾害应急管理机构间签署了灾害管理领域的合作备忘录,但双方国家各自对对方国家的理解和研究不足,而且两国的应急管理部门都经历组织改革,导致合作成果不明显,并存在缺乏具体合作方案的问题。因此,本文对中韩两国自然灾害应急管理合作为研究内容,比较两国的应急管理体系,分析两国灾害领域合作框架和取得的合作成果,以及合作存在的问题,探索开拓中韩双边合作的具体方案,提出推进中韩灾害管理合作会议的定期化、组织开展研讨会等人员交流及实施救灾联合演练等,为优化中韩两国自然灾害应急管理国际合作,增进灾害应对方面的交流与合作提供建议。通过梳理关于自然灾害及应急管理的概念,应用“应急管理理论”、“海因里希法则”、“国际合作理论”等,整理中韩自然灾害应急管理合作基础,对两国自然灾害应急管理体系进行比较,分析了灾害管理领域两国合作成果及存在的问题。同时借鉴其他国家（政府）间的国际合作,提出中韩自然灾害应急管理的合作对策。具体而言,通过建立防灾减灾共同体,加强信息和技术共享,加强减灾救灾能力建设及推进灾害安全文化建设来推进中韩自然灾害应急管理合作。
张鸿晨[8]（2020）在《基于作物全生育期土壤光谱反馈面的虾稻区土壤有机质反演与制图》文中研究指明了解土壤属性空间分布特征和时间变化特征,能够有效的指导人类有效合理的利用、保护土壤。数字土壤制图能直观的描述土壤属性。在广阔的平原地区,由于缺少足够的地形因子来指导土壤制图,会明显降低数字土壤制图的精度。朱阿兴教授等最早提出了土壤光谱反馈面的概念,核心思想是利用降水事件之后连续数天内土壤表层光谱的变化特征描述土壤属性。这种方法虽然能提高数字土壤制图的精度,但对所需的遥感数据有着非常苛刻的要求,需要筛选大量的遥感影像和天气事件。为了解决这个问题,本文将通过增加制作光谱反馈面遥感影像的时间跨度至涵盖作物全生育周期,降低遥感影像的难度,提高平原区数字土壤制图的精度。本文选取江汉平原上的潜江市运粮湖农场部分区域为研究区,探究虾稻田中水稻全生育周期的土壤光谱反馈面对土壤有机质数字制图的影响。本研究设置三组共62个采样点,选取6月份、7月份、8月份和10月份为采样时间,涵盖了水稻的全生育期。收集记录了每个点位的坐标、稻田和虾沟的土壤样本、航拍数据、植被照片、土壤高光谱数据及研究区域的哨兵2号遥感影像数据。研究内容主要有以下三点:其一,分析了虾稻共作模式下稻田土壤与虾沟土壤之间有机质含量、土壤粒度、土壤酸碱度和土壤高光谱数据的差异和规律;其二,通过分析6月到10月间土壤的有机质、粒度、酸碱度、高光谱数据、归一化植被指数等信息,明确了水稻全生育期内稻田和虾沟的变化规律;其三,利用哨兵2号卫星13个波段的遥感影像建立水稻全生育周期的土壤光谱反馈面,分析全生育周期的土壤光谱反馈面对于土壤有机质数字制图的影响。整体来看,研究区域内的土壤有机质含量总体上呈现由西北向东南递减的趋势;土壤pH值范围总体上都处于中性状态;土壤粒度差异较小,但是在研究区域的西北部和中南部存在土壤粒度相对较大的区域。包含土壤光谱反馈面特征变量的环境协变量体系建立的模型,对土壤有机质估测结果的均方根误差约为5.87、决定系数约为0.72。无土壤光谱反馈面的环境协变量体系的模型对土壤有机质估测结果的均方根误差为6.14、决定系数为0.70。在对实验内容和结果进行分析后,全生育期的土壤光谱反馈面可以作为新的环境协变量应用于平原地区的数字土壤制图,从土壤光谱反馈面提取的特征向量能够明显提高土壤有机质数字制图的精度;利用哨兵2号卫星的遥感数据能够有效支持数字土壤制图,以其遥感数据为基础计算的环境协变量表现出了较高的重要性;虾稻共作模式下,稻田土壤与虾沟土壤在土壤有机质方面有着明显的差异,而在酸碱度和粒度方面的差异不明显。
陈孝渝[9]（2020）在《遨“邮”地球——漫谈人造卫星》文中指出人造地球卫星指环绕地球飞行并在空间轨道运行一圈以上的无人航天器（图1,古巴）,简称人造卫星。人造卫星是发射数量最多、用途最广、发展最快的航天器。它的出现与俄罗斯杰出的航天先驱齐奥尔可夫斯基的名字是紧紧地联系在一起的。早在1903年,他就提出了制造大型液体火箭的设想和设计原理,为人造卫星的问世
高子航[10]（2019）在《基于低功耗广域网的海岛环境监测系统研究》文中研究表明随着国家经济的逐步发展,人们对陆地的过度开发导致土地资源日渐稀缺。如今政府已将战略目标转移至海洋,对海岛资源的深度开发也已成各国发展的共识。目前国内常见的海岛环境监测系统纷繁复杂,其性能各有优劣。如基于Zig Bee技术的海岛环境监测系统组网方案,该方案在户外大面积的海岛环境下部署,面对海岛气候易变、人工维修不便、监测节点分散等不利因素,Zig Bee网络实际运行效果与室内环境下效率差距极大。因此,在减少部署节点数量的同时,实现低功耗、长距离、保证可靠传输的海岛环境信息监测系统,将具有明显的实际价值与理论研究意义。针对这一实际需求,本研究设计实现了一套基于低功耗广域网的海岛环境监测系统,将低功耗广域网、Co AP协议、Web服务器等技术运用于海岛环境信息监测。通过采集节点能耗以及对链路质量进行数据分析,较准确地计算出海岛环境监测系统的实际网络传输能耗开销,最终实现相关环境信息的实时可靠采集。首先,本研究设计并搭建基于低功耗广域网的海岛环境监测系统。系统以Arduino为主的微控制单元,搭载水体浊度、p H、水温等多种传感器,以Lo Ra WAN传输协议为无线通信方式,采用最坏情况节点部署原则构建网络拓扑,实现传感器终端节点的组网并完成环境信息的采集;随后设计室内网关节点监测方案。该方案采用Co AP作为通信协议,通过在室内部署6Lo WPAN边界路由器,实现了6Lo WPAN网络与IPv6网络的互联;最后在海岛监测区实际部署低功耗广域网和无线传感器网络。通过对比低功耗广域网终端节点、无线传感器网络终端节点和路由节点相关信息,基于网络拓扑复杂度、网络能耗开销、网络部署成本三方面,综合评估低功耗广域网和无线传感器网络的总体性能,以证明在海岛环境下采用低功耗广域网技术具有一定优势。
二、水产领域内人造卫星遥感的研究（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、水产领域内人造卫星遥感的研究（论文提纲范文）
（1）基于卷积神经网络的无人机遥感影像洪水水体识别和自动提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 洪水灾害遥感的国内外研究现状 |
| 1.2.2 传统方法进行遥感影像水体解译的国内外研究现状 |
| 1.2.3 机器学习方法进行遥感影像水体解译的国内外研究现状 |
| 1.3 本文研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第二章 研究区概况及数据预处理 |
| 2.1 研究区域概况 |
| 2.2 无人机遥感影像数据获取和数据处理 |
| 2.2.1 无人机遥感影像数据获取 |
| 2.2.2 无人机遥感影像数据处理 |
| 2.3 灾前地理要素矢量化 |
| 2.4 本章小结 |
| 第三章 基于深度学习的洪水水体识别 |
| 3.1 深度学习与洪水水体识别概述 |
| 3.2 深度学习数据集 |
| 3.2.1 训练数据集 |
| 3.2.2 测试数据集 |
| 3.2.3 验证数据集 |
| 3.3 遥感影像洪水水体识别的神经网络 |
| 3.3.1 Segnet神经网络 |
| 3.3.2 Unet神经网络 |
| 3.3.3 Deeplab V3+神经网络 |
| 3.4 模型的泛化精度指标 |
| 3.4.1 混淆矩阵 |
| 3.4.2 准确率(Accuracy) |
| 3.4.3 交并比(IOU) |
| 3.4.4 查准率(Precision) |
| 3.5 本章小结 |
| 第四章 Deeplab V3+神经网络的改进 |
| 4.1 主干网络替换 |
| 4.1.1 标准卷积 |
| 4.1.2 深度可分离卷积 |
| 4.2 迁移学习思想引入 |
| 4.3 重构并行空洞卷积结构 |
| 4.4 本章小结 |
| 第五章 实验流程及结果分析 |
| 5.1 实验数据准备 |
| 5.1.1 数据集A |
| 5.1.2 数据集B |
| 5.2 基于无人机遥感数据集的模型训练和测试 |
| 5.2.1 模型训练和测试 |
| 5.2.2 模型测试结果输出 |
| 5.2.3 精度评估指标输出 |
| 5.3 最优模型的神经网络泛化性验证 |
| 5.4 洪水灾害分析 |
| 5.4.1 洪水灾害遥感专题图 |
| 5.4.2 洪水灾情信息 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（2）日本智慧农业的发展及启示（论文提纲范文）
| 一、日本发展智慧农业的背景 |
| (一)农业发展面临严峻挑战 |
| (二)农产品贸易自由化压力增加 |
| (三)日本农业政策积极推动 |
| 二、日本智慧农业的发展目标与发展实践 |
| (一)日本智慧农业的发展目标 |
| (二)日本智慧农业的发展实践 |
| 1.无人机技术的应用。 |
| 2.机器人与人工智能的应用。 |
| 3.物联网的应用。 |
| 三、日本智慧农业发展的启示 |
| (一)政府的大力支持 |
| 1.制度保障。 |
| 2.资金支持。 |
| (二)多方的广泛参与 |
| (三)提高农产品国际竞争力 |
| 四、对中国智慧农业发展的思考 |
（3）基于全卷积神经网络和深层特征融合的筏式水产养殖区提取方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 筏式水产养殖区提取研究现状 |
| 1.3 问题的提出及研究意义 |
| 1.4 主要研究内容及安排 |
| 1.5 论文主要创新点 |
| 2 相关技术及研究区域 |
| 2.1 卷积神经网络 |
| 2.2 全卷积神经网络 |
| 2.3 空间金字塔池化 |
| 2.4 挤压-激励模块 |
| 2.5 实验数据集介绍 |
| 2.6 本章小结 |
| 3 基于全卷积神经网络的筏式水产养殖区提取方法 |
| 3.1 方法步骤 |
| 3.2 提出的神经网络模型 |
| 3.3 实验设置 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 4 基于深层特征融合的筏式水产养殖区提取方法 |
| 4.1 深层特征融合模块 |
| 4.2 实验结果与分析 |
| 4.3 粘连现象 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 讨论与总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（4）珠三角地区土地利用变化及生态承载力研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容、技术路线和方法 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 研究方法 |
| 第二章 研究区域概况及理论基础 |
| 2.1 区域位置 |
| 2.2 自然地理条件 |
| 2.2.1 地形地貌 |
| 2.2.2 气候条件 |
| 2.3 动植物资源 |
| 2.4 社会经济条件 |
| 2.5 理论基础 |
| 2.5.1 生态足迹 |
| 2.5.2 土地生态伦理观 |
| 2.5.3 生态系统理论 |
| 第三章 珠三角地区土地利用信息提取 |
| 3.1 数据收集 |
| 3.2 遥感影像预处理 |
| 3.2.1 波段组合 |
| 3.2.2 增强处理 |
| 3.2.3 图像裁剪 |
| 3.3 建立分类系统 |
| 3.4 建立解译标志 |
| 3.5 遥感影像分类 |
| 3.5.1 分类原理 |
| 3.5.2 分类方法 |
| 3.5.3 分类数据处理 |
| 第四章 珠三角土地利用变化分析 |
| 4.1 土地利用数量变化 |
| 4.2 土地利用动态度变化 |
| 4.3 土地利用类型转化 |
| 4.3.1 土地利用面积转移矩阵 |
| 4.3.2 土地利用空间变化 |
| 第五章 珠三角生态承载力评价 |
| 5.1 生态足迹模型及修正 |
| 5.1.1 生态足迹模型及计算方法 |
| 5.1.2 生态足迹模型修正 |
| 5.1.3 产量因子修正 |
| 5.1.4 “国家公顷”代替“全球公顷” |
| 5.1.5 化石能源用地平均生产力核算 |
| 5.2 2005-2018年珠三角地区均衡因子核算 |
| 5.2.1 2005、2010、2015、2018年珠三角地区土地产量因子核算.. |
| 5.3 珠三角地区可持续发展分析 |
| 5.3.1 珠三角生态足迹核算 |
| 5.3.2 珠三角地区生态承载力核算 |
| 5.3.3 珠三角生态赤字/盈余计算分析 |
| 5.4 珠三角地区可持续发展评价 |
| 5.4.1 生态足迹指数 |
| 5.4.2 生态压力指数 |
| 5.4.3 珠三角发展能力 |
| 5.5 各地级市可持续发展分析 |
| 5.5.1 各地级市生态赤字/盈余分析 |
| 5.5.2 各地市生态足迹指数 |
| 5.5.3 2005-2018年珠三角各市发展能力分析 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 发展性建议 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
（5）大庆市湖泊面积退缩特征分析（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究动态 |
| 1.3.1 国外研究动态 |
| 1.3.2 国内研究动态 |
| 1.3.3 遥感技术发展动态 |
| 1.3.4 当前研究存在的问题 |
| 1.4 主要研究内容 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 1.6 研究重点与难点 |
| 2 研究区概况 |
| 2.1 研究区概况与资料方法 |
| 2.1.1 研究区环境概况 |
| 2.1.2 地质构造 |
| 2.1.3 气候特征 |
| 2.1.4 水文水系 |
| 2.2 社会经济概况 |
| 2.2.1 石油城市 |
| 2.2.2 新工业城市 |
| 2.3 大庆市土地生态现状 |
| 3 数据获取与处理 |
| 3.1 数据的获取 |
| 3.1.1 遥感影像的来源 |
| 3.1.2 气象资料的获取 |
| 3.1.3 统计数据获取 |
| 3.1.4 高分辨率影像获取 |
| 3.2 数据处理与影像处理 |
| 4 大庆市湖泊退缩分析 |
| 4.1 大庆市地表水退缩分析 |
| 4.1.1 大庆市地表水蓄积分析 |
| 4.1.2 大庆市地表水变化强度分析 |
| 4.2 大庆市湖泊面积退缩分析 |
| 4.2.1 大庆市湖泊分布格局 |
| 4.2.2 大庆市湖泊面积变化分析 |
| 4.2.3 大庆市湖泊动态度和变化速率分析 |
| 4.2.4 大庆市湖泊质心分析 |
| 4.2.5 大庆市湖泊的景观破碎度格局分析 |
| 4.3 大庆市湖泊空间自相关 |
| 4.3.1 大庆市湖泊全局自相关 |
| 4.3.2 大庆市湖泊局域自相关 |
| 5 湖泊退化的驱动因子 |
| 5.1 气候因素 |
| 5.2 人口因素 |
| 5.3 其他因素 |
| 6 结论与对策 |
| 6.1 结论 |
| 6.1.1 湖泊退化的总体分析 |
| 6.2 对策 |
| 6.2.1 湖泊资源的利用与保护 |
| 6.2.2 湖泊资源的保护措施 |
| 6.2.3 湖泊资源的合理利用 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
（6）基于生成对抗网络的SAR图像生成与数据扩充研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据扩充与增强技术研究现状 |
| 1.2.2 SAR图像生成研究现状 |
| 1.3 本文主要内容和章节安排 |
| 第二章 相关理论基础 |
| 2.1 SAR图像简介 |
| 2.1.1 SAR成像机理 |
| 2.1.2 SAR图像特性 |
| 2.2 传统SAR图像生成方法 |
| 2.2.1 基于信号的系统仿真 |
| 2.2.2 基于图像特征的图像仿真 |
| 2.3 深度生成模型 |
| 2.3.1 玻尔兹曼机 |
| 2.3.2 受限玻尔兹曼机 |
| 2.3.3 深度置信网络 |
| 2.3.4 变分自编码器 |
| 2.4 生成对抗网络及其变种 |
| 2.4.1 GAN网络 |
| 2.4.2 DCGAN网络 |
| 2.4.3 InfoGAN网络 |
| 2.5 SAR图像质量评价方法 |
| 2.6 本章小结 |
| 第三章 基于分布和LBP-WGAN的SAR图像生成方法 |
| 3.1 沃瑟斯坦生成对抗网络 |
| 3.2 基于分布和LBP-WGAN的SAR图像生成方法 |
| 3.2.1 基于分布的SAR图像生成方法 |
| 3.2.2 基于分布和LBP-GAN的SAR图像生成方法 |
| 3.3 实验设计与结果分析 |
| 3.3.1 实验数据集 |
| 3.3.2 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 基于结构相似生成对抗网络的SAR图像生成方法 |
| 4.1 相关的基础知识 |
| 4.1.1 全卷积网络 |
| 4.1.2 结构相似度 |
| 4.2 基于结构相似生成对抗网络的SAR图像生成方法 |
| 4.2.1 Patch GAN鉴别器 |
| 4.2.2 结构相似损失函数 |
| 4.2.3 基于结构相似生成对抗网络的SAR图像生成方法 |
| 4.3 实验设计与结果分析 |
| 4.3.1 实验数据集 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小节 |
| 第五章 基于随机掩膜和图像补全的SAR图像生成方法 |
| 5.1 图像补全方法介绍 |
| 5.1.1 基于序列的方法 |
| 5.1.2 基于卷积神经网络的方法 |
| 5.1.3 基于生成对抗网络的图像补全方法 |
| 5.2 基于随机掩膜和图像补全的SAR图像生成方法 |
| 5.2.1 多元图像补全方法 |
| 5.2.2 基于随机掩膜和图像补全的SAR图像生成方法 |
| 5.3 实验设计与结果分析 |
| 5.3.1 实验数据集 |
| 5.3.2 实验结果与分析 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）中韩自然灾害应急管理合作研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 文献综述 |
| 1.2.1 关于应急管理体系的研究 |
| 1.2.2 关于应急预案的研究 |
| 1.2.3 关于应急管理工作人员的专业性研究 |
| 1.2.4 关于防灾减灾工作的国际合作研究 |
| 1.3 研究方法与思路 |
| 1.3.1 研究方法 |
| 1.3.2 研究思路 |
| 2 相关概念及理论基础 |
| 2.1 相关概念界定 |
| 2.1.1 自然灾害 |
| 2.1.2 应急管理 |
| 2.1.3 国际合作 |
| 2.2 理论基础 |
| 2.2.1 应急管理理论 |
| 2.2.2 海因里希法则 |
| 2.2.3 国际合作理论 |
| 3 中韩自然灾害应急管理合作现状 |
| 3.1 中韩自然灾害应急管理合作基础及现有举措 |
| 3.1.1 两国自然灾害应急管理体系现状 |
| 3.1.2 中韩签订灾害管理领域的合作谅解备忘录 |
| 3.1.3 举行定期会议加强合作和交流 |
| 3.2 中韩两国自然灾害应急管理合作存在的问题 |
| 3.2.1 缺乏即时共享灾情渠道 |
| 3.2.2 缺乏具体的合作方案 |
| 3.2.3 合作应急演练不足 |
| 3.3 中韩两国自然灾害应急管理合作存在问题的原因 |
| 3.3.1 两国经历国家机构改革 |
| 3.3.2 双方合作体制的不完善 |
| 3.3.3 因区域环境侧重于多边合作 |
| 4 其他国家或国际组织间自然灾害应急管理国际合作 |
| 4.1 韩国-日本应急管理合作 |
| 4.1.1 举行防灾会议及专家研讨会 |
| 4.1.2 组织灾害管理人员实地培训 |
| 4.1.3 通过联合演练增进合作关系 |
| 4.2 中国-欧盟应急管理合作 |
| 4.2.1 成立中欧应急管理学院 |
| 4.2.2 举办应急管理国际研讨会 |
| 4.2.3 举行实战综合应急演练 |
| 4.3 其他国家或国际组织间自然灾害应急管理国际合作经验启示 |
| 4.3.1 成立应急管理国际合作组织 |
| 4.3.2 举办应急管理国际研讨会 |
| 5 中韩自然灾害应急管理合作对策 |
| 5.1 建立防灾减灾合作共同体 |
| 5.1.1 建立灾情发生信息共享体系 |
| 5.1.2 规划具体的合作战略 |
| 5.1.3 定期举办合作会议 |
| 5.2 构建灾害应对合作方案 |
| 5.2.1 增设国际研讨会 |
| 5.2.2 共同研究制定应急预案 |
| 5.2.3 不断完善预警监测技术 |
| 5.3 提升减灾救灾实践能力 |
| 5.3.1 提供人员培训 |
| 5.3.2 完善国际救援队伍建设 |
| 5.3.3 开展救灾联合演练 |
| 5.3.4 储备救援物资 |
| 5.4 推进灾害安全文化建设 |
| 5.4.1 提升民众自救意识 |
| 5.4.2 加强对境内非本国居民的灾害应急管理 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（8）基于作物全生育期土壤光谱反馈面的虾稻区土壤有机质反演与制图（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究综述 |
| 1.2.1 土壤制图综述 |
| 1.2.2 遥感技术应用于数字土壤制图 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究目的和内容 |
| 1.3.2 技术路线图 |
| 2 研究理论 |
| 2.1 土壤数字制图理论 |
| 2.2 多光谱遥感理论 |
| 2.2.1 遥感技术的应用 |
| 2.2.3 哨兵2号(Sentinel-2)卫星 |
| 2.3 土壤光谱反馈面理论 |
| 2.4 土壤高光谱理论 |
| 2.4.1 土壤高光谱的主要影响因素 |
| 2.4.2 土壤有机质高光谱 |
| 2.5 环境协变量体系 |
| 3 材料与方法 |
| 3.1 研究区概况 |
| 3.1.1 自然禀赋 |
| 3.1.2 虾稻技术 |
| 3.2 样点布设 |
| 3.3 土壤样品采集与处理 |
| 3.4 土壤理化指标的测量 |
| 3.4.1 土壤有机质测量 |
| 3.4.2 土壤粒度的测定 |
| 3.4.3 土壤pH值测定 |
| 3.5 土壤光谱数据测定与处理 |
| 3.5.1 土壤光谱的采集 |
| 3.5.2 土壤高光谱数据预处理 |
| 3.5.3 土壤高光谱数据特征波段筛选 |
| 3.6 土壤制图建模方法 |
| 3.6.1 随机森林模型 |
| 3.6.2 普通克里格插值 |
| 3.7 检验方法 |
| 4 实验数据的处理与分析 |
| 4.1 土壤有机质含量的差异 |
| 4.1.1 土壤有机质含量在稻田与虾沟的差异 |
| 4.1.2 土壤有机质含量空间分布特征 |
| 4.2 土壤pH值的差异 |
| 4.2.1 土壤pH值在稻田与虾沟的差异 |
| 4.2.2 土壤pH值空间分布特征 |
| 4.3 土壤粒度的差异 |
| 4.3.1 土壤粒度在稻田与虾沟的差异 |
| 4.3.2 土壤粒度的空间分布特征 |
| 4.4 归一化植被指数的差异 |
| 4.4.1 植被覆盖度的计算 |
| 4.4.2 归一化植被指数生育周期变化特征 |
| 5 近地高光谱数据与光谱反馈面 |
| 5.1 近地端土壤高光谱数据 |
| 5.1.1 土壤高光谱数据的预处理与筛选 |
| 5.1.2 土壤高光谱数据在稻田与虾沟的差异 |
| 5.2 土壤光谱反馈面 |
| 6 环境协变量体系与建模 |
| 6.1 环境协变量体系 |
| 6.2 随机森林算法分析 |
| 6.2.1 对照环境协变量体系构建 |
| 6.2.2 环境协变量重要性排序 |
| 6.3 不同环境协变量体系的环境协变量重要性分析 |
| 6.3.1 环境协变量体系A组重要性分析 |
| 6.3.2 环境协变量体系A组重要性分析 |
| 6.4 不同环境协变量体系的环境协变量估测精度分析 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（9）遨“邮”地球——漫谈人造卫星（论文提纲范文）
| 从第一颗人造卫星到卫星家族 |
| 连通世界的通信卫星 |
| 预知“冷热”的气象卫星 |
| 发掘“宝藏”的资源卫星 |
| 指引方向的导航卫星 |
| 将种子送入外太空 |
| 太空“间谍”侦查卫星 |
| 探索未来的试验卫星 |
（10）基于低功耗广域网的海岛环境监测系统研究（论文提纲范文）
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 海岛环境下的传感监测网络 |
| 1.3 研究问题 |
| 1.4 研究内容 |
| 1.5 论文框架 |
| 2 相关研究工作 |
| 2.1 海岛监测系统研究 |
| 2.2 低功耗广域网研究 |
| 2.3 本章小结 |
| 3 海岛环境监测系统设计 |
| 3.1 系统框架设计 |
| 3.1.1 网络拓扑设计 |
| 3.1.2 LoRa通信技术 |
| 3.1.3 LoRaWAN传输原理 |
| 3.2 本章小结 |
| 4 海岛环境监测系统数据采集与传输 |
| 4.1 传感器硬件选型与设计 |
| 4.2 传感器驱动 |
| 4.3 节点设计与实现 |
| 4.4 节点工作机制 |
| 4.4.1 传感器终端节点工作机制 |
| 4.4.2 网关节点工作机制 |
| 4.5 后台服务器设计与实现 |
| 4.5.1 终端解析类型 |
| 4.5.2 功能模块交互 |
| 4.5.3 页面展示结构 |
| 4.6 本章小结 |
| 5 网关节点监测方案设计与实现 |
| 5.1 方案整体设计 |
| 5.1.1 方案概念设计 |
| 5.1.2 方案结构设计 |
| 5.2 方案工作机制 |
| 5.3 实际部署与数据监测 |
| 5.4 本章小结 |
| 6 网络性能比较与系统实测 |
| 6.1 网络性能比较 |
| 6.1.1 网络拓扑复杂度比较 |
| 6.1.2 网络能耗开销比较 |
| 6.1.3 网络部署成本比较 |
| 6.2 系统部署与性能实测 |
| 6.2.1 系统测试方案设计 |
| 6.2.2 传感器节点能耗测试 |
| 6.2.3 链路质量测试 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 本文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
| 致谢 |
| Abstract |
| 摘要 |
四、水产领域内人造卫星遥感的研究（论文参考文献）
- [1]基于卷积神经网络的无人机遥感影像洪水水体识别和自动提取研究[D]. 李兴久. 哈尔滨师范大学, 2021(08)
- [2]日本智慧农业的发展及启示[J]. 苏杭,马晓蕾. 日本问题研究, 2020(03)
- [3]基于全卷积神经网络和深层特征融合的筏式水产养殖区提取方法研究[D]. 费东. 山东科技大学, 2020(06)
- [4]珠三角地区土地利用变化及生态承载力研究[D]. 赵鑫. 江西理工大学, 2020(01)
- [5]大庆市湖泊面积退缩特征分析[D]. 吴昊. 东北农业大学, 2020(05)
- [6]基于生成对抗网络的SAR图像生成与数据扩充研究[D]. 周驿枰. 西安电子科技大学, 2020(05)
- [7]中韩自然灾害应急管理合作研究[D]. 金那炫. 大连海事大学, 2020(01)
- [8]基于作物全生育期土壤光谱反馈面的虾稻区土壤有机质反演与制图[D]. 张鸿晨. 华中师范大学, 2020(01)
- [9]遨“邮”地球——漫谈人造卫星[J]. 陈孝渝. 集邮博览, 2020(04)
- [10]基于低功耗广域网的海岛环境监测系统研究[D]. 高子航. 宁波大学, 2019(06)