一、数字制图技术的发展（论文文献综述）
高琪[1]（2021）在《基于多源遥感数据的南疆干旱区荒漠土壤水分监测研究》文中研究指明干旱地区土壤水分是影响土地荒漠化的主要因素之一,在植被恢复和群落演替过程中具有重要作用,如何高效、无损、精准的获取土壤水分信息,并在此基础上进行表层（0～20 cm）荒漠土壤水分空间分布特征及驱动影响因素的研究是目前的热点问题。因此,本研究采用光学遥感Landsat 8 OLI/TIRS和微波遥感Sentinel-1 SAR数据的优势,以南疆阿克苏地区空台里克为研究区,以光学遥感计算多个光谱指数,同时在光谱指数的基础上进行相关改进进行有关光学遥感监测研究,以微波数据获取土壤多极化后向散射系数为基础,通过多元线性回归（Multiple Linear Regression,MLR）、偏最小二乘（Partial least squares regression,PLSR）、支持向量机（Support Vector Machine,SVM）、随机森林（Random Forest,RF）、决策树回归算法（Cubist）、分区+PLSR和分区+Cubist模型等多种算法开展基于光学数据（多光谱指数）构建综合反演模型研究干旱地区荒漠土壤水分空间分布、基于改进型光谱指数综合反演模型研究并分析荒漠土壤水分分布及驱动因素、基于多源遥感数据（微波数据、光学数据）协同反演荒漠土壤水分和分析区域最优模型的工作研究,其研究主要结论具体包括以下三点:（1）基于Landsat8 OLI/TIRS数据的荒漠土壤水分遥感反演研究温度植被干旱指数（TVDI）、红光归一化指数（NR）、绿叶指数（GLI）等26个优选的光谱指数、Ts和DEM与土壤水分均达极显着相关,可作为南疆干旱区荒漠土壤水分遥感建模的指示因子;对比三种模型,RF模型建模集和预测集的R2分别为0.93和0.91,预测集RPD为3.90,各评价指标均为最高,PLSR模型精度次之,SVM模型精度最低;以RF模型反演研究区表层土壤水分,在不同土地利用分类中土壤水分分布特征存在明显差异,特别在盐结皮区域的差异尤为突出。表明综合利用光谱指数、环境因子和地形数据构建多因子、多指数的模型能较高精度的反演干旱区荒漠表层土壤水分,研究结果为南疆干旱区荒漠土壤水分遥感监测提供了一定的理论依据和方法支持。（2）基于改进型光谱指数的荒漠土壤水分遥感反演改进后裸土指数（EBSI）、粘土指数（ECI）、碳酸盐指数（ECal）、归一化植被指数（ENDVI）和垂直干旱指数（EPDI）相关系数提升了0.02～0.11,且经相关性分析和多重共线性验证,选取改进后相关系数提升的EBSI、ECI等光谱指数和原有达到极显着水平但改进效果不明显的DVI、NDWI和GVMI为改进型建模因子,以BSI、CI、Cal等为传统型建模因子,构建改进型和传统型荒漠土壤水分预测模型;光谱指数经改进后,线性和非线性模型预测集R2分别提升了0.12和0.05,RPD值提升了0.35和0.49,其中,改进型MLR-II模型RPD值为1.83,可以粗略的估测土壤水分,而RF-II模型的RPD值高达3.12,能精准的对土壤水分进行预测;非线性模型的精度明显优于线性模型,MLR线性模型预测集的R2仅为0.59、0.71,而RF非线性模型预测集的R2达到0.86、0.91;土壤水分分布受到自然、人为两种驱动力因素影响,总体呈现东北部沙漠0～5%和5～12%,南部农田交错分布,北部及中部荒漠-绿洲过渡带受植被覆盖程度和地表盐结皮抑制土壤水分蒸散困难,多呈现15～20%和>20%。研究结果揭示了在传统光谱指数中引入热红外（b10）波段改进对提升荒漠土壤水分预测有一定效果也为相似地区旱情防治和水土保持研究提供了技术方法依据。（3）基于多源遥感数据的荒漠土壤水分遥感分区建模研究经水云模型校正因地表植被影响的土壤多极化后向散射系数,其校正后Oh反演模型的R2提升了0.11,RMSE提升了0.59;以NDVI阈值分区后,在全区内选取σvh、σvv、叶面积指数（LAI）等6个,裸土区选取σvh、σvv、差值植被指数（DVI）等8个,植被覆盖区选取σvh、σvv、归一化植被指数（NDVI）等6个与土壤水分极显着相关的特征参数为建模因子;加入不同特征参数因子的PLSR、分区+PLSR、Cubist等5种模型的精度均优于Oh模型,同时分区后的PLSR和Cubist模型预测集R2分别提升了0.12和0.03,RPD提升了0.53和0.49且模型预测效果均发生质变,其中分区+Cubist模型预测集R2为0.90,RPD高达3.09,均为模型最优值;不同分区内土壤含水量分布受植被覆盖、土壤质地和人类活动影响最为严重,裸土区受到地表盐结皮土保水作用土壤含水量偏高,高植被覆盖区作物保水作用最为明显,土壤水分量最高,低植被覆盖区受人类活动影响形成高/低交错分布的趋势。本研究通过多源遥感数据协同,同时结合分区建模的研究思路为干旱区荒漠土壤水分反演提供了科学的参考价值。
伍维模[2]（2021）在《基于INLA-SPDE的土壤有机碳多尺度贝叶斯空间建模与制图研究》文中提出不同尺度的土壤有机碳制图对土壤资源利用、农业生产和气候变化研究等有重要作用。本文选取新疆阿克苏空台力克的荒漠盐土、美国北达科他州北部的农业土壤和全球表层土壤作为研究对象,采用嵌套Laplace逼近积分—随机偏微分方程（Integrated nested Laplace approximation with stochastic partial differential equation,INLA-SPDE）方法,开展田块、区域、全球土壤有机碳多尺度贝叶斯空间建模、预测、制图与不确定性评价研究,为促进贝叶斯空间统计在数字土壤制图中的应用和土壤有机碳管理,提供一定的依据和参考。论文主要研究内容和结果如下:（1）基于新疆荒漠田块尺度5-10 cm盐土144个样点数据,利用土壤有机碳含量的空间自相关性用隐高斯随机场构成贝叶斯空间模型的空间随机效应;采用独立样本验证方法,评估并比较了 INLA-SPDE与马尔可夫链蒙特卡洛（MCMC）模拟的贝叶斯空间模型（采用Python语言PyMC库和R语言spBayes包构建）对土壤有机碳含量的预测性能。结果表明INLA-SPDE模型的RMSE、RHengl2和RAdhikari2值分别为1.15 g/kg、36%和0.24;INLA-SPDE模型的预测性能指标（MAE、RMSE、RHengl2和RAdhikari2）与MCMC模拟相近;INLA-SPDE的土壤有机碳含量后验预测标准偏差值,介于4.6g/kg与5.5 g/kg之间,低于spBayes,高于PyMC;研究生成了 10 m×10 m空间分辨率的土壤有机碳含量后验预测均值图以及预测标准偏差图。（2）基于美国北达科他州北部0-15 cm农业土壤1081个样点数据,并以SSURGO和POLARIS 土壤数据库提取出的29个土类和粘粒含量,作为固定效应的协变量,构建了土壤有机碳含量INLA-SPDE贝叶斯空间模型;用偏差信息量准则评价了协变量的有效性。270个独立样本验证表明INLA-SPDE对土壤有机碳含量的预测性能（RMSE=6.73 g/kg,RHengl2=40.7%,RAdhikari2= 0.52）优于 POLARIS（RMSE=11.00 g/kg,RHengl2=-58.3%,RAdhikari2=0.08）;研究生成了 100 m×100 m空间分辨率的土壤有机碳含量后验预测均值图以及不确定性评价的定量表达图,为提升土壤肥力和农业生产提供了重要的空间信息。（3）从WoSIS和LUCAS数据集提取了全球88157个剖面/采样点的0-5 cm表层土壤有机碳含量数据;从地形、气候、植被、土地利用/土地覆盖图中提取了 15个全球环境协变量,采用偏差信息量准则和奥卡姆剃刀准则来选择进入模型的环境协变量;将全球分为非洲、欧洲、大洋洲、北美洲、南美洲、北亚、南亚七个大洲/地区,分区构建了Delaunay三角网以及土壤有机碳含量INLA-SPDE贝叶斯空间模型。10-折交叉验证表明七个大洲/地区的INLA-SPDE模型RHengl2值介于24.9%和58%之间,全球的为43%,它们比其他研究人员对全球土壤有机碳数据集SoilGridslkm、HWSD、GSDE和IGBP验证的RHengl2值（介于-19.4%与22.9%之间）略高,比对SoilGrids250m验证的RHengl2值（63.5%）略低;七个大洲/地区的INLA-SPDE模型RMSE值介于21.9 g/kg和94.8 g/kg之间,全球的为 65.7 g/kg,它们略高于对 SoilGrids250m、SoilGridslkm、HWSD、GSDE 和 IGBP 验证的RMSE值（介于29.8 g/kg和36.2 g/kg之间）。研究生成了30"×30"空间分辨率的全球土壤有机碳含量的后验预测均值图以及不确定性评价的定量表达图:后验预测标准偏差,95%最大后验概率密度可信区间的上限、下限和宽度,以及可信区间宽度与后验预测均值的比值。研究提出了结合阿里云计算平台、采用偏差信息量准则和奥卡姆剃刀准则选择环境协变量,以及自下而上分区进行INLA-SPDE贝叶斯空间建模制图的技术方法,为解决全球数字制图土壤有机碳所面临的空间大数据计算难题提供了一种可选方案。（4）研究分析了 INLA-SPDE贝叶斯空间建模的理论与方法,发现了随着空间尺度由田块向区域及全球尺度扩展土壤有机碳隐高斯场的块金方差和变程相应增大的现象,阐明了 INLA-SPDE贝叶斯空间建模方法在田块、区域、全球不同尺度土壤有机碳制图的适宜性;相关制图产品丰富了 土壤有机碳数据库。
徐冬云[3]（2020）在《基于星地多源信息融合的农田土壤信息快速获取及管理分区研究》文中认为精准农业是当前我国农业发展的主要趋势,其发展与生态、环境、经济等都密切相关。其中测土配方施肥是精准农业的重要内容之一,通过测土配方指导施肥等管理措施,对减少资源浪费、保护土壤和环境、提高作物产量等都具有重要意义。快速准确地获取土壤信息,科学合理地进行农田管理分区是指导配方施肥的基础工作。传统的土壤信息获取方法多基于布点采样、化学分析等一系列过程,费时费力,时效性相对较差,且实验室化学分析还会造成污染。随着近地传感和遥感技术的发展,越来越多的传感器被用于土壤信息获取。但土壤是一个复杂的综合体,基于单一传感器难以实现土壤的综合稳定大面积监测。基于此,本文围绕近地传感融合、星地传感融合、多时相融合等多源信息融合,综合利用了可见-近红外-中红外光谱仪、大地电导率仪、时域反射仪等近地传感技术以及高分一号、哨兵1号、哨兵2号、MODIS产品等遥感数据,进行了农田土壤信息快速估测及管理分区研究。具体研究内容和结果如下:（1）基于近地传感融合技术进行土壤6种属性估测研究针对单一传感器估测土壤属性稳定性低的问题,本研究设计并比较基于两种近地传感技术的三个层次的融合方法,旨在通过多传感融合技术提高土壤属性估测的精度和稳健性。利用可见-近红外漫反射光谱（visible near infrared diffuse reflectance spectroscopy,vis-NIR）和中红外漫反射光谱（mid infrared diffuse reflectance spectroscopy,MIR）两种近地传感技术,通过光谱特征筛选方法Boruta、外积矩阵分析方法（outer product analysis,OPA）以及模型融合方法（Granger–Ramanathan averaging,GRA）等进行了三个不同层次的融合,包括low-level融合（vis-NIR&MIR-PLSR模型）,middle-level融合（Boruta-vis-NIR&Boruta-MIR-PLSR）和high-level融合:包括OPA融合（Boruta-vis-NIR?Boruta-MIR-PLSR）和GRA融合（PLSR-GRA模型）。研究结果表明:使用单一传感器时,MIR技术对土壤各属性估测能力优于vis-NIR技术;三个层次的融合除low-level融合外,其它融合估测结果均优于MIR技术;其中OPA融合对6种土壤属性的估测精度最高,能够实现土壤有机质（SOM）、p H、全氮（TN）、速效氮（AN）的成功估测(林的一致性相关系数（8）均大于0.80,RPIQ都超过了2.0,对速效钾（AK）的估测结果也较好(（8）为0.77,RPIQ=2.00,有效磷（AP）的估测(（8）为0.60,RPIQ为1.70,也能实现粗略估测。此外,OPA模型的不确定性也低于其它模型。基于特征波段筛选的OPA融合方法能够显着提高土壤属性的估测精度和稳健性,可为近地传感的综合应用提供参考。（2）基于星地融合进行土壤6种属性的空间估测和数字制图研究地面光谱能够实现SOM、TN等多种土壤属性的准确预测,但其测试是基于点位进行的,难以实现大面积空间估测。针对此问题,本研究提出基于星地融合和深度学习算法的田块尺度土壤属性空间估测方法。采用星地融合的方法,充分利用地面光谱估测精度高、遥感覆盖范围广的优势,将二者结合起来进行土壤属性的空间估测和制图,并比较了线性回归（偏最小二乘法,partial least square regression,PLSR）、机器学习算法（随机森林,Random Forest,RF）以及深度学习算法（卷积神经网络,Convolutional neural network,CNN）对各个土壤属性的空间估测能力。研究结果表明:基于星地融合的土壤各属性的估测模型相比于基于遥感数据的估测模型精度显着提升,SOM、p H、TN、AN、AP和AK的RMSE分别降低了10.61%、20.00%、28.57%、15.29%、18.13%和15.09%;比较PLSR,RF和CNN三种不同模型对各土壤属性的估测能力,其中CNN模型对6种土壤属性的估测精度高于PLSR和RF,而模型不确定性则低于PLSR和RF,对各个土壤属性均实现了最优估测。基于星地融合和CNN模型的土壤p H和SOM估测效果最好(（8）>0.70,RPIQ>2.0,TN和AN也能满足一般的精度要求(（8）>0.64,RPIQ>1.60;与传统插值结果相比,基于星地融合和CNN的各土壤属性空间分布趋势与插值结果相似,但表达更细致,可为农田尺度土壤属性快速制图提供借鉴。（3）基于多源、多时相数据融合进行农田管理分区研究针对农田管理分区指标多样复杂以及单时相遥感数据难以表征农田作物多年生长状况的问题,本研究提出多源数据及多时相数据融合方法进行农田管理分区研究。综合利用多源、多时相数据包括土壤表观电导率数据、TDR水分及哨兵遥感数据、基于高分一号的多时相NDVI数据以及基于星地融合的各土壤肥力数据,集合地统计、深度学习算法（多层感知机,Multilayer perceptron,MLP）、时间序列数据分析方法构建了能充分表征土壤与作物时空异质性的农田管理分区指标体系,在此基础上利用稳健地理加权主成分回归法（robust geographical weighted principal component analysis,RGWPCA）以及可能性模糊c均值聚类方法（possibilistic fuzz c-means clustering,PFCM）进行了农田管理分区研究。结果表明:融合哨兵1号雷达后向散射系数以及哨兵2号多光谱指数的MLP模型能实现土壤水分的成功反演(（8）=0.77,RPIQ=1.87,其空间分布趋势与传统插值结果高度一致。利用MODIS 8天时间序列数据提取2016～2020年研究区小麦生长曲线发现,2016～2019年小麦生长线相似,各年份两个关键物候期返青期和抽穗期分别处于当年的第33天和116天左右;与其它年份相比,2020年小麦长势明显更好,由于生长前期墒情和温度条件较好,小麦长势到抽穗期前基本处于上升状态,返青期不明显,但抽穗期仍与其它年份接近。基于RGWPCA和PFCM的最佳分区数目为3,各分区内的土壤属性及作物信息均有显着差异,说明分区结果合理,能够为精确施肥和农田管理提供依据。
梁宗正[4]（2019）在《国家尺度土壤关键属性高分辨率数字制图研究及应用》文中认为土壤是人类生产粮食所必需的最基本的自然资源,是保证粮食安全的基础。我国是一个传统的农业大国,有着悠久的农业历史,但属于资源约束型国家,耕地资源稀缺,保护耕地是基本国策之一。合理利用每一寸耕地,对粮食安全和环境保护都具有十分重要的理论意义与实践应用价值。土壤属性是决定土壤质量的重要因素,详尽的国家尺度土壤信息可以为粮食安全起到贡献作用,探究土壤属性的空间变异对区域生态和耕地质量评价、耕地资源利用具有重要意义,因此我们迫切需要更好地了解全国尺度的某些土壤关键属性的空间分布。过去的研究中,土壤属性的空间分布表达在精度和准确性上均存在着可提升的空间。在土壤科学领域,随着地理信息系统（GIS）、全球定位系统（GPS）、远程和近端传感器等工具以及土壤制图技术的日益强大,基于土壤景观模型的数字土壤制图成为一种高效表达土壤空间分布的方法。本文以土壤景观学为基础,基于全国第二次土壤普查的样点数据和多环境变量数据,采用多种机器学习算法,预测我国高精度90 m分辨率表层土壤关键属性的空间分布,并在此基础上计算不同指标隶属度,利用综合指数评价法预测我国耕地质量等级分布,探讨了不同农业区的耕地质量等级分布。论文的主要研究内容和研究成果分为以下几个方面:（1）针对我国地形气候条件复杂的特征,采用数据挖掘技术,结合多源遥感数据,进行了我国大尺度土壤有机质高精度空间分布特征研究并计算不确定性。我们发现预测结果能很好地揭示有机质的空间分异;并且模型能很好地挖掘与环境景观因子之间的关系。模型独立验证相关系数达到0.62,同时相对误差为0.72 g/kg,与其他国家尺度有机质研究精度处于同一水平。本章研究结果发现,水田和旱地有机质含量分别为21.38 g/kg和18.98 g/kg,与SoilGrids数据相比,本研究整体计算结果比较接近中国土壤肥力提供的实际数据。本研究有机质预测制图结果为日后我国土壤表层有机质含量监测和评估提供了一个基准参考。（2）采用逐步回归结合人工神经网络的技术,筛选环境变量并构建我国土壤容重的转换函数（pedotransfer functions,PTF）,填补土壤数据库中土壤容重数据的缺失。通过筛选,PTF函数中使用了一系列土壤性质和环境变量（SOM、Silt、TN、TP、Temperature、MrVBF、Aspect和Radiation）,当隐藏节点为7时,模型效果最好,R2值为0.47。通过对比,研究发现我们的人工神经网络PTF在预测中国土壤容重比其他已发表的PTF更准确,不同的PTFs应用于不同地理环境的土壤时,其性能有很大差异。采用标准化的欧式距离来确定PTF的有效域,我们预测数据的93%在累积卡方分布97.5%cutoff值。通过人工神经网络的PTF模型填补土壤容重缺失,然后采用梯度提升树模型预测了全国的土壤容重高分辨率空间分布图。结果发现土壤容重的分布于我国目前发现的有机质分布基本呈现出现相反的趋势。我们的研究结果将用于中国土壤有机碳储量的计算,这将提供更准确的基线。（3）基于数字土壤制图理论以及瓦片结构的并行运算,采用结合XGBoost模型和随机森林两种机器学习技术的混合模型,预测了我国高精度土壤pH空间分布以及通过阈值完成土壤中镉和汞超标风险衍生图。研究表明,当两个模型结合时,模型精度有所提高,精度R2为0.72、均方根误差为0.71,优于单一模型。采用瓦片结构的并行计算方法极大地提高了运算效率,对大尺度、高精度的土壤数字制图研究具有重要意义。将本研究预测结果与SoilGrids及HWSD产生的全球土壤pH图进行了比较,我们的结果在小尺度内呈现出更详细的空间变异。本研完成的土壤pH空间分布研究为未来预测土壤酸性的时空变化趋势提供重要的基础数据,为评估土地利用、气候的变化提供基准。（4）以遥感与数字制图为技术支撑,选择12种定量因子作为耕地质量评价指标,构建我国耕地质量评价体系,采用隶属度函数结合累加法作为耕地质量的综合指数评价模型,完成了我国耕地质量等级分布图。发现我国耕地质量空间分布不平衡,在长江中下游区的耕地质量好于其他地区,不同农业区耕地质量差异明显。研究得到的不同等级的耕地所占百分比与农业部2014发布的土壤质量公报数据相对接近,但是有所差别。本研究完成的基于遥感技术与数字制图的耕地评价体系,是一种快速高效评估的重要手段,科学量化表达了我国耕地质量的空间分布,为合理的耕地使用和管理以及有关土地工作开展提供依据。
刘永泉[5]（2017）在《数字制图技术在煤矿地质测量中的应用》文中指出煤矿地质测量一般是依托对测量仪器的利用,在特定区域里研究煤矿的地质结构以及地表特征等,并获取数据信息,经过归纳、整理、处理之后得到数字测量图。数字制图技术实现了对信息技术和设备的整合应用,促进了煤矿地质测量发展的自动化。本文从数字制图技术在煤矿地质测量中应用的意义入手,探讨其主要应用方法及保障措施。
邹淑祯,周万鑫[6]（2017）在《数字制图的特点及其应用》文中认为随着社会经济的快速发展,信息化水平的不断提升,促使数字地图技术也得到了快速的发展。在信息时代中,数字制图技术已经成为了主要的发展方向。而数字制图技术的进步,则进一步的将地图学以及GIS技术进行了有效的结合,促进了社会的发展。
张世文,张立平,叶回春,胡友彪,黄元仿[7]（2013）在《县域土壤质量数字制图方法比较》文中提出土壤质量研究几乎涵盖土壤研究的所有领域,土壤质量制图理论与方法是土壤质量研究的一项重要研究内容。该研究以北京市密云县为研究区,基于土壤质量评价最小数据集和指数和法计算的土壤质量指数,探究了在地学模型支持下区域土壤质量数字制图方法。研究设计了5种区域土壤质量数字制图方法,并比较了不同方法的空间数字制图精度。结果显示,目前广泛使用的基于参评指标空间插值结果的土壤质量数字制图方法精度最低、工序较繁琐,且无法反映研究区景观高度异质的特点;而基于计算后的土壤质量指数（soil quality index,SQI）,借助于地统计学方法的土壤质量数字制图方法相对比较科学合理,其中又以基于计算后的SQI和回归克里格法预测效果最好,均方根误差最小,仅为0.01897,相对于基于参评指标空间插值结果的土壤质量数字制图方法,精度相对提高率最大,达到50%以上。综合考虑空间制图精度、工序的繁简程度,在该研究设计的5种方法中基于计算的SQI和回归克里格法最佳,该法避免了地统计插值在景观高度异质区的应用局限性,预测结果与实际最为相符。
贾建军,李庆伟[8]（2009）在《基于数字制图技术的海图数字化生产体系设计》文中研究说明1引言数字制图技术的广泛应用和数字海图产品的出现,给传统的海图生产带来了一系列的变化,由此也产生一系列的问题,特别是当数字制图技术应用于规模化海图生产的时候,如何建立一套与数字技术和规模化生产相适应的生产体系,是一个非常重要的问题。
朱蕊,肖强,赵国成,徐青,安晓亚[9]（2009）在《数字制图软件的可用性测试研究》文中研究表明简要阐述了针对数字制图软件进行可用性测试的理论研究,以及可用性测试研究中的几个热点问题;并对可用性测试方法进行了归类;提出了可用性测试研究中存在的主要问题。
梁洁钰[10]（2009）在《深入探讨数字制图的发展趋势》文中提出本文基于笔者多年从事数字制图工作经验,通过参阅大量相关文献,研究探讨了一些新技术应用与数字制图结合所产生的影响,全文高屋建瓴,体现了笔者对未来发展方向的分析探讨能力,同时,在对具体方向进行分析时,笔者也融合了自己多年的工作实践,相信本文的研究对从事相关工作的同行有着重要的参考价值和借鉴意义。
二、数字制图技术的发展（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、数字制图技术的发展（论文提纲范文）
（1）基于多源遥感数据的南疆干旱区荒漠土壤水分监测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 遥感监测土壤水分方法及数字制图的国内外研究 |
| 1.2.1 土壤水分光学遥感数据的研究现状 |
| 1.2.2 土壤水分微波遥感数据的研究现状 |
| 1.2.3 土壤水分多源数据协同反演的研究现状 |
| 1.2.4 土壤水分遥感监测建模因子及建模方法的选取 |
| 1.2.5 土壤水分定量遥感监测与数字制图 |
| 1.3 研究内容 |
| 1.3.1 基于光学遥感构建综合模型反演荒漠土壤水分及制图 |
| 1.3.2 基于改进型光谱指数综合模型定量分析荒漠土壤水分分布驱动因素 |
| 1.3.3 多源数据协同反演荒漠土壤水分 |
| 1.4 技术路线图 |
| 1.5 现存在的问题 |
| 1.6 本章小结 |
| 第2章 研究区、数据处理及模型介绍 |
| 2.1 研究区概况 |
| 2.2 数据获取 |
| 2.2.1 土壤水分地面数据采集 |
| 2.2.2 遥感影像数据获取 |
| 2.3 数据处理过程 |
| 2.3.1 几何校正 |
| 2.3.2 辐射定标和大气校正 |
| 2.3.3 波段运算及土地利用类型分类 |
| 2.3.4 微波数据预处理 |
| 2.3.5 地面实测数据处理 |
| 2.4 荒漠土壤水分遥感反演模型介绍 |
| 2.4.1 线性建模方法 |
| 2.4.2 非线性建模方法 |
| 2.5 模型精度评价 |
| 2.6 本章小结 |
| 第3章 基于Landsat8 数据的荒漠土壤水分遥感反演 |
| 3.1 引言 |
| 3.2 研究数据 |
| 3.3 研究方法 |
| 3.3.1 光谱指数分析 |
| 3.3.2 地表温度(Ts)计算 |
| 3.3.3 地形数据(DEM)提取 |
| 3.4 结果与分析 |
| 3.4.1 土壤基础属性统计性描述 |
| 3.4.2 建模因子与土壤水分的相关性分析 |
| 3.4.3 不同建模方法对比分析 |
| 3.4.4 不同建模方法可信度检验 |
| 3.4.5 土壤水分空间分布特征 |
| 3.5 讨论 |
| 3.5.1 多因素建模可行性 |
| 3.5.2 土壤水分空间分布特征 |
| 3.6 本章小结 |
| 第4章 基于改进型光谱指数的荒漠土壤水分遥感反演 |
| 4.1 引言 |
| 4.2 研究数据 |
| 4.3 研究方法 |
| 4.3.1 光谱指数计算 |
| 4.3.2 方差膨胀因子分析 |
| 4.3.3 反演模型构建 |
| 4.4 结果与分析 |
| 4.4.1 建模因子筛选 |
| 4.4.2 土壤水分反演模型精度验证 |
| 4.4.3 不同模型反演土壤水分空间分布 |
| 4.5 讨论 |
| 4.5.1 土壤水分反演模型精度验证 |
| 4.5.2 土壤水分空间分布驱动因素 |
| 4.6 本章小结 |
| 第5章 基于多源遥感数据的荒漠土壤水分遥感分区建模研究 |
| 5.1 引言 |
| 5.2 研究数据 |
| 5.3 研究方法 |
| 5.3.1 遥感特征参数提取 |
| 5.3.2 水云模型分析 |
| 5.3.3 Oh模型分析 |
| 5.3.4 全区模型和分区模型 |
| 5.4 结果与分析 |
| 5.4.1 不同特征参数相关性分析 |
| 5.4.2 Oh模型反演结果分析 |
| 5.4.3 不同模型的土壤水分反演与验证 |
| 5.4.4 多源数据协同反演土壤水分空间分布特征 |
| 5.5 讨论 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 创新点 |
| 6.3 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）基于INLA-SPDE的土壤有机碳多尺度贝叶斯空间建模与制图研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 土壤有机碳数字制图方法研究进展 |
| 1.2.2 土壤有机碳的协变量研究进展 |
| 1.2.3 土壤有机碳等地统计数据的贝叶斯空间建模研究进展 |
| 1.2.4 土壤有机碳等属性多尺度INLA-SPDE贝叶斯空间建模与制图研究进展 |
| 1.2.5 全球土壤有机碳空间预测不确定性评价的定量表达研究进展 |
| 1.2.6 全球土壤有机碳贝叶斯空间建模面临处理空间大数据的难题 |
| 1.2.7 田块尺度荒漠土壤、区域尺度农业土壤和全球土壤有机碳制图的必要性 |
| 1.3 拟解决的关键问题 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 INLA-SPDE贝叶斯空间建模理论与方法 |
| 2.1 高斯随机场与高斯马尔可夫随机场 |
| 2.2 地统计数据的隐高斯模型 |
| 2.3 贝叶斯近似计算方法——嵌套Laplace逼近积分 |
| 2.3.1 Laplace逼近积分 |
| 2.3.2 估计隐高斯模型参数和超参数的后验边缘密度 |
| 2.3.3 计算响应变量的后验预测分布 |
| 2.4 离散高斯马尔可夫随机场近似代表连续高斯场——随机偏微分方程方法 |
| 2.4.1 连续Matérn高斯场是一个随机偏微分方程的平稳解 |
| 2.4.2 有限元法解随机偏微分方程——离散高斯马尔可夫随机场近似代表连续Matérn GF |
| 2.4.3 研究域的三角剖分及基函数对空间随机场的近似 |
| 2.5 用R-INLA程序包进行INLA-SPDE贝叶斯空间建模的一些关键步骤 |
| 2.6 先验分布的设定 |
| 2.7 INLA-SPDE方法的局限性 |
| 2.8 本章小结 |
| 第三章 田块尺度盐土有机碳贝叶斯空间建模与制图 |
| 3.1 研究区新疆阿克苏市空台力克概况 |
| 3.2 研究方法 |
| 3.2.1 田间土壤样本的采集与处理 |
| 3.2.2 土壤有机碳含量数据的正态化变换 |
| 3.2.3 土壤有机碳含量的空间结构分析 |
| 3.2.4 贝叶斯空间模型 |
| 3.2.5 评估模型的预测性能 |
| 3.3 结果与讨论 |
| 3.3.1 土壤有机碳含量的描述性统计结果 |
| 3.3.2 土壤有机碳含量的空间结构特征 |
| 3.3.3 约束细分Delaunay三角网MESH |
| 3.3.4 INLA-SPDE与 MCMC对模型参数和超参数后验分布估计值的比较 |
| 3.3.5 INLA-SPDE与 MCMC预测的土壤有机碳含量的比较 |
| 3.3.6 INLA-SPDE与 MCMC空间预测性能的比较 |
| 3.4 本章小结 |
| 第四章 区域尺度农业土壤有机碳贝叶斯空间建模与制图 |
| 4.1 研究区美国北达科他州北部概况 |
| 4.2 研究方法 |
| 4.2.1 土壤有机碳含量数据来源 |
| 4.2.2 土纲、亚纲及土类 |
| 4.2.3 从POLARIS提取粘粒和有机质含量分布图 |
| 4.2.4 INLA-SPDE对土壤有机碳含量进行贝叶斯空间建模 |
| 4.2.5 评估模型的预测性能 |
| 4.2.6 母质和质地类别影响土壤有机碳含量的方差分析与多重比较 |
| 4.3 结果与讨论 |
| 4.3.1 土壤有机碳含量的描述性统计结果 |
| 4.3.2 北达科他州北部约束细分Delaunay三角网MESH |
| 4.3.3 贝叶斯空间模型的选择 |
| 4.3.4 贝叶斯空间模型参数和超参数的后验边缘分布 |
| 4.3.5 土壤有机碳含量预测不确定性评价 |
| 4.3.6 INLA-SPDE与 POLARIS验证结果的比较 |
| 4.3.7 INLA-SPDE与 POLARIS预测的土壤有机碳含量均值的比较 |
| 4.3.8 母质和质地类别对北达科他州北部土壤有机碳含量的影响 |
| 4.4 本章小结 |
| 第五章 全球表层土壤有机碳贝叶斯空间建模与制图 |
| 5.1 现有的全球土壤有机碳空间数据集 |
| 5.2 研究方法 |
| 5.2.1 全球表层土壤有机碳含量样点数据的收集 |
| 5.2.2 全球环境协变量栅格数据的获取与处理 |
| 5.2.3 全球表层土壤有机碳含量空间预测图分辨率的确定 |
| 5.2.4 阿里云计算平台 |
| 5.2.5 全球表层土壤有机碳INLA-SPDE贝叶斯空间建模与制图技术流程 |
| 5.2.6 全球分区及投影 |
| 5.2.7 土壤有机碳含量数据对数转换与环境协变量数据标准化转换 |
| 5.2.8 全球分区建模与交叉验证 |
| 5.3 结果与讨论 |
| 5.3.1 全球土壤剖面/采样点0–5 cm表层有机碳含量的描述性统计结果 |
| 5.3.2 约束细分Delaunay三角网MESH |
| 5.3.3 土壤有机碳含量的环境协变量 |
| 5.3.4 INLA-SPDE贝叶斯空间模型参数和超参数的后验边缘分布 |
| 5.3.5 全球表层土壤有机碳含量后验预测均值 |
| 5.3.6 全球表层土壤有机碳含量预测不确定性评价 |
| 5.3.7 INLA-SPDE与现有全球土壤有机碳数据集的验证结果的比较 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 主要创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 附录A Laplace逼近积分的数学公式推导过程 |
| 附录B 估计隐高斯模型超参数ψ后验边缘密度的数学公式推导过程 |
| 附录C 估计隐高斯模型参数θ后验边缘密度的数学公式推导过程 |
| 附录D 线性基函数及其对一维空间场的近似 |
| 附录E 二维空间随机场的三角网MESH及 C矩阵、G矩阵和A矩阵 |
| 附录F 全球表层土壤有机碳贝叶斯空间模型的环境协变量图 |
| 附录G INLA-SPDE模型推断、预测及交叉验证R语言程序 |
| 作者简历及在学期间所取得的科研成果 |
（3）基于星地多源信息融合的农田土壤信息快速获取及管理分区研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究进展 |
| 1.2.1 基于光谱的土壤属性预测 |
| 1.2.2 基于遥感的土壤属性估测 |
| 1.2.3 农田管理分区研究进展 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 研究区与数据 |
| 2.1 研究区域及样点布设 |
| 2.2 土壤地面数据采集及处理方法 |
| 2.2.1 土壤光谱数据及理化性质测量 |
| 2.2.2 土壤水分及ECa数据获取 |
| 2.3 遥感数据的获取及预处理 |
| 2.3.1 高分辨率数据 |
| 2.3.2 MODIS数据 |
| 2.3.3 哨兵卫星数据 |
| 第三章 基于近地传感融合的土壤属性预测研究 |
| 3.1 研究方法 |
| 3.1.1 土壤光谱数据预处理方法 |
| 3.1.2 特征波段筛选 |
| 3.1.3 多传感融合算法 |
| 3.1.4 土壤光谱建模方法 |
| 3.1.5 估测模型评价方法 |
| 3.2 结果与分析 |
| 3.2.1 土壤属性化学测试结果分析 |
| 3.2.2 基于单传感器的土壤属性预测 |
| 3.2.3 基于多传感融合的土壤属性预测 |
| 3.3 小结 |
| 第四章 基于星地融合和深度学习的土壤属性空间估测和数字制图研究 |
| 4.1 研究方法 |
| 4.1.1 土壤光谱数据分析 |
| 4.1.2 遥感数据处理及光谱指数计算 |
| 4.1.3 土壤属性空间估测方法 |
| 4.1.4 土壤属性空间估测评价指标 |
| 4.2 结果与分析 |
| 4.2.1 土壤原位湿样光谱转换及主成分分析 |
| 4.2.2 多时相遥感数据分析 |
| 4.2.3 土壤属性空间估测分析 |
| 4.3 小结 |
| 第五章 基于多源信息融合和多时相融合的农田管理分区研究 |
| 5.1 研究方法 |
| 5.1.1 土壤电导率空间分析 |
| 5.1.2 土壤水分遥感估测 |
| 5.1.3 农田管理分区方法 |
| 5.2 结果与分析 |
| 5.2.1 土壤电导率统计分析及空间分布 |
| 5.2.2 土壤水分遥感估测 |
| 5.2.3 长时间序列植被指数分析 |
| 5.2.4 农田管理分区 |
| 5.3 小结 |
| 第六章 结论与创新 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 未来展望 |
| 参考文献 |
| 攻读博士期间的科研成果 |
（4）国家尺度土壤关键属性高分辨率数字制图研究及应用（论文提纲范文）
| 致谢 |
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究进展 |
| 1.2.1 数字土壤制图理论基础 |
| 1.2.2 国内外研究现状 |
| 1.2.3 相关方法研究进展 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究技术路线图 |
| 第二章 研究区概况及基础数据 |
| 2.1 研究区概况 |
| 2.2 基础土壤数据 |
| 2.3 环境协变量 |
| 2.4 土壤属性剖面转换函数 |
| 第三章 土壤有机质高精度数字制图与不确定性研究 |
| 3.1 前言 |
| 3.2 材料方法 |
| 3.2.1 土壤有机质数据 |
| 3.2.2 土壤有机质空间分布预测制图与不确定研究 |
| 3.2.3 模型验证 |
| 3.3 结果与讨论 |
| 3.3.1 空间模型多规则优选与多因子建模 |
| 3.3.2 模型规则区构建 |
| 3.3.3 有机质数字制图结果 |
| 3.3.4 不确定性空间分布 |
| 3.3.5 不同土地利用类型以及土壤类型下有机质含量 |
| 3.4 小结 |
| 第四章 基于土壤转换函数的高精度容重数字制图研究 |
| 4.1 前言 |
| 4.2 材料方法 |
| 4.2.1 土壤容重数据 |
| 4.2.2 变量筛选 |
| 4.2.3 人工神经网络 |
| 4.2.4 XGBoost模型 |
| 4.2.5 精度验证 |
| 4.2.6 转换函数的有效域 |
| 4.3 结果与讨论 |
| 4.3.1 土壤容重深度变化 |
| 4.3.2 PTF函数的变量筛选 |
| 4.3.3 基于ANN的容重预测与模型评估 |
| 4.3.4 与其他PTF的比较 |
| 4.3.5 PTF有效域评估 |
| 4.3.6 不同土地利用类型与土壤容重关系 |
| 4.3.7 土壤容重空间分布预测 |
| 4.4 小结 |
| 第五章 基于两种机器学习混合模型的土壤pH制图研究 |
| 5.1 前言 |
| 5.2 材料与方法 |
| 5.2.1 土壤数据与环境变量数据 |
| 5.2.2 土壤pH空间预测模型 |
| 5.2.3 模型残差计算 |
| 5.2.4 模型性能评估 |
| 5.2.5 基于瓦片的并行计算 |
| 5.3 结果与讨论 |
| 5.3.1 模型性能 |
| 5.3.2 我国土壤pH含量预测分布图 |
| 5.3.3 基于pH含量的两种重金属过量衍生图 |
| 5.3.4 环境变量的重要性 |
| 5.3.5 土壤pH空间预测图的潜力 |
| 5.4 小结 |
| 第六章 基于高精度数字制图的耕地质量评价 |
| 6.1 前言 |
| 6.2 材料与方法 |
| 6.2.1 评价流程 |
| 6.2.2 耕地质量评价指标 |
| 6.2.3 耕地质量指标权重 |
| 6.2.4 隶属度建立 |
| 6.2.5 耕地质量等级确定 |
| 6.3 结果与讨论 |
| 6.3.1 指标权重 |
| 6.3.2 各指标隶属度 |
| 6.3.3 我国耕地质量等级分布特征 |
| 6.3.4 不同农业区耕地质量分布 |
| 6.4 小结 |
| 第七章 结论与展望 |
| 7.1 本文结论 |
| 7.2 创新点 |
| 7.3 不足与展望 |
| 参考文献 |
| 攻读博士期间的科研成果 |
（5）数字制图技术在煤矿地质测量中的应用（论文提纲范文）
| 1 数字制图技术在煤矿地质测量中应用的意义 |
| 2 数字制图技术在煤矿地质测量中应用的主要方法 |
| 2.1 数字化仪输入 |
| 2.2 智能扫描矢量化输入 |
| 2.3 人工跟踪矢量化输入 |
| 3 数字制图技术在煤矿地质测量中应用的保障措施 |
| 3.1 细致检查仪器 |
| 3.2 优化应用流程 |
| 3.3 提升人员素养 |
| 4 结语 |
（6）数字制图的特点及其应用（论文提纲范文）
| 1 数字制图的特点与实用性 |
| 1.1 速度快 |
| 1.2 精度高 |
| 1.3 可视性强 |
| 2 数字制图技术的具体应用 |
| 3 数字制图在发展中的趋势 |
| 3.1 数字广播技术的进一步发展 |
| 3.2 数字电视技术的发展应用 |
| 4 总结 |
（7）县域土壤质量数字制图方法比较（论文提纲范文）
| 0 引言 |
| 1 材料与方法 |
| 1.1 数据获取及处理 |
| 1.2 研究方法 |
| 1.3 不同数字制图方法预测精度的计算 |
| 2 结果与分析 |
| 2.1 基于各参评指标空间插值结果 (M1) 的土壤质量数字制图 |
| 2.2 基于样点计算的SQI的土壤质量数字制图 |
| 2.2.1 基于样点计算的SQI和反距离加权法 (M2) 土壤质量数字制图 |
| 2.2.2 基于样点计算的SQI和普通克里格法 (M3) 的土壤质量数字制图 |
| 2.2.3 基于样点计算的SQI和回归克里格法 (M4) 的土壤质量数字制图 |
| 2.3 基于样点计算的SQI和指标插值结果 (M5) 的土壤质量数字制图 |
| 2.4 5种土壤质量数字制图方法精度的比较 |
| 3 结论和讨论 |
（9）数字制图软件的可用性测试研究（论文提纲范文）
| 0 引 言 |
| 1 可用性 |
| 1)有效性 |
| 2)效率 |
| 3)满意度 |
| 2 可用性测试研究 |
| 2.1 专家测试 |
| 2.2 用户测试 |
| 3 存在的主要问题 |
| 1)测试数字制图软件可用性的指标尚未统一 |
| 2)缺乏对数字制图软件进行全面的可用性研究 |
| 3)数字制图软件的可用性测试方法的差异 |
| 4 结束语 |
（10）深入探讨数字制图的发展趋势（论文提纲范文）
| 1 数字制图的发展过程与现状 |
| 1.1 代替传统制图方法-机助制图 |
| 1.2 提供另一种介质形式存储的图件-电 |
| 1.3 提供真正的数字地图, 满足G I S的应用-数字地图 |
| 1.4 提供新的数字产品-三维景观模型 |
| 2 三维景观模型的特征与应用领域 |
| 3 面向未来数字制图的技术方法 |
| 3.1 摄影测量和遥感技术 |
| 3.2 全站仪数字成图系统 |
| 3.3 基于GPS的数字制图技术 |
| 3.4 既有图数字化技术 |
| 4 结语 |
四、数字制图技术的发展（论文参考文献）
- [1]基于多源遥感数据的南疆干旱区荒漠土壤水分监测研究[D]. 高琪. 塔里木大学, 2021(08)
- [2]基于INLA-SPDE的土壤有机碳多尺度贝叶斯空间建模与制图研究[D]. 伍维模. 浙江大学, 2021(01)
- [3]基于星地多源信息融合的农田土壤信息快速获取及管理分区研究[D]. 徐冬云. 浙江大学, 2020
- [4]国家尺度土壤关键属性高分辨率数字制图研究及应用[D]. 梁宗正. 浙江大学, 2019(06)
- [5]数字制图技术在煤矿地质测量中的应用[J]. 刘永泉. 内蒙古煤炭经济, 2017(15)
- [6]数字制图的特点及其应用[J]. 邹淑祯,周万鑫. 低碳世界, 2017(17)
- [7]县域土壤质量数字制图方法比较[J]. 张世文,张立平,叶回春,胡友彪,黄元仿. 农业工程学报, 2013(15)
- [8]基于数字制图技术的海图数字化生产体系设计[A]. 贾建军,李庆伟. 第二十一届海洋测绘综合性学术研讨会论文集, 2009
- [9]数字制图软件的可用性测试研究[J]. 朱蕊,肖强,赵国成,徐青,安晓亚. 测绘与空间地理信息, 2009(03)
- [10]深入探讨数字制图的发展趋势[J]. 梁洁钰. 科技资讯, 2009(09)