当然测绘学报，测绘学报是ei检索，学术价值在国内测绘类中最高，虽然同是测绘出版社主办，测绘通报主要注重工程技术实践类，发行量很高，也是很不错的核心期刊。
测绘类的核心期刊，测绘期刊中的权威，很难发文章。
测绘类的核心期刊，测绘期刊中的权威，很难发文章。
当然测绘学报，测绘学报是ei检索，学术价值在国内测绘类中最高，虽然同是测绘出版社主办，测绘通报主要注重工程技术实践类，发行量很高，也是很不错的核心期刊。
已发送 请查收
大概就这样了 参考一下吧 基于landsat-TM影像的专题信息提取 学生姓名：XX 学号：20085080079 院系：城市与环境科学学院 专业：XX 指导教师：XX 职称：助教 摘 要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。 关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用 Abstract:Based on the study of shenyang area for using spectral information extraction，water,vegetation,based on gray symbiotic matrix of the texture classification,through the TM5 band extraction graylevel co-occurrence matrix and gray,and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields,spectral information structure,separation,with residents of the final results of the Results show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination,the classification accuracy than pure spectral classification Key words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use 引言 遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的[1] 。在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。 提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误率，提出了一种基于小波变换进行纹理分割的方法。因此，研究地物在影像上的纹理特征，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一[3]。图像分析需要用到影像的灰度和纹理信息，灰度即波谱信息，是最基本的信息，纹理反映了灰度的空间变化情况，它由纹理基元按某种确定的规律或者某种统计规律排列组成。为了能用计算机进行纹理分析和形成统一的尺度，需将纹理量化，以定量反映纹理信息，形成纹理变量和纹理图像以便分析[4]。 1 研究区概况 苏家屯是沈阳市的九个市辖区之一，位于沈阳南部，距沈阳市中心15公里，与抚顺、本溪、辽阳三市毗邻。这里气候适宜，雨量适中，年均气温8度，年均降水量700毫米。物产丰富，蕴藏着丰富的煤石油天然气铁矿石和优质矿泉水等自然资源。苏家屯农业发达，盛产水稻、玉米，是国家确定的现代化农业示范区。本文选择数据源所选取的数据是沈阳地区2001年8月11日TM影像区的子区域。根据沈阳地区的农事历，选择10月上旬的遥感资料为宜。 2 光谱信息 地物的光谱一般是指像素的亮度值，地表的各种地物由于物质组成和结构不同而具有独特的波谱反射和辐射特性，在图像上反映为各类地物在各波段上灰度值的差异。地物光谱响应特征是多光谱遥感影像地物识别最直接，也是最重要的解译元素。 3 纹理特征 纹理也是遥感影像的重要信息,它通过色调或颜色的变化表现细纹或细小的纹案，这种细纹或细小的纹案在某一确定的图像区域中以一定的规律重复出现。 目标地物的纹理特征与航空相片的比例尺和太阳高度角有关。另外，它反映了影像的灰度统计信息、地物本身的结构特征和地物空间排列的关系，是进行目视判读和计算机自动解译的重要基础[5]。许多研究表明，除了原始影像光谱信息以外，加上纹理信息就可以使分析准确性和精度提高[6]。遥感图像中多为无规则纹理，一般采用统计方法进行纹理分析,目前用得较多的统计方法有共生矩阵法、分形维法和马尔可夫随机场法。 所谓灰度共生矩阵是由影像灰度级之间二阶联合条件概率密度所构成的矩阵，反映了影像中任意两点间灰度的空间相关性。其方法是先依据影像的灰度级数和灰度变化情况计算出4个方向(右、下、右上和左下)任意两个灰度级相邻出现的概率矩阵，它能提供多个纹理量，可以从多个侧面描述影像的纹理特征，因而在纹理分类中得到广泛的应用[7]。 4 提取方法 1 数据预处理 本文对沈阳地区遥感影像进行光学增强处理，并采用高通滤波来进行滤波处理对影像进行融合将融合后的影像进行几何校正。本文以1∶5万比例尺地形图为底图，选取均匀地分别在整幅图像内的60个控制点，采用二次多项式纠正模型建立两幅影像的对应关系。配准精度在3个像元以内， 2 土地利用分类体系的确定 参考国家土地利用分类体系，结合研究区土地资源的实际情况，TM影像波谱特征及其分辨率等，把研究区土地利用现状分类系统按二级进行分类，一级类型5个，分别为水体、水田、旱地、居民地、植被。 3 遥感信息提取 遥感图像的某些波段往往存在异物同谱和同物异谱现象，如果把多种地物放到一起考虑，由于这些波段的加入，会使信息提取变得非常复杂，这也正是传统上基于统计特征的监督和非监督分类遇到的难题。而对地物进行分层处理，就可以充分利用各类地物在不同波段的特征，收到较好效果[8，9]。对某一地物进行提取，获得该信息层，与原图像进行逻辑与运算，做掩膜处理，从而将该地物像元从原始图像中去除，以避免它对其他地物提取的影响，从而为以后的信息提取创造了纯净的环境。 1基于地物光谱模型的遥感影像分类 为获得光谱知识，在原始图像上进行采样。在采样过程中考虑到同类地物颜色的差异，如水域的深浅等，每一地类进行了多个样本值的合并，得到地物的综合光谱特征值（如图1）。 图1 地物光谱特征 水体的提取：太阳光照射到水面少部分被反射到空中大部分被入射到水体，入射到水体的光，部分被水体吸收，部分被水中的悬浮物反射，少部分透射到水底。被水底吸收和反射。被悬浮物反射和被水体反射的辐射，部分返回水面，折回到空中。因此，遥感器所接收到的辐射就包括水面反射光，悬浮物反射光，水底反射光和天空反射光（如图2）。由于不同水体的水面性质和水体特性的不同，从而形成传感器上接收到的反射光谱就存在差异，为遥感探测水体提供了基础。在可见光范围内，水体的反射率总体比较低，不超过10%,一般为4%～5%,并随着波长的增大逐渐降低，到6μm处约2%～3%，过了75μm，水体几乎成为全吸收体。因此，在近红外的遥感影像上清澈的水体成黑色。因此在提取水体时图面上黑色部分即为水体。 图2 传感器接收到的光谱 植被的提取:健康植物的波谱曲线有明显的特点（如图3），在可见光的55μm附近有一个反射率为10%～20%的小反射峰。在45μm和65μm附近有两个明显的吸收谷。在7～8μm是一个陡坡，反射率急剧增高。在近红外波段8～3μm之间形成一个高的，反射率可达40%或更大的反射峰。在45μm、95μm和6～7μm处有三个吸收谷。它们分别受叶子色素，细胞构造，含水量等的影响。因此，在对TM影像上的植被进行提取时，要考虑以上因素。 图3 健康植被的光谱特征 2基于纹理信息的分类 在图1中容易看到水田、旱地、居民地有很大的光谱相似度，因此需要根据纹理特征进行提取。 本文用水体和植被信息分别对原始影像做掩膜，再结合纹理信息作监督分类提取居民地、水田和旱地。为了突出图像的纹理，提高对图像的解译和分析能力，在对图像进行纹理分析之前，利用ErdasImagine软件对掩膜后的影像进行了增强处理。 为了进行纹理分类，首先必须提取各类的纹理特征。试验中先提取各类样本，统计各种类纹理特征，再找出最大差异的纹理量，作为分类特征量进行分类(如图4)。纹理特征的提取需考虑到窗口的大小、方向和步长。本文利用TM第5波段的纹理特征,采用了3X3大小的窗口、四个方向的均值[10]、步长为1来对纹理值(包括角二阶距、对比度、熵、相关)进行特征统计。 图4 纹理样本图 本文所有的纹理分析均在M0上进行，主要目标是实现对输入遥感影像进行纹理分析，输出纹理分析的结果，以便通过使用结果，以不同的结合方式辅助分类作对比研究。从图5中我们可以看到，3种地类在ASM纹理特征量上差异最大，COR上次之，因此取用ASM、COR特征值，对3种地物加以提取。 图5 3种纹理特征曲线 旱田的提取:从纹理曲线中可以看出旱田的ASM量与水田、居民地有很大的差异，因此通过实验对ASM进行阈值设定来提取旱田。 居民地和水田的区分:采用基于纹理特征和光谱特征相结合的方法，对居民地进行提取。水田和居民地在ASM特征量上，有着较大的差异，但仔细观察可以发现，在去除了旱田的干扰后，水田和居民地在COR特征量上也有着很大的差异。同时一些研究提出了(归一化建筑指数)[11]:NDVI=(TM 5- TM 4)/(TM 5+ TM 4)来对居民地进行提取（见表1）。从表2中可以看出，这种方法并不适合本文的研究区，但是对原始的光谱特征信息进行分析可以发现，在只存有水田和居民地的图像上，两者在TM5上的亮度值差距很大。综上所述,可以对COR和TM5的亮度值进行阈值设定提取居民地,将其与水田相分离。 表1 5种地物的NDVI指数 指标 水体 水田 旱地 居民地 植被 NDVI 0．24271 0．218619 0．380397 0．231489 0．166337 5 精度评价 衡量分类精度最广泛的方法是由Congalton提出的误差矩阵法(error matrix)，为了评价分类试验精度，本文采用随机抽样方法抽取400个点作正确率评价，通过对原图的目视判读结合实地考察对结果进行正确率评价，建立混淆矩阵，计算其Kappa系数(见表2)，在ERDAS监督分类中总正确率为4 %(见表3)，两者相比较可以看出，基于光谱和纹理特征的信息分层提取方法能够很好的对研究区影象进行分类。 表2 光谱纹理信息分类精度% 居民地 水田 旱地` 水体 植被 居民地 水田 旱地 水体 植被 总合 正确率/% 82 4 2 1 1 92 2 7 99 2 1 1 109 8 5 3 113 1 1 123 8 1 0 0 35 1 37 6 1 1 1 1 36 39 3 总正确率=5% Kappa系数=87 表3 EARDS监督分类精度 居民地 水田 旱地` 水体 植被 居民地 水田 旱地 水体 植被 总合 正确率/% 3123 240 107 24 63 3577 88 39 7481 569 176 6 1363 78 81 112 1477 99 32 8723 86 5 1 39 202 1067 4 1801 82 7 0 2 3 379 379 97 总正确率=4 % 6 结语 （1）试验表明，对地物进行分层处理，就可以充分利用各类地物在不同波段的特征。避免已提取地物对其他地物提取的干扰，为后续信息提取创造了纯净的环境；同时还可以有效地减少了漏分和误分，提高分类正确率。本文采用此方法对建设用地信息提取，获得较为满意的效果。 （2)综合运用光谱知识、纹理信息对于仅基于遥感多光谱信息的传统分类方法，能够更有效地提取出土地利用类型信息，精度有了一定提高。 （3）本文在进行纹理分析时，仅使用了单波段的影象数据，对于多波段影象数据未能充分利用； TM全色波段纹理清晰，如能加以利用，会对分类精度的提高有一定的帮助。 参考文献 [1] 梅安新，彭望琭，秦其明遥感导论[M]北京，高等教育出版社, [2] 吴高洪,章毓晋,林行刚等利用小波变换和特征加权进行纹理分割[J]中国图像图形学报,2001,6(4):333- [3] 张禾基于纹理特征的遥感影像居民地自动提取方法[J]江汉石油职工大学学报,2007,(4):93-96 [4] 黄桂兰,郑肇葆,杨敏一种基于共生矩阵法的影像纹理分类方法[J]测绘通报,1996,(3):28- [5] 周廷刚,郭达志,盛业华灰度矢量多波段遥感影像纹理特征及其描述[J]西安科技学院学报,2000,2(4):336- [6] 舒宁关于多光谱和高光谱影像的纹理问题[J]武汉大学学报,2004,29(4):292- [7] 武文波，陈静基于ETM+的遥感影像信息提取研究[J]甘肃农业大学学报2007，43(4) [8] 李四海,恽才兴土地覆盖遥感专题信息的分层提取方法及其应用[J]遥感技术与应用,1999,(4): [9] 柴芸甘肃省沙化土地监测研究[J]甘肃农业大学学报,2003,38(3):296～ [10] Treitz P,Howarth PIntegrating spectral spatial andTerrain variables for forest ecosystem classification[J]Photogrammetric Engineering Remote Sensing,2000,66(3):305- [11] 查勇,倪绍祥,杨山一种利用图像自动提取城镇用地信息的有效方法[J]遥感学报,2003,(1):38- 标题 XXXXXXXXXXXXXX（宋体三号字加黑，居中） 学生姓名：XX 学号：XXX(五号宋体字不加黑，居中) XXXX院（系） XX专业(五号宋体字不加黑，居中) 指导教师：XXX 职称：XXX(五号宋体字不加黑，居中) （空两格）摘 要(黑体小四)：具体内容(楷体小四号字不加黑) （空两格）关键词(黑体小四)： **；**；** (楷体小四号字不加黑) (空一行) Abstract(Times New Roman小四加黑)： 具体内容(Times New Roman小四不加黑) Key Words(Times New Roman小四加黑)：**；**；** (Times New Roman小四不加黑) 前言(宋体小三号加黑) 一、政府信息公开制度概述（一级标题宋体四号字加黑） (一)政府信息公开的内涵（二级标题仿宋体小四号字加黑） 1．政府信息公开（三级标题宋体小四号字） 正文内容（宋体小四号不加黑）、图表说明（宋体小五号字不加黑）
标题 摘要 引子 关键词 正文 一号标题、二号标题。。。 结论 参考文献
论文硬性要求：严格控制在A4纸，五号字，4页，5000字内。 《测绘通报》投稿要求如下：1．用E-mail投稿，请在主题注明“测绘通新投稿”或“测绘通报修改补项”以免稿件混淆。 2．文章附件请用WORD文档发送，请注明第一、二作者个人简介(出生年月，性别，职称，民族，籍贯，研究方向)；作者单位（到室或系）；单位详细地址（到街或号），以便作者能够及时收到编辑部书面刊用或退稿通知，并请明确此文章的联系作者（请留联系作者的电话）。 3．请列出参考文献5-10条，不能超10条。(文章不需英文摘要，需留英文标题)，参考文献最好引用一条《测绘学报》文章。 4．论文要求：严格控制在A4纸，五号字，4页，5000字内。 （正常的行距和页边距，图，表，参考文献，作者信息算在字数页数内）。参考文献，作者简介放在文章后面。 5．《测绘通报》投稿邮箱： 如出现其它地址，请仔细鉴别。 6．鉴于本刊已加入《中国学术期刊（光盘版）》，向本刊投稿视为同意授权本刊出版印刷版、光盘版和网络版。 7．此文在没有收到《测绘通报》编辑部初审结果(退稿)通知前请勿投它刊!来稿多，一般情况下2-3个月有初审结果
国内的 测绘学报和 武大学报是EI，但虽是不是SCI，可以推荐到SCI
你可以去地理信息局问问
测绘学报、测绘科学、武汉大学学报（信息科学版） 等都是。
标题 摘要 引子 关键词 正文 一号标题、二号标题。。。 结论 参考文献
徐秋晓1 于明洋2（山东省地矿工程勘察院，济南250014；山东建筑大学土木工程学院，济南250101）作者简介：徐秋晓（1979—），女，助理工程师，主要从事遥感、水文地质、环境地质勘查工作。摘要：遥感技术与地理信息系统技术的发展，为研究全球变化和可持续发展提供了信息源和技术手段。而土地利用作为地球表层系统最突出的景观标志，其变化是近年来全球变化研究的重要领域。本文以山东省龙口市作为研究区，应用基于遥感影像综合理解模型的龙口市土地利用/土地覆盖分类方法，建立地学规律知识库，提取不同时期的土地利用类型。最后利用地学信息图谱监测与分析土地利用的时空变化。关键词：土地利用；遥感影像；地学辅助信息；信息图谱遥感技术与地理信息系统技术的发展，为研究全球变化和可持续发展提供了信息源和技术手段。而土地利用作为地球表层系统最突出的景观标志，其变化是近年来全球变化研究的重要领域。只有对土地利用时空变化进行监测与分析，更好地了解土地利用变化的过程和机制，并且通过调整人类社会经济活动，促使土地利用更趋合理，保证国家宏观战略决策的针对性、有效性，才能达到土地资源可持续利用的目的。龙口市作为我国沿海对外开放较早的城市，其土地利用变化具有代表性。1 研究区概况龙口市位于胶东半岛西北部，东与蓬莱市接壤，南与栖霞、招远市毗连，西、北濒临渤海；全境东西最大横距08km，南北最大纵距43km；土地总面积（含桑岛、依岛）32km2。本次研究区范围以1∶10000 地形图矢量化生成的研究区边界对遥感影像进行裁剪所得，作为遥感数据信息，面积共45hm2（不含桑岛、依岛）。2 基于遥感影像综合理解模型的龙口市土地利用/土地覆盖分类影像理解是研究通过计算机系统来解释图像，从而实现类似人类视觉系统理解外部世界的一门学科。在影像理解系统中，存在两项基本的任务：从输入图像中提取出与模型相适应的图像结构或线索，而后完成输入图像中图像结构与模型中目标的正确影射（周成虎，1999）。影像理解不同于模式识别，模式识别通常按预先规定的测量集对对象作简单的分类，而影像理解则要对影像作出描述和解释，需要涉及不同处理层次实体间的相互作用（王润生，1994）。针对土地利用/土地覆盖的分类特点，本文构筑了基于GIS信息的遥感影像综合理解模型。模型分为两个过程，即遥感影像理解过程和地理信息系统处理过程，两个过程的具体内容为：（1）遥感影像理解过程，主要完成遥感影像的前期理解过程，包括以下几个过程：1）遥感影像预处理：包括图像格式转换，图像纠正和图像增强变换等。图像格式转换完成遥感影像到REDAS软件系统处理格式的转换（﹡img）；图像纠正完成遥感影像的大气校正、几何纠正、辐射增强以及遥感影像的匹配、镶嵌等；遥感影像信息增强和变换处理可以突出相关的专题信息，本次使用方法主要有线性拉伸、K-T空间变换、边界增强等。2）与地学辅助信息的配准：主要完成遥感影像与地学辅助信息（各类专题GIS数据主要是坡度和高度）的坐标、投影系统转换，使得遥感影像与所采用的辅助地学信息纳入到统一坐标与投影系统下。3）“训练区”选择与计算：通过对遥感影像信息特征的初步理解，同时结合地学辅助信息以及实地考察，确定样本“训练区”。“训练区”要有典型性与可分性，确定“训练区”后，对“训练区”数据进行计算，确定样本的统计信息（均值、最大最小值、方差矩阵、协方差矩阵等）。本次提取的土地利用类型为六大种类型，即建筑用地、耕地、水域、园地、林地和未利用地，采用AOI扩展方式进行训练区选择，运用此种方法进行训练区选择时，初始种子（seed pixel）和光谱距离的阈值非常重要，任一训练区初始种子和光谱距离的阈值经多次实验后才能确定。不同地类这两个参数是不一样的，一般在选取了2～3个训练区后，观看报警掩膜的情况，即时对这两个参数进行修改和调整。增加训练区时，及时将报警掩膜和以前的报警掩膜叠加，判断样本数据的质量变化情况，并做出调整，直至报警掩膜和实际地类比较符合时，即认为这一类的训练区选择完毕。一种地类训练完毕，需要对最终的训练区作一个整体的分析，保证光谱的纯度。（2）地理信息系统处理过程，在GIS系统支持下，完成地学辅助信息的处理，主要包括以下过程：1）专题信息导入与预处理：通过地面调查或专家知识经验，收集地学辅助信息（包括各类专题信息、统计资料等），导入到GIS系统中，完成辅助信息的前期预处理，包括各类矢量数据的数字化、编辑、拓扑关系的建立等，统计数据的整理与地学编码、统计数据的空间化等工作。2）辅助数据的生成：利用前期处理好的辅助数据，进行各类数据的格式转换，如矢量数据的栅格化，点状统计数据插值（IDW/Kriging等方法）生成面状数据；最后统一坐标与投影系统，达到与遥感数据的配准。3）建立各类地学辅助因子数据库：GIS软件支持下，基于前面生成的各类辅助数据，建立专题数据库，形成地学辅助因子数据库。（3）知识库的生成过程，建立专家知识库，主要是地学规律知识库，包括以下过程：1）知识获取：通过对照遥感影像，进行野外考察，针对各类有代表性的影像特征对该地区所有地貌条件下的土地利用/土地覆盖状况、植被分布、生态环境条件进行实地考察，获取各类实践知识。2）知识库生成：对获取的知识进行整理，从总体上归纳出各类规律，形成知识规则，最后通过对“训练区”的数据不断训练，修改和调试知识规则，形成地学规律知识库。土地覆盖/土地利用类型对高程有明显的依赖关系。对研究区已有的土地利用现状图分析，建筑用地、园地主要分布在海拔300m以下；耕地绝大部分分布在海拔150m以下；林地的分布范围较广，不同海拔都有分布，分布在10m以下的林地主要是沿海防护林和公路绿化林地。350m以上的海拔，只有林地分布，没有其他地类。坡度数据可以用于区别某些土地覆盖/土地利用类型。根据实地考察结果和对地形图、已有土地利用现状图的分析，建筑用地、水浇地、园地主要分布在坡度小于20 °区域，坡度大于10 °时很少有水浇地。所以，遥感数据的光谱特征同样表现为绿色植被，难以判断是水浇地还是林地时，坡度数据是一个有价值的参数。以下是几种地类与高程和坡度的详细关系。在本次的分类知识库，专家规则采用下面的基本形式来表达：IF（条件）THEN（结论），Confidence（结论可信度）其中可信度的值域为［0，1］，值为0 时，完全排除当前像元为所给类别的可能性；当取值为1时，维持像元原始可信度，且表示当前结论永远成立。可信度可以根据地学经验或专家打分等方法来确定。知识的表示与知识库的构造要结合地学问题的研究特点。通过不断修改和调试知识库，使影像解译结果基本达到人工目视解译的效果。当可信度的值为0时，则排除了当前像元为（结论）所给出的类别的可能性；而当取值为1 时，已有可信度值不该变。这种表示方法，不但考虑到了遥感影像解译的特点，而且明显地减少了知识库中规则的数量。这对于大数据量的遥感数据处理是极其重要的。下面给出规则库中的规则：IF VALUE ＝1 DEM ＜300 AND SLOPE ＜20 THEN 建筑用地 CF ＝1IF VALUE ＝2 DEM ＜50 AND SLOPE ＜10 THEN 水浇地 CF ＝1I VALUE ＝3 THEN 水域 CF ＝1IF VALUE ＝4 DEM ＜300 AND SLOPE ＜20 THEN 旱地 CF ＝1IF VALUE ＝5 DEM ＜300 AND SLOPE ＜20 THEN 园地 CF ＝1IF VALUE ＝6 THEN 林地 CF ＝1ELSE IF DEM＞＝300 OR SLOPE＞＝20 THEN 林地 CF ＝1ELSE IF 50＝＜DEM＜＝250 AND 10＝＜SLOPE＜20 THEN 园地 CF＝5ELSE 林地 CF ＝1本次分类结果精度评价采用分层随机采样法，主要参考龙口市土地利用现状图，同时结合目视判读的结果以及现场验证，对两个时期的分类结果进行精度评价。各时期的遥感分类结果直接参照同年的土地利用现状图进行精度验证。由于遥感分类体系与土地利用现状的分类体系有一定差异，因此，在进行随机采样之前，将遥感分类图像的土地利用类型和土地利用现状的分类进行适当统一。然后分别对每期遥感分类结果选取300个样本点，并保证每类有10个以上的样点，用基于误差矩阵的精度评价方法，对龙口市1989年和2003年的分类结果进行评价。实用Kappa系数计算表明1989年和2003年龙口市土地利用TM遥感分类结果的总体精度和使用者精度都在75%以上，Kappa系数也都在8以上，达到最低允许判别精度7的要求。这些表明了龙口市两期图像的土地利用遥感分类结果均比较理想，各地类的分类精度也较高。3 龙口市土地利用时空变化分析随着地球信息科学的兴起与发展，人们可获取的资源的极大丰富以及信息处理技术的极大提高，尤其是动态可视化技术获得新的突破。在此需求与技术背景下，陈述彭先生倡导在传统地学图谱的基础上开展地学信息图谱的探讨与研究。地学信息图谱是地学图谱在地球信息科学基础上的自然延伸，是按照一定指标递变规律或分类体系排列的一组能够反映地学空间信息规律的数字地图、图表、曲线或图像。地学信息图谱是“图”与“谱”的结合，兼有图形与谱系的双重特征。本文所采用土地利用图谱分析模型包括两部分内容：①转移矩阵，从中可以看出各个时序单元土地利用变化的主要类型以及各地类的补给来源。②不同时序单元内土地利用图谱分析，考察图谱单元的空间组合与时空位移。1 转移矩阵转移矩阵对于分析土地利用类型之间的流向具有重要作用，它不仅可以定量说明土地利用类型之间的相互转化状况，而且可以揭示不同景观类型间的转移概率，从而可以更好地了解土地利用的时空演变过程。转移矩阵包括转移面积矩阵、概率矩阵。表1 1989～2003年土地利用转移矩阵（单位：hm2）注：R为各土地利用类型的转移比例（%）。从表1可以看出，在1989年至2003年，建筑用地发生用途流转面积为61hm2，占初始建筑用地面积的比率为62%，不存在明显流向。耕地发生用途流转面积为40hm2，占初始耕地面积的比率为 85%，主要流向是园地，该流向82hm2，占初始耕地面积的比率为11%，其次是建筑用地，该流向77hm2，占初始耕地面积的比率为92%。水域发生用途流转面积为92hm2，占初始水域面积的比率为72%，主要流向是园地和林地，共占初始水域面积的比率为4%。园地发生用途流转面积为62hm2，占初始园地面积的比率为89%，主要流向是建筑用地，该流向 25hm2，占初始园地面积的比率为 55%。林地发生用途流转面积为45hm2，占初始林地面积的比率为 45%，主要流向是建筑用地，该流向64hm2，占初始林地面积的比率为 66%。未利用地发生用途流转面积为74hm2，占初始未利用地面积的比率为 24%，主要流向是园地，该流向85hm2，占初始未利用地面积的比率为60%，其次是流向林地和建筑用地，共占初始未利用地面积的比率为89%。2 土地利用信息图谱在图谱中，共有36类图谱单元，即土地利用变化类型，其中有30类显示为土地利用类型发生了变化，占研究区总面积的34%。为了更简单明了地读取土地利用类型流转的主要方向，认识土地利用变化的主要特征，将该30类变化的图谱单元按照面积大小进行排序，计算各类图谱单元的转换面积百分率和累计转换百分率，统计其中涵盖变化总面积的04%的10类图谱单元，得到1989～2003年土地利用主要图谱单元类型的面积排序表（表2）。表2 1989～2003年土地利用主要图谱单元类型的面积排序表从表2可以看出，龙口市在1989～2003年间土地利用变化最显著的结构特征是耕地向园地的转化，该流向的耕地面积共82hm2，占到整个变化面积的89%。其次是耕地向建筑用地的转化，面积为77hm2，占到整个变化面积的93%。再次是未利用地向园地的转化，面积为85 hm2，占到整个变化面积的56%。可以看出，研究时段内龙口市的土地利用类型主要是流向建筑用地和园地。4 结论（1）本研究利用陆地卫星资料ETM＋对龙口市土地利用进行了时空监测与分析，取得了较好的效果；但是ETM＋的影像分辨率较低，它主要是反映一些综合的地类信息，对于一些土地利用图斑较为破碎，用地类型交错复杂的地区，其地物提取就有一定的难度，因此在土地利用变化的详细监测上就有所欠缺。在今后的研究中，应结合高分辨率卫星影像进行研究，积极探求新的动态监测方法以充分利用这些高分辨率的遥感数据来获得更可靠准确的区域土地利用变化信息。（2）如何充分地利用地理信息系统空间数据库提供的丰富的地理辅助数据，进而自动发现知识，并融合多尺度、多时相的高分辨率的遥感数据，建立灵活高效的推理机制，从而完成遥感影像的专题信息自动提取，是需要进一步的研究方向。（3）“地学信息图谱”是一新兴的学术思想，目前还处于认识阶段，对它的理解尚不很成熟，需要更多的学者和更多的研究工作来完善对其的认识。本文利用遥感技术开展土地利用演化与发展的信息图谱研究，来反演时空变化，进而认识客观世界，揭示和再现过去，是一先进可行的技术途径。（4）研究结果表明龙口市在1998～2003年间，土地利用方式相互转化较为频繁，变化强度大，矛盾非常突出。主要表现为耕地的不断减少，园地和建筑用地持续增长；其主要流向是从耕地流向园地和建筑用地。这些变化造成了龙口市耕地质量下降和利用程度加强，给耕地保护带来了巨大压力。因此，土地管理部门应该从宏观决策上给予重视，处理好社会经济发展与土地后备资源储备的关系实施可持续发展。参考文献陈述彭地学信息图谱探索研究商务印书馆李小英，彭望碌，曹彤土地利用演化信息图谱的研究——以北京市顺义县为例地球信息科学，2：（58～63）齐清文，池天河地学信息图谱的理论和方法地理学报，56（增刊）：8～18术洪磊，毛赞猷GIS辅助下的基于知识的遥感影像分类方法研究——以土地覆盖土地利用类型为例测绘学报，11（4）叶庆华黄河三角洲土地利用/土地覆盖变化的时空复合模式研究中国科学院地理科学与资源研究所博士学位论文周成虎，骆剑承，杨存建，刘庆生遥感影像地学理解与分析科学出版社，180～240Lucas I F J，Frans J M，Wel V DAccuracy assessment of satellite derived land-cover data：a Photogrammetric Engineering and Remote Sensing，60（4）：410～432
你参考了什么就如实写下来不就行了，只要格式按参考资料的模板
1、标题； 2、作者单位与姓名及邮政编码； 3、论文摘要； 4、关键词； 5、正文：包括论文撰写的背景与该问题的研究意义；论证；结论； 6、参考文献。