1. 研究目的与意义（文献综述）

一线城市如上海，深圳，广州，其居高不下的人力成本、生活成本，逐渐上升的环保成本，开始逐渐限制了企业的发展。不少产业例如氨纶，已经开始向中西部地区转移，其中，湖北省武汉市就是一个很好的选择。

武汉，中部六省唯一的副省级市和特大城市，长江经济带核心城市。全市下辖13个市辖区、3个国家级开发区，总面积8494.41平方公里。作为“一带一路”重要节点城市，作为承载产业迁移的重要支撑点，作为华中地区交通枢纽，高素质劳动力中心，武汉，若要为即将到来的产业转型浪潮做很充分的准备，没有合理的产业布局、空间规划，这关键的一步，将会埋下很多隐患。因此，更快更好的对遥感数据进行分析，会为政府决策安排节省下宝贵的时间。

遥感图像是地理信息的可视化载体之一，应用于社会生产当中，主要作为土地规划与管理的基本数据。但是，随着城市范围越来越大，城市土地覆盖种类增多，单单依靠人工标定遥感图像，其费时费力效率低下的特点，影响了遥感图像的快速利用。近些年，深度学习逐渐成为机器学习领域的研究方向，采用多层结构结合卷积流程，能较快速的进行特征的学习，从而为遥感数据高精度自动化处理提供了可能。

2. 研究的基本内容与方案

研究（设计）的基本内容：

1、对武汉市城市土地利用类型进行分析，提出分类标准；

3. 研究计划与安排

1-2周：基础数据的制作；

3-5周:查阅文献，完成开题；

6-12周:完成论文初稿；

4. 参考文献（12篇以上）

1.ning,y.feature selection for object-oriented classification of high resolution remotesensing images. xi`an university of science and technology, china, 2012.

2.bengio,y. learning deep architectures for ai. foundations amp; trends? in machinelearning 2009, 1, 1-127, doi: 10.1561/2200000006.

3.kavukcuoglu,k.;sermanet,p.;boureau,y.l; karol, g.; micha?l,m.; yann, l. learning convolutionalfeature hierarchies for visual recognition. advances in neural informationprocessing systems2010, 1, 1090-1098.