| 中文摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 中文文摘 | 第5-7页 |
| 目录 | 第7-10页 |
| 绪论 | 第10-24页 |
| 1 研究目的、选题依据及意义 | 第10-12页 |
| ·研究目的 | 第10-11页 |
| ·选题依据 | 第11-12页 |
| ·研究意义 | 第12页 |
| 2 植被及植被覆盖度的概念、意义与作用 | 第12-13页 |
| 3 植被覆盖度的研究现状 | 第13-19页 |
| ·地表实测法 | 第13-15页 |
| ·遥感监测法 | 第15-19页 |
| ·小结 | 第19页 |
| 4 人工神经网络概述 | 第19-21页 |
| ·人工神经网络 | 第19-20页 |
| ·人工神经网络的原理与内容 | 第20-21页 |
| 5 研究内容、方法、技术路线 | 第21-24页 |
| ·研究内容 | 第21页 |
| ·研究方法 | 第21-22页 |
| ·技术路线 | 第22-24页 |
| 第一章 研究区概况 | 第24-28页 |
| 1 自然环境概况 | 第24-25页 |
| ·地理位置 | 第24页 |
| ·气候 | 第24-25页 |
| ·地质地貌 | 第25页 |
| ·植被 | 第25页 |
| ·土壤 | 第25页 |
| ·水文 | 第25页 |
| 2 社会经济概况 | 第25-26页 |
| 3 朱溪流域的水土流失情况 | 第26-28页 |
| 第二章 数据源与数据处理 | 第28-44页 |
| 1 数据源 | 第28-33页 |
| ·遥感数据 | 第28-30页 |
| ·其他辅助数据 | 第30-32页 |
| ·野外调查数据 | 第32-33页 |
| 2 数据处理 | 第33-44页 |
| ·影像校正 | 第33-40页 |
| ·影像裁剪 | 第40-42页 |
| ·求取反射率 | 第42-44页 |
| 第三章 植被指数的提取与选择 | 第44-58页 |
| 1 植被指数 | 第44-49页 |
| ·植被指数的概念 | 第44页 |
| ·植被指数的意义 | 第44-45页 |
| ·植被指数的分类 | 第45-49页 |
| 2 植被指数的计算 | 第49-51页 |
| 3 选取植被指数 | 第51-57页 |
| ·不同植被指数降低土壤背景的影响效果评价 | 第52-54页 |
| ·不同植被指数探测植被覆盖度的能力 | 第54-56页 |
| ·不同植被指数的取值范围对植被信息探测的影响 | 第56-57页 |
| 4 小结 | 第57-58页 |
| 第四章 植被覆盖度的计算 | 第58-70页 |
| 1 植被覆盖度计算模型建立 | 第58-62页 |
| ·像元二分模型法 | 第58-59页 |
| ·MSAVI计算植被覆盖度的模型 | 第59-60页 |
| ·模型改进 | 第60-62页 |
| ·估算过程 | 第62页 |
| 2 朱溪流域植被覆盖度的估算 | 第62-67页 |
| ·计算各土地利用类型的MSAVI | 第62-63页 |
| ·计算各土壤类型的MSAVI | 第63页 |
| ·作出土地利用类型与土壤类型的MSAVI概率分布 | 第63-65页 |
| ·计算MSAVI的最大最小值 | 第65-66页 |
| ·计算植被覆盖度 | 第66-67页 |
| 3 验证 | 第67-69页 |
| 4 小结 | 第69-70页 |
| 第五章 水土流失模型建立 | 第70-80页 |
| 1 BP神经网络 | 第70-75页 |
| ·BP神经网络的结构 | 第70-71页 |
| ·BP神经网络的基本原理 | 第71-72页 |
| ·BP神经网络的作用函数 | 第72页 |
| ·BP神经网络算法步骤 | 第72-74页 |
| ·BP神经网络应用需解决的重点问题 | 第74-75页 |
| 2 构建水土流失监测的BP神经网络—BP神经网络在Matlab中的实现 | 第75-79页 |
| ·BP神经网络的实现——基于matlab的水土流失模型建立与分析 | 第75-79页 |
| 3 小结 | 第79-80页 |
| 第六章 结论 | 第80-82页 |
| 1 主要结论 | 第80页 |
| 2 特色与创新 | 第80页 |
| 3 讨论 | 第80-81页 |
| 4 展望 | 第81-82页 |
| 附录 | 第82-86页 |
| 参考文献 | 第86-94页 |
| 攻读学位期间承担的科研任务与主要成果 | 第94-96页 |
| 致谢 | 第96-98页 |
| 个人简历 | 第98-100页 |