| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究进展 | 第13-16页 |
| 1.2.1 遥感数据在林业应用中的研究进展 | 第13-14页 |
| 1.2.2 森林郁闭度遥感估测方法的研究进展 | 第14-16页 |
| 1.3 研究目的及研究主要内容 | 第16-20页 |
| 1.3.1 研究目的 | 第16-17页 |
| 1.3.2 研究主要内容 | 第17-18页 |
| 1.3.3 研究技术路线 | 第18-20页 |
| 2 研究区概况及数据获取 | 第20-23页 |
| 2.1 研究区概况 | 第20-21页 |
| 2.1.1 地理位置 | 第20页 |
| 2.1.2 地形气候 | 第20页 |
| 2.1.3 土壤植被 | 第20-21页 |
| 2.2 数据获取 | 第21-23页 |
| 2.2.1 光学遥感影像数据 | 第21页 |
| 2.2.2 微波遥感影像数据 | 第21-22页 |
| 2.2.3 激光雷达数据 | 第22-23页 |
| 3 样本数据提取 | 第23-29页 |
| 3.1 冠层高度模型（CHM）的郁闭度计算 | 第23-24页 |
| 3.2 植被指数计算 | 第24-26页 |
| 3.3 灰度共生矩阵纹理特征提取 | 第26-28页 |
| 3.4 影像分割 | 第28-29页 |
| 4 郁闭度建模回归及分析 | 第29-59页 |
| 4.1 郁闭度建模回归 | 第29-37页 |
| 4.1.1 建模回归原理 | 第29-34页 |
| 4.1.1.1 多元逐步回归原理 | 第29-30页 |
| 4.1.1.2 随机森林回归原理 | 第30-32页 |
| 4.1.1.3 Cubist回归原理 | 第32-34页 |
| 4.1.2 自变量选择及模型参数选择 | 第34-37页 |
| 4.1.2.1 自变量选择 | 第34-36页 |
| 4.1.2.2 模型参数选择 | 第36-37页 |
| 4.2 建模结果对比分析 | 第37-59页 |
| 4.2.1 建模精度评价 | 第37页 |
| 4.2.2 基于LANDSAT ETM+影像的建模结果 | 第37-49页 |
| 4.2.2.1 多元逐步回归（MSR）建模结果 | 第37-40页 |
| 4.2.2.2 随机森林（RF）建模结果 | 第40-43页 |
| 4.2.2.3 Cubist建模结果 | 第43-49页 |
| 4.2.3 基于ALOS PALSAR影像的建模结果 | 第49-59页 |
| 4.2.3.1 多元逐步回归（MSR）建模结果 | 第49-51页 |
| 4.2.3.2 随机森林RF建模结果 | 第51-53页 |
| 4.2.3.3 Cubist建模结果 | 第53-59页 |
| 5 郁闭度反演及制图 | 第59-70页 |
| 5.1 郁闭度反演精度评价 | 第59页 |
| 5.2 基于LANDSAT ETM+影像的森林郁闭度反演制图 | 第59-63页 |
| 5.2.1 反演精度评价 | 第59-62页 |
| 5.2.2 郁闭度反演及制图 | 第62-63页 |
| 5.3 基于ALOS PALSAR影像的森林郁闭度反演制图 | 第63-67页 |
| 5.3.1 反演精度评价 | 第63-66页 |
| 5.3.2 郁闭度反演及制图 | 第66-67页 |
| 5.4 对比分析 | 第67-70页 |
| 6 结论与讨论 | 第70-74页 |
| 6.1 结论 | 第70-72页 |
| 6.2 讨论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79页 |
