摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第一章 植被生物量及碳储量研究综述 | 第11-26页 |
·植被生物量及碳储量研究历史背景及过程 | 第11-15页 |
·植被生物量及碳储量研究历史背景 | 第11-13页 |
·植被生物量及碳储量研究历史 | 第13-15页 |
·基于遥感的植被生物量及碳储量估算研究 | 第15-22页 |
·构建遥感信息模型的理论依据 | 第16页 |
·基于遥感的植被生物量及碳储量估算模型分类 | 第16-20页 |
·参数模型 | 第16-19页 |
·非参数模型 | 第19-20页 |
·高光谱遥感在植被生物量及碳储量估算中的应用研究 | 第20-21页 |
·其它遥感数据在生物量及碳储量估算中的应用研究 | 第21-22页 |
·毛竹林生物量及碳储量研究 | 第22-23页 |
·小结 | 第23-26页 |
·模型构建的一些建议 | 第23-26页 |
第二章 研究框架 | 第26-30页 |
·研究区概况 | 第26-27页 |
·研究数据及资料 | 第27页 |
·研究内容、目的及拟解决问题 | 第27-28页 |
·研究步骤 | 第28页 |
·技术路线 | 第28-30页 |
第三章 数据处理与分析 | 第30-42页 |
·毛竹林样地数据收集 | 第30-31页 |
·样地调查 | 第30页 |
·样地碳储量换算 | 第30-31页 |
·遥感数据处理 | 第31-40页 |
·遥感影像预处理 | 第31-38页 |
·几何校正 | 第31-32页 |
·绝对辐射校正 | 第32-35页 |
·相对辐射校正 | 第35-37页 |
·相对辐射校正评价 | 第37-38页 |
·植被指数及纹理 | 第38-40页 |
·植被指数的计算 | 第38-39页 |
·纹理信息 | 第39-40页 |
·小结 | 第40-42页 |
第四章 毛竹林遥感信息提取 | 第42-50页 |
·分类类别的确定 | 第42页 |
·分类特征选取 | 第42-43页 |
·基于BP 神经网络毛竹林分类 | 第43-45页 |
·训练样本选取 | 第44页 |
·BP 神经网络构建 | 第44-45页 |
·最大似然法 | 第45页 |
·分类精度评价 | 第45-47页 |
·混淆矩阵评价 | 第45-47页 |
·野外调查样点评价 | 第47页 |
·毛竹林面积统计 | 第47-49页 |
·基于遥感分类的毛竹林面积统计 | 第47-48页 |
·面积动态变化及分析 | 第48-49页 |
·小结 | 第49-50页 |
第五章 毛竹林地上部分生物量遥感信息模型构建 | 第50-82页 |
·自变量因子相关性分析 | 第50-51页 |
·模型构建 | 第51-65页 |
·逐步回归法构建模型 | 第51-54页 |
·偏最小二乘法构建模型 | 第54-65页 |
·算法介绍 | 第54-55页 |
·有效成分判断 | 第55页 |
·Bootstrap 变量筛选方法 | 第55-56页 |
·构建模型过程 | 第56-62页 |
·辅助分析技术 | 第62-65页 |
·人工神经网络模型构建 | 第65-77页 |
·人工神经网络改进方法 | 第65-66页 |
·基于激活函数的改进方法 | 第65-66页 |
·Erf-BP 算法实现及分析 | 第66-69页 |
·高斯误差函数简介 | 第66-67页 |
·算法实现过程 | 第67-68页 |
·Erf 与Logsig 对比分析 | 第68-69页 |
·变量因子重要性定量分析 | 第69-70页 |
·基于Erf-BP 算法毛竹林地上部分生物量估算模型 | 第70-77页 |
·构建过程 | 第71-77页 |
·不同模型精度比较 | 第77页 |
·毛竹林地上部分碳储量预测与制图 | 第77-80页 |
·碳储量预测 | 第77-79页 |
·毛竹林地上部分碳储量分布图绘制 | 第79-80页 |
·小结 | 第80-82页 |
第六章 结语、创新点与讨论 | 第82-85页 |
·结语 | 第82-83页 |
·创新点 | 第83页 |
·讨论与建议 | 第83-85页 |
·模型精度影响因素 | 第83页 |
·三种模型评价分析 | 第83-84页 |
·毛竹林地上部分碳储量估算结果分析 | 第84页 |
·多源遥感信息结合 | 第84-85页 |
参考文献 | 第85-95页 |
附录 | 第95-106页 |
导师简介 | 第106页 |
个人简介 | 第106-107页 |
致谢 | 第107页 |