基于Landsat-8遥感影像的森林蓄积量估测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 森林资源调查的发展 | 第9-10页 |
| 1.2.2 遥感影像在森林资源监测中的应用 | 第10-11页 |
| 1.2.3 森林蓄积量估测方法研究进展 | 第11页 |
| 1.3 研究内容和技术路线 | 第11-12页 |
| 1.4 研究方法和章节安排 | 第12-14页 |
| 1.4.1 研究方法 | 第12-13页 |
| 1.4.2 章节安排 | 第13-14页 |
| 2 区域概况和研究数据 | 第14-19页 |
| 2.1 研究区域 | 第14-16页 |
| 2.1.1 地理位置与行政区划 | 第14-15页 |
| 2.1.2 自然环境状况 | 第15页 |
| 2.1.3 社会经济状况 | 第15页 |
| 2.1.4 森林资源状况 | 第15-16页 |
| 2.2 研究数据 | 第16-18页 |
| 2.2.1 地形数据 | 第16页 |
| 2.2.2 遥感数据 | 第16-17页 |
| 2.2.3 森林资源二类调查数据 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 数据预处理 | 第19-24页 |
| 3.1 地形数据预处理 | 第19-20页 |
| 3.1.1 DEM图像拼接剪裁 | 第19-20页 |
| 3.1.2 DEM地形因子提取 | 第20页 |
| 3.2 遥感数据预处理 | 第20-21页 |
| 3.2.1 影像预处理 | 第20页 |
| 3.2.2 遥感因子提取 | 第20-21页 |
| 3.3 信息因子提取整合 | 第21-22页 |
| 3.4 相关性分析 | 第22-23页 |
| 3.5 本章小结 | 第23-24页 |
| 4 森林蓄积量建模估测 | 第24-40页 |
| 4.1 多元线性回归 | 第24-28页 |
| 4.1.1 多元线性回归原理 | 第24-25页 |
| 4.1.2 多元线性回归模型预测 | 第25页 |
| 4.1.3 多元线性回归模型精度检验 | 第25-28页 |
| 4.2 偏最小二乘法 | 第28-32页 |
| 4.2.1 偏最小二乘回归原理 | 第28-29页 |
| 4.2.2 偏最小二乘回归模型预测 | 第29页 |
| 4.2.3 偏最小二乘回归模型精度检验 | 第29-32页 |
| 4.3 广义回归神经网络 | 第32-37页 |
| 4.3.1 广义回归神经网络原理 | 第32-33页 |
| 4.3.2 广义回归神经网络模型预测 | 第33-34页 |
| 4.3.3 广义回归神经网络模型精度检验 | 第34-37页 |
| 4.4 三种模型对比及分析 | 第37-39页 |
| 4.4.1 模型评价指标 | 第37页 |
| 4.4.2 模型预测精度评估 | 第37-38页 |
| 4.4.3 三种模型对比及分析 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 5 纹理因子对森林蓄积量估测的影响 | 第40-47页 |
| 5.1 纹理因子提取 | 第40-41页 |
| 5.2 纹理窗口选择 | 第41-43页 |
| 5.3 基于3×3纹理窗口的森林蓄积量估测 | 第43-45页 |
| 5.4 本章小结 | 第45-47页 |
| 6 总结 | 第47-49页 |
| 6.1 结论与讨论 | 第47页 |
| 6.2 本文创新点 | 第47-48页 |
| 6.3 不足与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 个人成果 | 第53-54页 |
| 致谢 | 第54页 |
