首页--农业科学论文--林业论文--林业基础科学论文--森林水文学论文

大兴安岭北部主要森林类型积雪特征及遥感估测

摘要第3-5页
Abstract第5-6页
1 绪论第9-15页
    1.1 引言第9-10页
    1.2 国内外研究概况第10-15页
        1.2.1 森林雪水文特征研究第10-12页
        1.2.2 积雪遥感研究第12-15页
2 论文研究方案第15-24页
    2.1 研究的目的和意义第15页
    2.2 研究内容第15-16页
    2.3 研究方法第16-23页
        2.3.1 森林积雪特征研究方法第16-18页
        2.3.2 积雪遥感估测研究方法第18-23页
    2.4 技术路线第23页
    2.5 课题支撑第23-24页
3 研究区概况第24-25页
    3.1 地理位置第24页
    3.2 地质地貌与土壤第24页
    3.3 气候与水文第24页
    3.4 森林与植被第24-25页
4 大兴安岭北部主要森林类型降雪特征第25-28页
    4.1 观测期内大气降雪特征第25页
    4.2 不同森林类型林冠截留特征第25-27页
        4.2.1 不同森林类型林冠截留量第25-26页
        4.2.2 降雪强度与林冠截留的关系第26-27页
    4.3 本章小结第27-28页
5 大兴安岭北部主要森林类型积雪特征第28-38页
    5.1 不同森林类型林内积雪期雪深特征第28-29页
    5.2 不同森林类型林内积雪期雪密度特征第29-31页
    5.3 不同森林类型林内积雪期雪水当量特征第31-32页
    5.4 积雪期雪面蒸发特征第32-36页
        5.4.1 积雪雪面蒸发日变化特征第32-35页
        5.4.2 不同森林类型林内积雪雪面蒸发特征第35-36页
    5.5 本章小结第36-38页
6 雪水当量遥感反演模型建立第38-54页
    6.1 特征变量提取第38页
    6.2 传统多元线性回归模型第38-41页
        6.2.1 多元线性回归分析第38-39页
        6.2.2 传统多元线性回归模型的建立第39页
        6.2.3 传统多元线性回归模型精度分析第39-41页
    6.3 偏最小二乘回归模型第41-44页
        6.3.1 偏最小二乘回归分析第41-42页
        6.3.2 偏最小二乘回归模型的建立第42页
        6.3.3 偏最小二乘回归模型精度分析第42-44页
    6.4 BP神经网络模型第44-50页
        6.4.1 BP神经网络分析第44-46页
        6.4.2 BP神经网络模型的建立第46-48页
        6.4.3 BP神经网络模型精度分析第48-50页
    6.5 最优模型挑选及区域积雪特征估测第50-52页
        6.5.1 最优雪水当量模型挑选第50页
        6.5.2 区域积雪特征估测及分析第50-52页
    6.6 本章小结第52-54页
7 讨论第54-58页
    7.1 森林积雪效应第54-56页
    7.2 区域积雪分布遥感估测第56-58页
结论第58-60页
参考文献第60-68页
攻读学位期间发表的学术论文第68-69页
致谢第69-70页

论文共70页,点击 下载论文
上一篇:毛果杨铵转运蛋白PtrAMT1;6功能鉴定和遗传转化
下一篇:氮添加对典型阔叶红松林净初级生产力的影响