| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·引言 | 第9-10页 |
| ·森林生物量/碳储量估测研究的意义 | 第10-12页 |
| ·森林生物量/碳储量研究进展 | 第12-14页 |
| ·国外森林生物量碳储量研究概况 | 第12-13页 |
| ·国内森林碳储量研究概况 | 第13-14页 |
| ·存在的问题及展望 | 第14-15页 |
| ·主要研究内容 | 第15-16页 |
| ·研究方法和技术路线 | 第16-18页 |
| ·研究方法 | 第16页 |
| ·技术路线 | 第16-18页 |
| 2 研究区概况及数据获取处理 | 第18-22页 |
| ·研究区概况 | 第18页 |
| ·数据资料的获取与处理 | 第18-20页 |
| ·地面抽样调查数据 | 第18-19页 |
| ·Landsat TM 遥感影像 | 第19-20页 |
| ·样地森林生物量与碳储量的计算 | 第20-22页 |
| 3 样地森林数据与对应 TM 影像的统计与分析 | 第22-30页 |
| ·样地数据统计分析 | 第22页 |
| ·样地森林数据与TM 波段相关性分析 | 第22-24页 |
| ·森林样地数据与植被指数相关性分析 | 第24-28页 |
| ·植被指数 | 第24-26页 |
| ·植被指数与森林碳储量相关性分析 | 第26-28页 |
| ·小结 | 第28-30页 |
| 4 基于 TM 影像的回归方法估测模拟森林碳储量 | 第30-38页 |
| ·回归模型概述 | 第30-32页 |
| ·一元线性回归模型 | 第30页 |
| ·一元线性回归方法 | 第30-32页 |
| ·最小二乘估计方法 | 第30-31页 |
| ·多项式回归及其算法 | 第31-32页 |
| ·多元线性回归模型 | 第32页 |
| ·多元线性回归模型的一般模式 | 第32页 |
| ·逐步回归计算方法 | 第32页 |
| ·植被指数与森林碳储量的回归模拟 | 第32-36页 |
| ·一元线性回归估测模拟森林碳储量 | 第32-33页 |
| ·多元线性回归估测模拟森林碳储量 | 第33-36页 |
| ·小结 | 第36-38页 |
| 5 基于 TM 影像的人工神经网络方法估测模拟森林碳储量 | 第38-58页 |
| ·人工神经网络概述 | 第38-41页 |
| ·人工神经网络的发展过程 | 第38-39页 |
| ·人工神经网络的构成 | 第39-41页 |
| ·前馈神经网络 | 第41-44页 |
| ·多层感知器神经网络 | 第41-42页 |
| ·径向基函数神经网络 | 第42-44页 |
| ·前馈反向传播神经网络方法（BP-ANN）模拟森林碳储量 | 第44-52页 |
| ·人工神经网络（BP-ANN）方法仿真建模 | 第44-46页 |
| ·结果与分析 | 第46-50页 |
| ·模拟结果 | 第46-47页 |
| ·结果分析 | 第47-50页 |
| ·讨论 | 第50-52页 |
| ·径向基函数神经网络方法（RBF-ANN）模拟森林碳储量 | 第52-58页 |
| ·径向基神经网络方法(RBF-ANN)仿真建模 | 第52-53页 |
| ·模拟结果与分析 | 第53-58页 |
| ·径向基函数的扩展系数(spread)对模拟结果的影响 | 第53-54页 |
| ·模拟结果图 | 第54-56页 |
| ·结果分析 | 第56-58页 |
| 6 结论与讨论 | 第58-59页 |
| ·结论 | 第58页 |
| ·讨论 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 导师简介 | 第65页 |
| 个人简介 | 第65-66页 |
| 致谢 | 第66页 |
