摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第10-18页 |
1.1 研究背景 | 第10-11页 |
1.2 研究目的及意义 | 第11页 |
1.3 国内外研究现状 | 第11-15页 |
1.3.1 森林树高的估测 | 第12-13页 |
1.3.2 森林叶面积指数的估测 | 第13-14页 |
1.3.3 森林生物量的估测 | 第14-15页 |
1.4 研究目标与技术路线 | 第15-17页 |
1.4.1 研究目标 | 第15-16页 |
1.4.2 技术路线 | 第16-17页 |
1.5 研究内容 | 第17-18页 |
2 研究区概况及数据预处理 | 第18-25页 |
2.1 研究区概况 | 第18-19页 |
2.1.1 地理位置 | 第18页 |
2.1.2 水文气候 | 第18-19页 |
2.1.3 森林资源 | 第19页 |
2.2 野外样方实测数据 | 第19-20页 |
2.3 机载LiDAR数据及预处理 | 第20-22页 |
2.3.1 数据获取 | 第20页 |
2.3.2 LiDAR数据简介 | 第20-21页 |
2.3.3 LiDAR数据预处理 | 第21-22页 |
2.3.4 LiDAR点云强度校正 | 第22页 |
2.4 Landsat数据及预处理 | 第22-24页 |
2.4.1 Landsat数据简介 | 第22-23页 |
2.4.2 Landsat数据获取 | 第23页 |
2.4.3 Landsat数据预处理 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
3 机载LiDAR不同回波类型的森林LAI反演 | 第25-34页 |
3.1 不同回波类型LPI提取 | 第25-28页 |
3.1.1 野外LAI数据统计 | 第25页 |
3.1.2 LiDAR点云数据分类 | 第25-27页 |
3.1.3 基于点云数量的LPI提取 | 第27页 |
3.1.4 基于点云能量的LPI提取 | 第27-28页 |
3.2 LAI模型建立及精度评价 | 第28-32页 |
3.2.1 单变量模型LAI估测结果 | 第28-30页 |
3.2.2 多变量模型LAI估测结果 | 第30-32页 |
3.3 本章小结 | 第32-34页 |
4 不同LiDAR点云密度反演森林树高 | 第34-40页 |
4.1 不同密度的点云林分平均树高反演 | 第34-37页 |
4.1.1 野外样方数据处理 | 第34-35页 |
4.1.2 LiDAR数据归一化 | 第35页 |
4.1.3 LiDAR点云抽稀 | 第35-37页 |
4.2 树高模型建立及精度评价 | 第37-38页 |
4.3 本章小结 | 第38-40页 |
5 LiDAR点云估测森林地上生物量 | 第40-46页 |
5.1 建模参数提取 | 第40-41页 |
5.1.1 样方生物量计算 | 第40-41页 |
5.1.2 LiDAR参数提取 | 第41页 |
5.2 RBF神经网络估测森林生物量 | 第41-45页 |
5.2.1 RBF神经网络原理 | 第41-43页 |
5.2.2 RBF神经网络构建 | 第43页 |
5.2.3 RBF估测结果分析 | 第43-45页 |
5.3 本章小结 | 第45-46页 |
6 机载LiDAR与Landsat-8 OL1联合估测森林生物量 | 第46-54页 |
6.1 建模参数提取 | 第46-49页 |
6.1.1 野外数据获取 | 第46页 |
6.1.2 LiDAR参数提取 | 第46-47页 |
6.1.3 Landsat参数提取 | 第47-49页 |
6.2 支持向量机估测森林生物量 | 第49-52页 |
6.2.1 支持向量机原理 | 第49-50页 |
6.2.2 生物量模型建立及精度评价 | 第50-52页 |
6.3 本章小结 | 第52-54页 |
结论和展望 | 第54-56页 |
参考文献 | 第56-63页 |
攻读学位期间发表的学术论文 | 第63-64页 |
致谢 | 第64-65页 |