基于多参数的林分胸径估测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 胸径估测方法的研究现状 | 第9页 |
| 1.2.2 环境变化对胸径生长的影响 | 第9-10页 |
| 1.2.3 遥感在森林资源估测中的应用 | 第10-12页 |
| 1.3 研究内容和技术路线 | 第12-13页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 技术路线 | 第12-13页 |
| 1.4 章节安排 | 第13-15页 |
| 2 研究区概况和数据 | 第15-27页 |
| 2.1 研究区概况 | 第15-16页 |
| 2.1.1 地理位置和行政区划 | 第15-16页 |
| 2.1.2 气候条件 | 第16页 |
| 2.1.3 地形地貌 | 第16页 |
| 2.1.4 森林资源 | 第16页 |
| 2.2 研究数据 | 第16-19页 |
| 2.2.1 森林资源二类调查数据 | 第16-17页 |
| 2.2.2 遥感数据 | 第17-18页 |
| 2.2.3 地形数据 | 第18-19页 |
| 2.3 数据预处理 | 第19-25页 |
| 2.3.1 遥感数据预处理 | 第19-21页 |
| 2.3.2 地形数据预处理 | 第21-22页 |
| 2.3.3 数据的提取与整合 | 第22-23页 |
| 2.3.4 相关性分析 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 研究方法 | 第27-32页 |
| 3.1 经验模型 | 第27页 |
| 3.2 多元线性回归 | 第27-28页 |
| 3.3 广义回归神经网络 | 第28-29页 |
| 3.4 梯度提升决策树 | 第29-30页 |
| 3.5 模型评价指标 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 单一参数林分胸径估测 | 第32-39页 |
| 4.1 经验模型建模 | 第32-33页 |
| 4.2 经验模型估测 | 第33-38页 |
| 4.3 本章小结 | 第38-39页 |
| 5 多参数林分胸径估测 | 第39-47页 |
| 5.1 多元线性回归 | 第39-41页 |
| 5.2 广义回归神经网络 | 第41-42页 |
| 5.3 梯度提升决策树 | 第42-44页 |
| 5.4 模型的对比与分析 | 第44-45页 |
| 5.5 本章小结 | 第45-47页 |
| 6 总结 | 第47-50页 |
| 6.1 讨论与结论 | 第47-48页 |
| 6.2 本文的创新点 | 第48-49页 |
| 6.3 不足与展望 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 个人简介 | 第56-57页 |
| 致谢 | 第57页 |
