摘要 | 第6-8页 |
Abstract | 第8-10页 |
第1章 绪论 | 第11-25页 |
1.1 研究背景和意义 | 第11-15页 |
1.1.1 研究背景 | 第11-13页 |
1.1.2 研究目的及意义 | 第13-14页 |
1.1.3 遥感(RS)技术在陆地生态系统碳循环研究领域的应用 | 第14-15页 |
1.2 植被净初级生产力(NPP)国内外研究进展概述 | 第15-20页 |
1.2.1 NPP估算研究进展 | 第15-16页 |
1.2.2 主要的NPP模型研究进展 | 第16-20页 |
1.3 研究内容、研究方法以及技术路线 | 第20-24页 |
1.3.1 研究内容 | 第20-21页 |
1.3.2 研究方法 | 第21-22页 |
1.3.3 技术路线 | 第22-24页 |
1.4 预期目标与创新点 | 第24-25页 |
1.4.1 研究目标 | 第24页 |
1.4.2 研究特色与创新 | 第24-25页 |
第2章 研究区域概况及数据预处理 | 第25-37页 |
2.1 研究区域概况 | 第25-27页 |
2.1.1 研究区位置 | 第25页 |
2.1.2 地势地貌 | 第25-26页 |
2.1.3 气候 | 第26-27页 |
2.1.4 水文 | 第27页 |
2.2 数据来源 | 第27-31页 |
2.2.1 遥感影像数据 | 第27-29页 |
2.2.2 气象数据 | 第29-31页 |
2.2.3 模型辅助数据 | 第31页 |
2.2.4 模型验证数据 | 第31页 |
2.3 数据预处理 | 第31-34页 |
2.3.1 气温、降水等气象数据的插值 | 第31-33页 |
2.3.2 太阳总辐射数据的计算 | 第33-34页 |
2.3.3 大气二氧化碳浓度数据 | 第34页 |
2.4 土地覆盖遥感分类图 | 第34-35页 |
2.5 植被生物量的计算 | 第35-37页 |
第3章 遥感-过程耦合模型(GLOPEM-CEVSA)及研究方法 | 第37-45页 |
3.1 GLOPEM(光能利用率模型)模型算法 | 第37页 |
3.2 CEVSA(植物生理生态过程模型)模型算法 | 第37-39页 |
3.3 GLOPEM模型与CEVSA模型的耦合—GLOPEM-CEVSA模型算法 | 第39-45页 |
第4章 遥感-过程耦合模型模拟结果时空动态变化分析 | 第45-79页 |
4.1 重庆地区地表覆被状况 | 第45-49页 |
4.1.1 重庆地区地表覆被空间格局分析 | 第45-46页 |
4.1.2 重庆地区地表覆被时间格局分析 | 第46-49页 |
4.2 重庆地区地表光合有效辐射(APAR)模拟结果分析 | 第49-53页 |
4.2.1 重庆地区植被吸收的光合有效辐射(APAR)空间分布情况 | 第49-51页 |
4.2.2 重庆地区光合有效辐射(APAR)与坡向、海拔高度的关系 | 第51-52页 |
4.2.3 地表光合有效辐射(APAR)时间格局分析 | 第52-53页 |
4.3 重庆地区植被净初级生产力(NPP)空间格局分析 | 第53-61页 |
4.3.1 不同土地覆盖类型下的NPP变化情况分析 | 第56-58页 |
4.3.2 重庆各个行政区范围NPP的分布情况分析 | 第58-61页 |
4.4 重庆地区植被净初级生产力(NPP)时间格局分析 | 第61-67页 |
4.4.1 NPP的年际变化趋势 | 第61-64页 |
4.4.2 NPP的季节变化趋势 | 第64-65页 |
4.4.3 NPP的月份变化趋势 | 第65-67页 |
4.5 遥感-过程耦合模型(GLOPEM-CEVSA)模拟结果的影响因素分析 | 第67-77页 |
4.5.1 NPP与气象因子之间的相关性分析 | 第67-73页 |
4.5.2 气象因子对净初级生产力(NPP)的敏感性分析 | 第73-75页 |
4.5.3 人为因素对NPP的影响 | 第75-77页 |
4.6 本章小结 | 第77-79页 |
第5章 植被净初级生产力(NPP)模拟结果的验证 | 第79-85页 |
5.1 与其他NPP模型模拟结果的对比验证 | 第79-81页 |
5.2 与实测数据的比较 | 第81页 |
5.3 与MODIS NPP产品的对比验证 | 第81-85页 |
第6章 结论与展望 | 第85-89页 |
6.1 结论 | 第85-86页 |
6.2 存在的不足与展望 | 第86-89页 |
参考文献 | 第89-95页 |
致谢 | 第95-97页 |
作者简历 | 第97页 |