符号说明 | 第4-8页 |
中文摘要 | 第8-10页 |
Abstract | 第10-11页 |
1 绪论 | 第12-20页 |
1.1 研究目的意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-17页 |
1.2.1 基于统计回归模型的森林地上生物量遥感估算 | 第13-14页 |
1.2.2 基于神经网络模型的森林地上生物量遥感估算研究现状 | 第14-16页 |
1.2.3 基于基准样地法(KNN)的森林地上生物量遥感估算研究现状 | 第16页 |
1.2.4 基于支持向量机(SVM)的森林地上生物量遥感估算研究现状 | 第16-17页 |
1.3 森林地上生物量遥感估算研究现状总结 | 第17-18页 |
1.4 研究内容 | 第18-20页 |
2 支持向量机模型原理 | 第20-25页 |
2.1 支持向量机模型相关理论基础 | 第20-21页 |
2.1.1 统计学习理论 | 第20页 |
2.1.2 VC维 | 第20-21页 |
2.1.3 结构风险最小化准则 | 第21页 |
2.2 支持向量机模型 | 第21-25页 |
2.2.1 支持向量机原理 | 第21-23页 |
2.2.2 核函数 | 第23页 |
2.2.3 支持向量回归机 | 第23-25页 |
3 数据获取与模型参数提取 | 第25-35页 |
3.1 研究区域概况 | 第25页 |
3.2 模型参数 | 第25-26页 |
3.3 数据获取 | 第26-28页 |
3.3.1 野外调查及样地数据资料 | 第26-27页 |
3.3.2 遥感影像数据资料 | 第27-28页 |
3.4 数据预处理 | 第28-31页 |
3.4.1 样地数据处理 | 第28-29页 |
3.4.2 遥感数据处理 | 第29-31页 |
3.4.3 其他数据处理 | 第31页 |
3.5 模型参数选取 | 第31-34页 |
3.5.1 参数提取 | 第31-32页 |
3.5.2 模型参数选取 | 第32-34页 |
3.6 小结 | 第34-35页 |
4 基于PSO-SVM森林地上生物量遥感估测 | 第35-42页 |
4.1 估测方法 | 第35-37页 |
4.1.1 交叉验证(CV,Cross Validation) | 第35-36页 |
4.1.2 粒子群优化算法(PSO) | 第36-37页 |
4.2 估测结果与分析 | 第37-42页 |
4.2.1 归一化 | 第37-38页 |
4.2.2 分类前后 | 第38-39页 |
4.2.3 核函数选择 | 第39-40页 |
4.2.4 参数寻优 | 第40-41页 |
4.2.5 估测结果 | 第41-42页 |
5 森林地上生物量主要遥感估测模型对比 | 第42-50页 |
5.1 多元线性回归模型 | 第42-43页 |
5.2 GA-BP神经网络模型 | 第43-45页 |
5.3 KNN模型 | 第45-46页 |
5.4 模型对比分析 | 第46-50页 |
5.4.1 模型比较 | 第46-47页 |
5.4.2 估测精度比较 | 第47-50页 |
6 泰山景区森林地上生物量空间分析 | 第50-63页 |
6.1 森林地上生物量高程分布分析 | 第50-54页 |
6.1.1 森林面积高程分布定量分析 | 第50-51页 |
6.1.2 森林林种高程分布分析 | 第51-53页 |
6.1.3 森林地上生物量随高程分布分析 | 第53-54页 |
6.2 森林地上生物量坡度分布分析 | 第54-58页 |
6.2.1 森林面积坡度分布定量分析 | 第54-55页 |
6.2.2 森林林种坡度分布分析 | 第55-57页 |
6.2.3 森林地上生物量随坡度分布分析 | 第57-58页 |
6.3 森林地上生物量坡向分布分析 | 第58-63页 |
6.3.1 森林面积坡向分布定量分析 | 第58-59页 |
6.3.2 森林林种坡向分布分析 | 第59-61页 |
6.3.3 森林地上生物量随坡向分布分析 | 第61-63页 |
7 结论 | 第63-66页 |
7.1 总结 | 第63-64页 |
7.2 创新点 | 第64-65页 |
7.3 展望 | 第65-66页 |
参考文献 | 第66-70页 |
致谢 | 第70-72页 |
研究生期间发表论文及参与项目 | 第72页 |