| 中文摘要 | 第12-13页 |
| Abstract | 第13-14页 |
| 第一章 引言 | 第15-21页 |
| 1.1 研究背景 | 第15页 |
| 1.2 土壤呼吸 | 第15-18页 |
| 1.2.1 影响因子 | 第15-16页 |
| 1.2.2 测定方法 | 第16-17页 |
| 1.2.3 模型发展 | 第17-18页 |
| 1.3 土壤呼吸的时空变化 | 第18-19页 |
| 1.3.1 土壤呼吸的时间变化特征 | 第18页 |
| 1.3.2 土壤呼吸的空间变化特征 | 第18-19页 |
| 1.4 遥感技术与土壤呼吸 | 第19页 |
| 1.5 研究内容 | 第19-20页 |
| 1.6 技术路线 | 第20-21页 |
| 第二章 研究区概况与研究方法 | 第21-25页 |
| 2.1 试验区概况 | 第21页 |
| 2.2 研究方法 | 第21-23页 |
| 2.2.1 土壤呼吸及环境因子的测定 | 第21-22页 |
| 2.2.2 遥感数据的获取 | 第22-23页 |
| 2.3 统计分析 | 第23-25页 |
| 第三章 基于遥感反演的环境因子与土壤呼吸关系研究 | 第25-63页 |
| 3.1 土壤呼吸和环境因子的季节和年际变化 | 第25-37页 |
| 3.1.1 陆地表面温度 | 第25-27页 |
| 3.1.2 水分指数 | 第27-30页 |
| 3.1.3 植被指数 | 第30-35页 |
| 3.1.4 土壤呼吸 | 第35-37页 |
| 3.2 土壤呼吸与环境因子的单因素分析 | 第37-48页 |
| 3.2.1 陆地表面温度 | 第37-39页 |
| 3.2.2 水分 | 第39-42页 |
| 3.2.3 生物因子 | 第42-48页 |
| 3.3 土壤呼吸与环境因子的复合模型构建 | 第48-61页 |
| 3.3.1 多元回归法 | 第48-52页 |
| 3.3.2 支持向量机回归法 | 第52-56页 |
| 3.3.3 BP人工神经网络 | 第56-59页 |
| 3.3.4 模型精度比较 | 第59-61页 |
| 3.4 小结 | 第61-63页 |
| 第四章 讨论 | 第63-67页 |
| 4.1 R_s的季节和年际变化规律 | 第63页 |
| 4.2 环境因子对R_s的影响 | 第63-65页 |
| 4.2.1 陆地表面温度对R_s的影响 | 第63-64页 |
| 4.2.2 水分指数对R_s的影响 | 第64页 |
| 4.2.3 植被指数对R_s的影响 | 第64-65页 |
| 4.3 复合因子对土壤呼吸的影响分析 | 第65页 |
| 4.4 基于人工智能算法构建的土壤呼吸复合模型分析 | 第65-67页 |
| 第五章 结论与展望 | 第67-69页 |
| 5.1 结论 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 个人简况及联系方式 | 第76-77页 |