摘要 | 第5-7页 |
abstract | 第7-8页 |
1 绪论 | 第11-17页 |
1.1 研究的背景及意义 | 第11-12页 |
1.2 国内外研究概况 | 第12-15页 |
1.2.1 基于光学遥感的生物量估测研究 | 第12-13页 |
1.2.2 基于遥感数据的生物量动态监测研究 | 第13-14页 |
1.2.3 基于不同建模方法的生物量估测研究 | 第14-15页 |
1.2.4 以香格里拉为研究区的生物量估测研究 | 第15页 |
1.3 研究内容 | 第15-16页 |
1.4 技术路线 | 第16-17页 |
2 研究区概况与数据 | 第17-21页 |
2.1 地理位置 | 第17-18页 |
2.2 森林植被 | 第18页 |
2.3 实验数据 | 第18-21页 |
2.3.1 外业调查数据 | 第18页 |
2.3.2 遥感影像 | 第18页 |
2.3.3 DEM数据 | 第18-20页 |
2.3.4 生物量数据 | 第20-21页 |
3 研究方法 | 第21-37页 |
3.1 遥感影像预处理 | 第21-26页 |
3.1.1 大气校正 | 第21页 |
3.1.2 几何校正 | 第21页 |
3.1.3 地形校正 | 第21-26页 |
3.2 遥感特征因子提取 | 第26-30页 |
3.2.1 原始单波段因子 | 第26页 |
3.2.2 波段组合因子 | 第26页 |
3.2.3 植被指数因子 | 第26-27页 |
3.2.4 信息增强因子 | 第27页 |
3.2.5 纹理信息因子 | 第27-29页 |
3.2.6 备选遥感特征因子确定 | 第29-30页 |
3.3 模型介绍 | 第30-36页 |
3.3.1 多元线性回归模型 | 第30-31页 |
3.3.2 偏最小二乘回归模型 | 第31-33页 |
3.3.3 随机森林模型 | 第33-34页 |
3.3.4 梯度提升决策树 | 第34-36页 |
3.4 模型评价指标 | 第36-37页 |
4 基于2015年数据构建生物量估测模型 | 第37-62页 |
4.1 数据处理及分配 | 第37页 |
4.1.1 筛选离群值 | 第37页 |
4.1.2 数据分配 | 第37页 |
4.2 构建多元线性回归生物量估测模型 | 第37-43页 |
4.2.1 特征变量优选 | 第37-41页 |
4.2.2 模型拟合 | 第41-42页 |
4.2.3 模型评价 | 第42-43页 |
4.3 构建偏最小二乘回归生物量估测模型 | 第43-46页 |
4.3.1 特征变量优选 | 第43页 |
4.3.2 模型参数选择 | 第43页 |
4.3.3 模型拟合 | 第43-46页 |
4.3.4 模型评价 | 第46页 |
4.4 构建随机森林生物量估测模型 | 第46-52页 |
4.4.1 特征变量优选 | 第46-47页 |
4.4.2 模型参数选择 | 第47页 |
4.4.3 模型拟合 | 第47-52页 |
4.4.4 模型评价 | 第52页 |
4.5 构建梯度提升决策树生物量估测模型 | 第52-59页 |
4.5.1 特征变量优选 | 第52页 |
4.5.2 模型参数选择 | 第52页 |
4.5.3 模型拟合 | 第52-58页 |
4.5.4 模型评价 | 第58-59页 |
4.6 模型比较与分析 | 第59-62页 |
4.6.1 建模因子比较 | 第59-60页 |
4.6.2 模型效果比较 | 第60-62页 |
5 基于1987-2007年数据构建生物量估测模型 | 第62-77页 |
5.1 多期生物量联合估测模型初探 | 第62-68页 |
5.1.1 数据处理及分配 | 第62页 |
5.1.2 模型构建 | 第62-67页 |
5.1.3 模型比较与分析 | 第67-68页 |
5.2 生物量动态变化估测模型初探 | 第68-75页 |
5.2.1 数据集构建、处理及分配 | 第68-69页 |
5.2.2 模型构建 | 第69-74页 |
5.2.3 模型比较与分析 | 第74-75页 |
5.3 生物量估测效果对比 | 第75-77页 |
5.3.1 生物量估测方法 | 第75页 |
5.3.2 生物量估测效果对比 | 第75-77页 |
6 结论与讨论 | 第77-80页 |
6.1 结论 | 第77-78页 |
6.2 讨论 | 第78-79页 |
6.3 展望 | 第79-80页 |
参考文献 | 第80-83页 |
作者简历 | 第83-84页 |
导师简介 | 第84-85页 |
获得成果目录 | 第85-86页 |
致谢 | 第86页 |