基于KNN法的森林蓄积量的遥感估计和反演--以广东省翁源县为例
致谢 | 第1-4页 |
摘要 | 第4-5页 |
Abstract | 第5-8页 |
第一章 前言 | 第8-12页 |
·研究森林蓄积量遥感估计和反演的目的和意义 | 第8-9页 |
·蓄积量遥感估计反演的研究现状 | 第9-10页 |
·KNN法森林蓄积量估计反演的研究现状 | 第10-11页 |
·本文研究重点 | 第11-12页 |
第二章 研究区概况与研究方法 | 第12-15页 |
·区位条件 | 第12页 |
·气候条件 | 第12页 |
·植被条件 | 第12-13页 |
·数据准备 | 第13页 |
·研究技术路线 | 第13页 |
·专业软件 | 第13-15页 |
第三章 遥感图像预处理 | 第15-23页 |
·TM遥感数据简介 | 第15-16页 |
·遥感数据的几何校正 | 第16-17页 |
·遥感数据的辐射校正 | 第17-21页 |
·大气校正的必要性 | 第17页 |
·遥感数据的辐射定标 | 第17-19页 |
·FLAASH的基本原理和遥感数据的大气校正 | 第19-21页 |
·辐射校正后原始波段的统计特征分析 | 第21-22页 |
·小结 | 第22-23页 |
第四章 遥感影像的辐射增强 | 第23-28页 |
·植被指数和波段比 | 第23-25页 |
·主成分变换 | 第25-26页 |
·缨帽变换 | 第26-28页 |
第五章 乔木林的遥感图像分类提取 | 第28-53页 |
·分类类别的确定 | 第29页 |
·训练区的选择 | 第29-30页 |
·最佳波段的选择 | 第30-34页 |
·基于信息量的OIF指数计算 | 第31-32页 |
·基于类间可分性准则的变换离散度计算 | 第32-34页 |
·分类器的选择 | 第34-39页 |
·KNN分类器 | 第35-36页 |
·最大似然分类器 | 第36-37页 |
·最小距离分类器 | 第37页 |
·马氏距离分类器 | 第37-38页 |
·光谱制图角分类器(SAM) | 第38-39页 |
·分类精度评价前的相关准备 | 第39-41页 |
·分类精度评价样本点的选择方法 | 第39-40页 |
·分类精度的评价指标 | 第40-41页 |
·分类结果评价 | 第41-47页 |
·KNN分类器的分类评价 | 第41-45页 |
·传统分类器的分类评价 | 第45-47页 |
·遥感图像分类后处理 | 第47-48页 |
·小结 | 第48-53页 |
第六章 KNN法森林蓄积量的遥感估计和制图反演 | 第53-71页 |
·森林蓄积量估计反演的技术路线 | 第53页 |
·二类调查数据预处理 | 第53-55页 |
·小班光谱特征的提取 | 第54-55页 |
·奇异值的别除 | 第55页 |
·KNN法森林蓄积量估计方法的基本原理 | 第55-56页 |
·估计误差的评价模型和度量参数 | 第56-58页 |
·评价模型的确定 | 第56-57页 |
·误差度量参数的选择 | 第57-58页 |
·估计参数的选择 | 第58-68页 |
·波段组和距离度量的选择 | 第61-63页 |
·权重函数的选择 | 第63页 |
·k值的选择 | 第63-66页 |
·距离分解因子t的优化 | 第66-67页 |
·训练区样本个数分析 | 第67-68页 |
·多元线性回归分析 | 第68页 |
·森林蓄积量的遥感估计和遥感制图反演 | 第68-69页 |
·小结 | 第69-71页 |
第七章 总结与展望 | 第71-73页 |
·总结 | 第71页 |
·展望 | 第71-73页 |
参考文献 | 第73-77页 |
附录 1: 论文编写的主要MATLAB程序 | 第77-79页 |
附录 2: 硕士研究生期间参与的主要科研项目 | 第79页 |
附录 3: 硕士研究生期间公开发表的论文 | 第79-80页 |
详细摘要 | 第80-83页 |