| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 图目录 | 第15-17页 |
| 表目录 | 第17-19页 |
| 1 绪论 | 第19-36页 |
| ·森林生物量/碳储量研究的意义 | 第19-20页 |
| ·森林生物量/碳储量国内外研究概况 | 第20-33页 |
| ·生物量研究以大尺度和小尺度为主 | 第20-21页 |
| ·森林生物量/碳储量研究方法研究概述 | 第21-32页 |
| ·基于森林调查的森林生物量研究 | 第21-22页 |
| ·基于生理生态模型法的生物量研究 | 第22-25页 |
| ·基于遥感技术的森林生物量研究 | 第25-30页 |
| ·森林碳储量与碳循环研究 | 第30-32页 |
| ·存在的问题与展望 | 第32-33页 |
| ·研究目标与研究内容 | 第33-36页 |
| ·研究目标 | 第33页 |
| ·研究内容和研究方法 | 第33-34页 |
| ·技术路线 | 第34-36页 |
| 2 研究区概况与试验数据 | 第36-44页 |
| ·地理位置 | 第36-37页 |
| ·自然条件 | 第37-39页 |
| ·地质地貌 | 第37页 |
| ·气候 | 第37页 |
| ·森林土壤 | 第37-38页 |
| ·森林植被类型 | 第38-39页 |
| ·社会经济状况 | 第39-40页 |
| ·数据源 | 第40-44页 |
| ·遥感数据源 | 第40页 |
| ·DEM数据 | 第40页 |
| ·森林资源二类调查数据 | 第40页 |
| ·样地的乔木生物量实测数据 | 第40-43页 |
| ·林下层植被生物量样地数据 | 第43页 |
| ·土壤碳储量样地数据 | 第43-44页 |
| 3 研究区遥感图像预处理 | 第44-58页 |
| ·LANDSAT TM数据几何校正 | 第44-47页 |
| ·几何校正方法 | 第44-45页 |
| ·校正结果及精度评价 | 第45-46页 |
| ·遥感图像的剪切与拼接 | 第46-47页 |
| ·LANDSAT TM数据辐射校正 | 第47-57页 |
| ·Landsat TM辐射大气校正 | 第47-51页 |
| ·大气校正方法 | 第48-49页 |
| ·TM遥感图像大气校正结果及评价 | 第49-51页 |
| ·Landst TM地形辐射校正 | 第51-57页 |
| ·地形校正方法 | 第52-53页 |
| ·TM图像地形校正结果 | 第53-56页 |
| ·图像辐射校正对森林蓄积量与遥感因子相关性的影响 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 4. 森林生物量遥感特征因子提取及筛选 | 第58-87页 |
| ·森林生物量遥感特征因子的提取 | 第58-78页 |
| ·树木阴影特征因子的提取 | 第58-71页 |
| ·树木阴影的形成 | 第58-60页 |
| ·混合像元分解模型 | 第60-61页 |
| ·基于混合像元分解的树木阴影信息提取 | 第61-71页 |
| ·植被指数因子提取 | 第71-74页 |
| ·简单植被指数 | 第72页 |
| ·多波段线性组合 | 第72-73页 |
| ·归一化植被指数 | 第73页 |
| ·复杂植被指数 | 第73-74页 |
| ·K-T因子提取 | 第74-75页 |
| ·K-L因子提取 | 第75-76页 |
| ·纹理特征因子的提取 | 第76-78页 |
| ·森林生物量遥感估测模型的变量优选 | 第78-86页 |
| ·备选变量的确定 | 第78-81页 |
| ·变量的优选 | 第81-86页 |
| ·变量优选方法 | 第81页 |
| ·变量优选结果 | 第81-86页 |
| ·本章小结 | 第86-87页 |
| 5 森林生物量遥感模型建立 | 第87-133页 |
| ·研究思路 | 第87-89页 |
| ·多元线型回归生物量遥感模型 | 第89-92页 |
| ·建模样本和采用的遥感因子 | 第89-90页 |
| ·森林生物量回归建模结果 | 第90-91页 |
| ·模型有效性检验 | 第91-92页 |
| ·结论 | 第92页 |
| ·基于人工神经网络的森林生物量遥感模型 | 第92-100页 |
| ·BP人工神经网络原理与方法 | 第92-96页 |
| ·基于MATLAB的人工神经网络模型实现方法 | 第96页 |
| ·香格里拉县森林生物量估测神经网络模型的建立 | 第96-100页 |
| ·BP神经网络建模 | 第96-99页 |
| ·BP神经网络模型精度评价 | 第99-100页 |
| ·支持向量机森林生物量估测模型的建立 | 第100-129页 |
| ·支持向量机(Support Vector Machine,SVM)基本原理 | 第100-114页 |
| ·线性支持向量分类 | 第100-102页 |
| ·非线性支持向量分类 | 第102-105页 |
| ·ε-支持向量回归机 | 第105-112页 |
| ·ν-支持向量回归机 | 第112-113页 |
| ·支持向量机回归算法步骤 | 第113页 |
| ·支持向量机回归的特点 | 第113-114页 |
| ·支持向量机森林生物量遥感回归模型的建立 | 第114-129页 |
| ·Libsvm软件介绍 | 第115-116页 |
| ·建模特征 | 第116页 |
| ·建立样本训练集和检验集 | 第116页 |
| ·数据格式与归一化处理 | 第116-117页 |
| ·核函数选取 | 第117页 |
| ·最优参数选取及模型确定 | 第117-129页 |
| ·三种建模方法精度评价与模型选优 | 第129-131页 |
| ·本章小结 | 第131-133页 |
| 6 森林生物量/碳储量估测结果及空间分异规律 | 第133-150页 |
| ·乔木生物量估测 | 第133-135页 |
| ·基于支持向量机的乔木层生物量估测 | 第133-134页 |
| ·乔木层生物量估测结果与分析 | 第134-135页 |
| ·林下植物生物量的估测 | 第135-136页 |
| ·灌木生物量测定方法 | 第135-136页 |
| ·草本及枯落物生物量测定方法 | 第136页 |
| ·林下灌草及枯落物生物量的估算 | 第136页 |
| ·森林生物量估测 | 第136-138页 |
| ·森林生态系统碳储量估测 | 第138-146页 |
| ·4个优势树种(组)含碳率测定 | 第138-140页 |
| ·样品的采集与处理 | 第138-139页 |
| ·测定方法 | 第139页 |
| ·含碳率测定结果 | 第139-140页 |
| ·研究区主要森林生态系统乔木层碳储量 | 第140-142页 |
| ·研究区主要森林生态系统灌草层和枯落物层碳储量 | 第142-143页 |
| ·研究区主要森林生态系统土壤层碳储量 | 第143-144页 |
| ·研究区主要森林生态系统总碳储量 | 第144-146页 |
| ·研究区主要森林生态系统碳储量空间格局 | 第146-148页 |
| ·研究区主要森林生态系统碳储量垂直分布特征 | 第146-147页 |
| ·研究区主要森林生态系统碳储量坡度分布特征 | 第147页 |
| ·研究区主要森林生态系统碳储量坡向分布特征 | 第147-148页 |
| ·本章小结 | 第148-150页 |
| 7 结论与讨论 | 第150-155页 |
| ·结论 | 第150-152页 |
| ·讨论 | 第152-153页 |
| ·关于模型精度 | 第152-153页 |
| ·关于建模方法 | 第153页 |
| ·创新与展望 | 第153-155页 |
| 参考文献 | 第155-166页 |
| 导师简介 | 第166-167页 |
| 个人简介 | 第167-168页 |
| 读博期间发表文章 | 第168-169页 |
| 致谢 | 第169页 |