| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·森林生物量研究的历史原因 | 第8-9页 |
| ·森林生物量研究的意义 | 第9页 |
| ·国内外森林生物量的研究概况 | 第9-10页 |
| ·森林生物量的研究方法 | 第10-13页 |
| ·现地调查法 | 第10-11页 |
| ·模型模拟法 | 第11页 |
| ·遥感估测法 | 第11-13页 |
| ·课题来源与研究内容及技术路线 | 第13-15页 |
| ·课题来源 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·技术路线 | 第14-15页 |
| 2 研究区概况及数据预处理 | 第15-21页 |
| ·研究区域概况 | 第15-16页 |
| ·塔河林业局概况 | 第15页 |
| ·阿木尔林业局概况 | 第15-16页 |
| ·数据获取 | 第16-18页 |
| ·遥感影像数据资料 | 第16-17页 |
| ·野外调查及样地数据资料 | 第17-18页 |
| ·数据预处理 | 第18-21页 |
| ·几何校正 | 第18页 |
| ·辐射校正 | 第18页 |
| ·大气校正 | 第18-20页 |
| ·镶嵌裁切 | 第20-21页 |
| 3 基于森林调查的单木生物量模型的选择 | 第21-25页 |
| ·生物量的测定方法 | 第21-22页 |
| ·单木生物量的测定方法 | 第21-22页 |
| ·林分生物量的测定 | 第22页 |
| ·各树种独立生物量模型的建立 | 第22-24页 |
| ·模型选择及拟合 | 第22-23页 |
| ·精度评价 | 第23-24页 |
| ·林分生物量的计算 | 第24-25页 |
| 4 RS与GIS技术支持下森林生物量线性遥感模型的研究 | 第25-38页 |
| ·基于RS和GIS森林生物量模型设计思想 | 第25页 |
| ·遥感因子与地形因子提取 | 第25-30页 |
| ·植被指数提取 | 第25-27页 |
| ·主成分提取(PC-Principle Components) | 第27-28页 |
| ·缨帽变换(TC-Tasseled Cap) | 第28-29页 |
| ·地形因子提取 | 第29-30页 |
| ·遥感图像分类分析 | 第30-32页 |
| ·分类方法的选择 | 第31页 |
| ·遥感影像分类 | 第31-32页 |
| ·生物量遥感模型的建立 | 第32-34页 |
| ·自变量的选择 | 第33-34页 |
| ·生物量多元线性回归模型建立 | 第34-37页 |
| ·回归方程的显著性检验 | 第34-35页 |
| ·回归系数的显著性检验 | 第35页 |
| ·误差的独立性 | 第35页 |
| ·等方差性检验 | 第35-36页 |
| ·残差的正态性检验 | 第36页 |
| ·多元共线性诊断 | 第36-37页 |
| ·模型精度验证 | 第37页 |
| ·生物量反演图 | 第37-38页 |
| 5 研究区域森林生物量B-P神经网络模型的研究 | 第38-49页 |
| ·神经网络模型 | 第38-42页 |
| ·生物神经元 | 第38-39页 |
| ·神经元结构模型 | 第39-40页 |
| ·神经网络的互联模式 | 第40-41页 |
| ·神经网络的学习方式 | 第41-42页 |
| ·神经网络的学习规则 | 第42页 |
| ·BP神经网络的基本原理 | 第42-43页 |
| ·基于MATLAB的B-P神经网络系统的构建方法 | 第43-44页 |
| ·研究区域森林生物量BP神经网络模型的拟合 | 第44-48页 |
| ·模型样本数据预处理 | 第44-45页 |
| ·模型结构及参数确定 | 第45-48页 |
| ·研究区域森林生物量分布图 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59-60页 |