高分遥感森林蓄积量估测算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 高分遥感森林蓄积量估测算法研究进展 | 第9-11页 |
| 1.2.1 国外发展现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 研究内容及技术路线 | 第11-13页 |
| 2 研究区概况与数据预处理 | 第13-24页 |
| 2.1 研究区概况 | 第13页 |
| 2.2 数据与数据来源 | 第13-20页 |
| 2.2.1 遥感数据 | 第13-15页 |
| 2.2.2 辅助数据 | 第15-20页 |
| 2.3 数据预处理 | 第20-23页 |
| 2.3.1 辐射定标 | 第21页 |
| 2.3.2 大气校正 | 第21-22页 |
| 2.3.3 正射校正 | 第22页 |
| 2.3.4 影像裁剪 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 信息因子提取 | 第24-35页 |
| 3.1 植被指数提取 | 第24-25页 |
| 3.2 纹理特征提取 | 第25-31页 |
| 3.2.1 纹理影像生成 | 第26-27页 |
| 3.2.2 纹理测度选取 | 第27-28页 |
| 3.2.3 纹理窗口分析 | 第28-31页 |
| 3.3 地形因子提取 | 第31-32页 |
| 3.4 组合波段影像生成 | 第32页 |
| 3.5 变量优选 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 森林蓄积量估测 | 第35-58页 |
| 4.1 分类建模体系构建 | 第35-37页 |
| 4.2 纹理信息对于森林蓄积量估测结果的影像 | 第37-39页 |
| 4.3 主成分分析回归模型 | 第39-45页 |
| 4.3.1 主成分分析回归思想 | 第40-41页 |
| 4.3.2 主成分分析回归建模 | 第41页 |
| 4.3.3 主成分分析回归全局结果 | 第41-44页 |
| 4.3.4 主成分分析回归局部结果 | 第44-45页 |
| 4.4 偏最小二乘回归模型 | 第45-50页 |
| 4.4.1 偏最小二乘回归思想 | 第45-46页 |
| 4.4.2 偏最小二乘回归结果 | 第46-47页 |
| 4.4.3 偏最小二乘回归全局结果 | 第47-48页 |
| 4.4.4 偏最小二乘回归局部结果 | 第48-50页 |
| 4.5 随机森林回归模型 | 第50-57页 |
| 4.5.1 随机森林回归思想 | 第50-52页 |
| 4.5.2 随机森林参数选择 | 第52页 |
| 4.5.3 随机森林回归全局结果 | 第52-55页 |
| 4.5.4 随机森林回归局部结果 | 第55-56页 |
| 4.5.5 变量重要性计算 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 随机森林回归核心算法实现 | 第58-63页 |
| 5.1 随机森林回归核心算法实现步骤 | 第58-59页 |
| 5.2 随机森林回归核心算法实现结果 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 结论与讨论 | 第63-66页 |
| 6.1 总结与创新点 | 第63-64页 |
| 6.2 存在的问题与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70页 |
