首页--农业科学论文--林业论文--森林经营学、森林计测学、森林经理学论文--森林经理学论文--森林资源调查论文

森林资源二类调查关键技术与方法的研究

致谢第3-4页
摘要第4-6页
Abstract第6-9页
第一章 绪论第14-30页
    1.1 研究背景与意义第14-15页
    1.2 森林资源二类调查与我国的森林资源监测体系第15-16页
    1.3 国外森林资源调查与监测的发展概况第16-17页
    1.4 我国森林资源二类调查的发展历程第17-20页
    1.5 森林资源二类调查主要关键技术与方法进展概述第20-27页
    1.6 森林资源二类调查存在的问题第27-30页
第二章 原理与方法第30-42页
    2.1 论文研究的技术路线第30-32页
    2.2 基于无人机遥感数据的双重回归估计方法第32-34页
        2.2.1 总体平均数的估计量及其方差第32-33页
        2.2.2 方差的估计量第33-34页
    2.3 小班πPS抽样估计原理与方法第34-38页
        2.3.1 总体总量Y的估计第34-35页
        2.3.2 估计量的方差第35页
        2.3.3 方差的估计量第35页
        2.3.4 小班πPS抽样估计量的近似方差第35页
        2.3.5 Hajek近似方差的估计量第35-38页
    2.4 小班分层πPS抽样估计方法第38-40页
        2.4.1 总体总量Y的估计第38页
        2.4.2 Hájek近似方差第38-39页
        2.4.3 近似方差估计量第39-40页
    2.5 森林小班变化信息的提取方法第40-42页
        2.5.1 入样有林地小班的选取第40页
        2.5.2 基于综合相似度指数有林地小班变化信息的提取方法第40页
        2.5.3 目视解译法提取有林地小班变化信息第40-42页
第三章 研究区概况与数据来源第42-48页
    3.1 研究区概况第42-43页
    3.2 数据来源第43-48页
第四章 数据处理第48-60页
    4.1 高分卫星数据(GF-1)的融合处理第48-53页
        4.1.1 数据准备第48页
        4.1.2 数据处理关键技术方法第48-52页
        4.1.3 融合影像在森林小班变化信息提取中的应用第52页
        4.1.4 小结第52-53页
    4.2 Landsat80LI数据预处理第53页
    4.3 无人机数据处理第53-55页
    4.4 基于无人机高分影像的小班边界区划第55-56页
    4.5 地基激光雷达点云数据处理第56-60页
第五章 县级森林小班变化信息提取的研究第60-76页
    5.1 建德市森林资源现状第60-64页
    5.2 基于综合相似指数统计特征的有林地小班变化信息提取第64-74页
        5.2.1 数据准备与技术路线第64-65页
        5.2.2 基于伪不变特征的相对辐射校正第65-66页
        5.2.3 算法关键技术第66-68页
        5.2.4 结果分析第68-74页
    5.3 本章小结第74-76页
第六章 基于小班组合类型的森林生物量遥感估测方法第76-84页
    6.1 基于小班组合类型的森林生物量遥感估测第76-83页
        6.1.1 数据准备第76-77页
        6.1.2 蓄积量与生物量转换方法第77页
        6.1.3 立地质量评价方法第77-78页
        6.1.4 特征变量选取第78-79页
        6.1.5 结果与分析第79-82页
        6.1.6 小结第82-83页
    6.2 本章小结第83-84页
第七章 基于小班组合类型的森林蓄积量估测方法及其应用第84-98页
    7.1 基于县级森林资源二类调查数据的地位级表编制第84-91页
        7.1.1 数据筛选与数据整理第84页
        7.1.2 地位级表的编制第84-87页
        7.1.3 其他树种组地位级表编制第87-91页
    7.2 基于小班组合类型的林场经营单位级森林蓄积量的估测模型第91-97页
        7.2.1 数据准备及预处理第91-92页
        7.2.2 关键技术第92-97页
    7.3 本章小结第97-98页
第八章 基于多源数据的测树因子相关性分析第98-130页
    8.1 数据准备与技术路线第98-100页
    8.2 树高胸径模型分析第100-107页
        8.2.1 数据整理及模型优选第100-101页
        8.2.2 模型检验第101-102页
        8.2.3 树高胸径改进模型第102-103页
        8.2.4 改进的树高胸径模型检验第103-107页
    8.3 平均高优势高模型分析第107-109页
        8.3.1 数据整理及建模样本的组织第107页
        8.3.2 模型建立第107页
        8.3.3 模型检验第107-109页
    8.4 单木冠幅胸径模型分析第109-111页
        8.4.1 数据整理及建模样本的组织第109-110页
        8.4.2 模型检验第110-111页
    8.5 基于样地平均冠幅的胸径回归模型第111-116页
        8.5.1 数据整理及建模样本的组织第111-112页
        8.5.2 模型检验第112-113页
        8.5.3 基于无人机遥感数据的平均胸径预测值和实测值相关分析第113-115页
        8.5.4 基于无人机遥感数据的平均冠幅与样地平均胸径相关分析第115-116页
    8.6 基于冠幅和年龄的胸径二元回归模型第116-119页
        8.6.1 数据整理及建模样本组织第116页
        8.6.2 模型检验第116-117页
        8.6.3 基于冠幅和年龄的平均胸径预测值与实测值相关性分析第117-119页
    8.7 年龄胸径预估模型分析第119-121页
        8.7.1 数据整理及建模样本的组织第119-120页
        8.7.2 模型检验第120-121页
    8.8 基于林分优势高与株数的直径预估模型第121-126页
        8.8.1 数据整理及样本组织第121-122页
        8.8.2 优势高模型的优选第122-123页
        8.8.3 优势高模型检验第123-124页
        8.8.4 杨树林分平均胸径预估模型第124-126页
    8.9 材积相关模型分析第126-128页
        8.9.1 数据准备及整理第126页
        8.9.2 基于冠幅树高的材积模型分析第126页
        8.9.3 模型检验第126-128页
    8.10 本章小结第128-130页
第九章 基于无人机遥感影像的森林蓄积量生物量抽样估计第130-144页
    9.1 数据准备第130-131页
    9.2 蓄积量的双重回归估计第131-138页
        9.2.1 辅助因子估算模型的选择第131-135页
        9.2.2 双重回归估计结果第135-138页
    9.3 森林地上部分生物量的双重回归估计第138-141页
        9.3.1 与材积兼容的生物量模型第138页
        9.3.2 数据来源与建模分析第138-139页
        9.3.3 模型检验第139-140页
        9.3.4 森林生物量的双重回归估计第140-141页
    9.4 本章小结第141-144页
第十章 小班πPS抽样估计及应用第144-151页
    10.1 小班πPS抽样的样本数量的确定和抽取方法第144页
    10.2 小班πPS抽样的森林蓄积量抽样估计第144-146页
        1、总量的估计第144页
        2、方差估计量第144-146页
    10.3 小班分层πPS抽样估计蓄积量第146-147页
        10.3.1 层的划分第146页
        10.3.2 各层的总量估计第146页
        10.3.3 其方差估计量第146-147页
    10.4 小班分层πPS抽样估计森林生物量第147-149页
        10.4.1 层的划分第147页
        10.4.2 各层的生物量总量估计第147-149页
    10.5 小班分层πPS抽样估计林木株数第149-150页
        10.5.1 层的划分第149页
        10.5.2 总体株数的估计及其方差估计量第149-150页
    10.6 本章小结第150-151页
第十一章 结论与讨论第151-156页
    11.1 主要结论第151-154页
    11.2 本文创新点、展望与不足之处第154-156页
攻读学位期间发表的学术论文第156-157页
主要参考文献第157-169页

论文共169页,点击 下载论文
上一篇:中国共产党画报发展研究(1921-1949)
下一篇:基于光谱分离技术的光伏农业系统研究