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 |