| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 青藏铁路沿线植被研究 | 第11-12页 |
| 1.2.2 植被分类方法研究 | 第12页 |
| 1.2.3 植被盖度遥感研究 | 第12-14页 |
| 1.3 研究内容与技术路线 | 第14-16页 |
| 第2章 研究区域概况 | 第16-18页 |
| 2.1 地理位置 | 第16-17页 |
| 2.2 自然条件 | 第17页 |
| 2.3 植被特征 | 第17-18页 |
| 第3章 数据准备与预处理 | 第18-24页 |
| 3.1 遥感影像数据 | 第18-19页 |
| 3.2 其它辅助数据 | 第19页 |
| 3.3 遥感数据预处理 | 第19-24页 |
| 3.3.1 辐射校正 | 第20-22页 |
| 3.3.2 影像裁剪 | 第22页 |
| 3.3.3 NDVI计算 | 第22-24页 |
| 第4章 青藏铁路沿线植被类型提取 | 第24-39页 |
| 4.1 研究区域植被分布状况 | 第24-27页 |
| 4.1.1 青藏铁路（格唐段）沿线主要自然植被类型及其生境状况 | 第24-26页 |
| 4.1.2 五道梁地区植被分布特点 | 第26-27页 |
| 4.2 基于决策树技术的植被分类 | 第27-32页 |
| 4.2.1 决策树分类概述 | 第27页 |
| 4.2.2 分类类别的确定 | 第27-28页 |
| 4.2.3 训练样本的选取 | 第28页 |
| 4.2.4 光谱特征分析确定规则 | 第28-29页 |
| 4.2.5 决策树分类的实现及精度评价 | 第29-32页 |
| 4.3 与其它遥感分类方法的比较 | 第32-39页 |
| 4.3.1 人工神经元网络分类 | 第32-35页 |
| 4.3.2 最大似然分类 | 第35-38页 |
| 4.3.3 结果分析 | 第38-39页 |
| 第5章 青藏铁路沿线植被盖度变化分析 | 第39-57页 |
| 5.1 混合像元分解模型原理 | 第39-40页 |
| 5.2 基于多端元混合像元分解模型的植被盖度计算 | 第40-46页 |
| 5.2.1 Viper Tools软件介绍 | 第40页 |
| 5.2.2 创建光谱库 | 第40-41页 |
| 5.2.3 选取最优端元 | 第41-43页 |
| 5.2.4 多端元光谱混合像元分解 | 第43页 |
| 5.2.5 研究区植被盖度提取 | 第43-45页 |
| 5.2.6 精度评价 | 第45-46页 |
| 5.3 青藏铁路建设前后植被盖度变化分析 | 第46-57页 |
| 5.3.1 总体植被盖度变化分析 | 第46-48页 |
| 5.3.2 高寒草原植被盖度变化分析 | 第48-50页 |
| 5.3.3 高寒草甸植被盖度变化分析 | 第50-53页 |
| 5.3.4 高寒沼泽草甸植被盖度变化分析 | 第53-55页 |
| 5.3.5 垫状植被植被盖度变化分析 | 第55-57页 |
| 第6章 结论与展望 | 第57-59页 |
| 6.1 研究结论 | 第57-58页 |
| 6.2 存在问题与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |