| 第一章 文献综述 | 第1-21页 |
| ·研究的目的和意义 | 第13-15页 |
| ·植被遥感的国内外研究现状及发展趋势 | 第15-21页 |
| 第二章 研究区基本概况 | 第21-36页 |
| ·建湖县基本概况 | 第21-26页 |
| ·自然条件 | 第21-22页 |
| ·社会经济条件 | 第22-23页 |
| ·土地利用现状 | 第23页 |
| ·自然灾害状况 | 第23页 |
| ·林业生产现状、特点及存在的主要问题 | 第23-24页 |
| ·研究用主要图面资料 | 第24-26页 |
| ·外业调查 | 第26-31页 |
| ·建湖县杨树资源遥感监测的外业调查方案 | 第26-27页 |
| ·外业调查成果 | 第27-31页 |
| ·研究方法及技术路线 | 第31-32页 |
| ·ASTER 数据的预处理 | 第32-36页 |
| ·关于遥感图像几何校正和辐射校正的原因 | 第32页 |
| ·研究区 ASTER 数据的几何校正 | 第32-33页 |
| ·遥感数据的大气订正 | 第33-36页 |
| 第三章 研究区 ASTER 遥感数据分析 | 第36-45页 |
| ·ASTER 遥感数据 | 第36-41页 |
| ·ASTER简介 | 第36页 |
| ·Terra卫星技术参数 | 第36-37页 |
| ·ASTER传感器技术参数 | 第37页 |
| ·研究区ASTER数据统计分析 | 第37-41页 |
| ·主要地物的光谱特征分析 | 第41-45页 |
| ·地物特征光谱曲线分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第四章 遥感信息融合处理 | 第45-80页 |
| ·遥感图像融合处理概述 | 第45-46页 |
| ·遥感图像信息融合的概念 | 第45页 |
| ·遥感信息融合的技术关键 | 第45-46页 |
| ·遥感信息融合的三个层次 | 第46页 |
| ·遥感图像的主成分融合 | 第46-50页 |
| ·主成分变换的原理与效应 | 第46-47页 |
| ·遥感图像的K-L变换 | 第47页 |
| ·ASTER数据主成分变换 | 第47-49页 |
| ·主成分逆变换 | 第49-50页 |
| ·ASTER 数据的MNF 变换 | 第50-53页 |
| ·MNF变换的原理 | 第50-51页 |
| ·ASTER数据的MNF变换 | 第51-53页 |
| ·HIS 变换 | 第53-57页 |
| ·HIS变换概述 | 第53-54页 |
| ·HIS融合原理 | 第54-57页 |
| ·ASTER 数据的小波融合 | 第57-63页 |
| ·连续小波变换的原理 | 第57-58页 |
| ·离散小波变换 | 第58-61页 |
| ·基于小波变换的图像融合 | 第61-63页 |
| ·植被指数生成 | 第63-68页 |
| ·比值植被指数 | 第64页 |
| ·归一化植被指数 | 第64-65页 |
| ·垂直植被指数 | 第65页 |
| ·修改型土壤调节植被指数 | 第65-68页 |
| ·ASTER 数据的LBV 变换 | 第68-70页 |
| ·融合图像的可分性评价 | 第70-78页 |
| ·融合生成的所有波段及其序号对应表 | 第70-71页 |
| ·波段统计特征参数 | 第71-74页 |
| ·J-M距离和变换离散度 | 第74-78页 |
| ·本章小结 | 第78-80页 |
| 第五章 杨树面积的遥感图像分类提取 | 第80-118页 |
| ·遥感图像分类概述 | 第80-82页 |
| ·遥感图像分类的概念 | 第80页 |
| ·遥感图像分类方法 | 第80-82页 |
| ·参与分类优化波段子集的确定与训练区精练 | 第82-87页 |
| ·定性选取 | 第82页 |
| ·各波段亮度值标准差结合波段间的相关系数矩阵进行选取 | 第82-83页 |
| ·最优指数公式法 | 第83-84页 |
| ·平均可分性度量—平均J-M距离 | 第84页 |
| ·训练区的选择与精练 | 第84-87页 |
| ·基于BAYES决策准则的遥感图像分类 | 第87-93页 |
| ·Bayes决策分类原理 | 第88-90页 |
| ·Bayes 决策准则的讨论 | 第90-91页 |
| ·研究区ASTER数据的最大似然法分类 | 第91-93页 |
| ·人工神经元网络分类 | 第93-99页 |
| ·神经元网络概述 | 第93-94页 |
| ·人工神经元模型 | 第94-95页 |
| ·BP神经网络模型 | 第95-98页 |
| ·BP神经网络杨树信息提取模型设计 | 第98-99页 |
| ·基于SEE5.0 和CART 的决策树分类 | 第99-105页 |
| ·决策树分类概述 | 第99-100页 |
| ·决策树分类原理 | 第100-101页 |
| ·See5.0数据挖掘及决策树生成 | 第101-105页 |
| ·分类结果评价 | 第105-112页 |
| ·依据地面验证数据而建立的混淆矩阵 | 第105-110页 |
| ·种分类方法取得的分类结果图像 | 第110-112页 |
| ·基于混合像元分类的杨树面积提取 | 第112-117页 |
| ·混合光谱的线性分解 | 第113-115页 |
| ·模糊分类 | 第115-117页 |
| ·本章小结 | 第117-118页 |
| 第六章 杨树测树因子建模与成图研究 | 第118-135页 |
| ·遥感生物物理建模概述 | 第118-119页 |
| ·研究区杨树测树因子的单输入常规建模 | 第119-124页 |
| ·样地空间位置与遥感图像像元的匹配和像元亮度值的提取 | 第119-120页 |
| ·杨树单位面积蓄积量估测模型建立 | 第120-122页 |
| ·杨树样地年龄估测模型建立与比较 | 第122-123页 |
| ·样地杨树平均高估测模型建立与比较 | 第123-124页 |
| ·单输入模型的基本评价 | 第124页 |
| ·杨树测树因子的回归树估算模型的建立 | 第124-131页 |
| ·回归树原理 | 第125-126页 |
| ·估算单位面积蓄积量的回归树模型 | 第126-128页 |
| ·估算杨树树高的回归树模型 | 第128-129页 |
| ·估算杨树年龄的回归树模型 | 第129页 |
| ·两种建模方式的精度评价 | 第129-131页 |
| ·杨树测树因子的遥感反演制图 | 第131-134页 |
| ·单输入回归估测模型反演地面测树因子图像 | 第131-132页 |
| ·回归树估算模型反演地面测树因子图像 | 第132-134页 |
| ·本章小结 | 第134-135页 |
| 第七章 结论与展望 | 第135-138页 |
| ·结论 | 第135-136页 |
| ·主要创新点 | 第136页 |
| ·展望 | 第136-138页 |
| 参考文献 | 第138-144页 |
| 详细摘要 | 第144-149页 |