| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第16-31页 |
| 1.1 研究背景与意义 | 第16-18页 |
| 1.2 国内外研究现状及发展趋势 | 第18-27页 |
| 1.2.1 高光谱分辨率遥感应用于树种（组）空间分布研究现状 | 第18-20页 |
| 1.2.2 高空间分辨率遥感应用于树种（组）空间分布研究现状 | 第20-21页 |
| 1.2.3 植被物候信息应用于树种（组）空间分布研究现状 | 第21-22页 |
| 1.2.4 多源数据应用于树种（组）空间分布研究现状 | 第22-23页 |
| 1.2.5 基于森林资源调查数据和高时间分辨率遥感数据的树种（组）空间分布研究 | 第23-27页 |
| 1.3 研究目标和研究内容 | 第27-28页 |
| 1.3.1 研究目标 | 第27页 |
| 1.3.2 研究内容 | 第27-28页 |
| 1.4 技术路线 | 第28-30页 |
| 1.5 论文结构 | 第30-31页 |
| 第二章 试验区和数据 | 第31-40页 |
| 2.1 试验区概况 | 第31-33页 |
| 2.1.1 黑龙江省概况 | 第31-32页 |
| 2.1.2 吉林省概况 | 第32-33页 |
| 2.2 数据情况 | 第33-39页 |
| 2.2.1 样地数据 | 第33-37页 |
| 2.2.2 时间序列NDVI数据 | 第37页 |
| 2.2.3 时间序列气象数据 | 第37-38页 |
| 2.2.4 地形及地理位置数据 | 第38页 |
| 2.2.5 基于Landsat TM/ETM+数据的植被覆盖度提取 | 第38-39页 |
| 2.3 本章小结 | 第39-40页 |
| 第三章 数据预处理与GNN估测方法 | 第40-55页 |
| 3.1 时间序列特征变量处理 | 第40-44页 |
| 3.1.1 MODIS NDVI时间序列数据滤波处理 | 第40-42页 |
| 3.1.2 MODIS NDVI时间序列数据降维处理 | 第42-43页 |
| 3.1.3 月平均气温和月总降水量数据的插值与降维处理 | 第43-44页 |
| 3.1.4 树种（组）胸高断面积估测因变量和自变量 | 第44页 |
| 3.2 GNN估测方法 | 第44-49页 |
| 3.2.1 典范对应分析（Canonical Correspondence Analysis, CCA） | 第45-48页 |
| 3.2.2 k-NN算法原理 | 第48-49页 |
| 3.3 k-NN分层估测方法 | 第49-50页 |
| 3.4 估测精度评价方法 | 第50-54页 |
| 3.4.1 基于多尺度网格的精度评价方法 | 第50-53页 |
| 3.4.2 县级尺度精度评价方法 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 黑龙江省树种（组）胸高断面积估测结果与分析 | 第55-69页 |
| 4.1 样地树种（组）胸高断面积与自变量的定量关系分析 | 第55-56页 |
| 4.2 k值的优选 | 第56-57页 |
| 4.3 k-NN分层估测对估测精度的影响 | 第57-58页 |
| 4.4 树种（组）胸高断面积的估测结果 | 第58-65页 |
| 4.5 精度检验 | 第65-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第五章 吉林省树种（组）成数估测结果与分析 | 第69-81页 |
| 5.1 样地树种（组）成数与自变量的定量关系分析 | 第69页 |
| 5.2 k值的优选 | 第69-70页 |
| 5.3 k-NN分层估测对估测精度的影响 | 第70-71页 |
| 5.4 树种（组）成数的估测结果 | 第71-77页 |
| 5.5 精度检验 | 第77-79页 |
| 5.5.1 多尺度下的精度检验 | 第77-78页 |
| 5.5.2 县级尺度下的精度验证 | 第78-79页 |
| 5.6 本章小结 | 第79-81页 |
| 第六章 结论与展望 | 第81-84页 |
| 6.1 结论 | 第81-82页 |
| 6.2 展望 | 第82-84页 |
| 参考文献 | 第84-91页 |
| 在读期间的学术研究 | 第91-92页 |
| 致谢 | 第92页 |
