| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·研究目的和意义 | 第10-11页 |
| ·国内外研究动态 | 第11-16页 |
| ·森林资源遥感监测 | 第11-13页 |
| ·分类与制图 | 第11-12页 |
| ·森林资源动态监测 | 第12页 |
| ·森林碳储量遥感估算 | 第12-13页 |
| ·森林参数遥感定量反演 | 第13-15页 |
| ·竹林资源遥感研究现状 | 第15-16页 |
| ·研究内容与技术路线 | 第16-19页 |
| ·研究内容与方法 | 第16-17页 |
| ·技术路线 | 第17-19页 |
| 2 研究区与数据资料 | 第19-29页 |
| ·研究区概况 | 第19-20页 |
| ·地理位置 | 第19页 |
| ·气候状况 | 第19页 |
| ·地形地貌 | 第19-20页 |
| ·植被状况 | 第20页 |
| ·数据资料 | 第20-29页 |
| ·遥感数据及预处理 | 第20-24页 |
| ·无人机遥感影像及预处理 | 第20-21页 |
| ·SPOT5影像及预处理 | 第21-22页 |
| ·Landsat TM影像及预处理 | 第22-24页 |
| ·外业数据 | 第24-27页 |
| ·辅助数据 | 第27-29页 |
| 3 无人机遥感数据结合Li-Strahler几何光学模型的毛竹林冠层郁闭度估算 | 第29-39页 |
| ·Li-Strahler几何光学模型 | 第29-31页 |
| ·混合像元分解 | 第31-32页 |
| ·端元获取与评价 | 第32-34页 |
| ·几何光学模型郁闭度反演结果与分析 | 第34-38页 |
| ·基于无约束混合像元分解的的郁闭度反演 | 第34-35页 |
| ·基于全约束混合像元分解的的郁闭度反演 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 4 SPOT5结合Erf-BP神经网络模型的毛竹林郁闭度估算 | 第39-49页 |
| ·Er-BP神经网络模型简介 | 第40-41页 |
| ·遥感变量设置 | 第41-42页 |
| ·主成分分析 | 第41-42页 |
| ·纹理分析 | 第42页 |
| ·归一化植被指数（NDVI） | 第42页 |
| ·Bootstrap变量筛选 | 第42-43页 |
| ·SPOT5结合Erf-BP神经网络模型估算结果与分析 | 第43-47页 |
| ·模型构建 | 第43-45页 |
| ·Bootstrap变量筛选结果 | 第43-44页 |
| ·Erf-BP模型 | 第44-45页 |
| ·反演结果分析 | 第45-47页 |
| ·小结 | 第47-49页 |
| 5 Landsat TM结合Erf-BP神经网络模型的毛竹林郁闭度估算 | 第49-55页 |
| ·遥感变量的设置 | 第49-50页 |
| ·变量筛选 | 第50页 |
| ·Landsat TM结合Erf-BP神经网络模型的估算结果及分析 | 第50-53页 |
| ·模型构建 | 第50-52页 |
| ·Bootstrap变量筛选结果 | 第50-51页 |
| ·Erf-BP模型 | 第51-52页 |
| ·反演结果 | 第52-53页 |
| ·小结 | 第53-55页 |
| 6 结论与讨论 | 第55-60页 |
| ·结论与创新点 | 第55页 |
| ·结论 | 第55页 |
| ·创新点 | 第55页 |
| ·讨论 | 第55-60页 |
| ·无人机郁闭度估算方面 | 第55-58页 |
| ·Erf-BP神经网络模型郁闭度估算方面 | 第58页 |
| ·遥感数据方面 | 第58-60页 |
| 参考文献 | 第60-68页 |
| 个人简介 | 第68-69页 |
| 导师简介 | 第69-70页 |
| 致谢 | 第70页 |
