面向对象的高分辨率遥感影像竹林多尺度碳储量估算方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 植被遥感分类研究现状 | 第11-15页 |
| 1.2.2 森林生物量与碳储量研究进展 | 第15-17页 |
| 1.3 研究内容与技术路线 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 研究技术路线 | 第18-19页 |
| 2 研究区与数据资料 | 第19-23页 |
| 2.1 研究区概况 | 第19-21页 |
| 2.1.1 地理位置 | 第19-20页 |
| 2.1.2 气候状况 | 第20页 |
| 2.1.3 地形地貌 | 第20页 |
| 2.1.4 植被状况 | 第20-21页 |
| 2.2 数据资料 | 第21-23页 |
| 2.2.1 SOT6遥感数据 | 第21页 |
| 2.2.2 样地数据 | 第21-23页 |
| 3 基于多尺度分割的面向对象竹林信息提取 | 第23-51页 |
| 3.1 影像分割 | 第23-24页 |
| 3.1.1 影像分割的概念 | 第23-24页 |
| 3.1.2 分割方法概述 | 第24页 |
| 3.2 多尺度分割 | 第24-29页 |
| 3.2.1 多尺度分割算法 | 第24-28页 |
| 3.2.2 多尺度分割参数设定 | 第28-29页 |
| 3.3 SPOT6影像多尺度分割实验 | 第29-33页 |
| 3.3.1 分割参数设置 | 第29页 |
| 3.3.2 分割结果 | 第29-33页 |
| 3.4 面向对象的影像特征提取 | 第33-38页 |
| 3.4.1 光谱特征 | 第33-34页 |
| 3.4.2 形状特征 | 第34-35页 |
| 3.4.3 纹理特征 | 第35-36页 |
| 3.4.4 植被指数特征 | 第36页 |
| 3.4.5 分类特征的设置 | 第36-38页 |
| 3.5 面向对象的分类 | 第38-50页 |
| 3.5.1 最邻近分类方法 | 第38-39页 |
| 3.5.2 阈值分类和逻辑规则分类 | 第39页 |
| 3.5.3 决策树分类 | 第39-40页 |
| 3.5.4 分类规则及分类结果 | 第40-46页 |
| 3.5.5 与最大似然法结果对比 | 第46-48页 |
| 3.5.6 精度评价 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 4 面向对象的多尺度毛竹林碳储量模型 | 第51-68页 |
| 4.1 地面样地调查数据及生物量估算 | 第51-54页 |
| 4.2 遥感变量设置 | 第54-55页 |
| 4.3 自变量与样地碳储量的相关性分析 | 第55-57页 |
| 4.4 基于多元逐步回归的毛竹林地上生物量估算 | 第57-64页 |
| 4.4.1 多元线性回归模型方法 | 第57页 |
| 4.4.2 模型的构建方案与评价方法 | 第57-58页 |
| 4.4.3 逐步回归筛选变量构建碳储量模型 | 第58-61页 |
| 4.4.4 逐步回归筛选变量构建多尺度模型 | 第61-64页 |
| 4.5 基于对象的安吉县毛竹林碳储量估算 | 第64-67页 |
| 4.6 本章小结 | 第67-68页 |
| 5 结论与讨论 | 第68-70页 |
| 5.1 结论 | 第68页 |
| 5.2 创新点 | 第68页 |
| 5.3 讨论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 个人简介 | 第75-76页 |
| 导师简介 | 第76-77页 |
| 致谢 | 第77页 |
