| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 1 绪论 | 第12-22页 |
| ·研究背景与意义 | 第12-13页 |
| ·国内外研究综述 | 第13-18页 |
| ·土地荒漠化监测指标体系 | 第13-14页 |
| ·荒漠化地区植被覆盖度遥感反演方法研究进展 | 第14-18页 |
| ·研究内容和技术路线 | 第18-21页 |
| ·研究目标 | 第18-19页 |
| ·研究拟解决的关键问题 | 第19页 |
| ·主要研究内容 | 第19-20页 |
| ·技术路线 | 第20-21页 |
| ·论文结构 | 第21-22页 |
| 2 研究区域及数据获取 | 第22-28页 |
| ·研究区概况 | 第22-23页 |
| ·地理位置 | 第22页 |
| ·自然条件 | 第22-23页 |
| ·植被资源 | 第23页 |
| ·外业调查数据获取 | 第23-24页 |
| ·样地布设 | 第23页 |
| ·野外调查数据采集 | 第23-24页 |
| ·遥感影像数据选取 | 第24-26页 |
| ·辅助数据 | 第26-28页 |
| 3 遥感影像数据预处理 | 第28-32页 |
| ·研究区提取 | 第28页 |
| ·辐射校正 | 第28-31页 |
| ·影像融合与增强 | 第31-32页 |
| 4 基于数码影像的样方植被覆盖度反演研究 | 第32-40页 |
| ·决策树分类模型 | 第33-38页 |
| ·决策树的构建 | 第33-35页 |
| ·基于决策树的地物分类 | 第35-38页 |
| ·影像植被覆盖度提取精度验证 | 第38-40页 |
| 5 基于植被指数逐步回归分析的植被覆盖度反演 | 第40-52页 |
| ·植被指数的意义和指示性 | 第40-41页 |
| ·常见的植被指数模型 | 第41-43页 |
| ·植被指数线性回归模型 | 第43-46页 |
| ·植被指数提取 | 第43-45页 |
| ·植被指数与植被覆盖度相关性分析 | 第45-46页 |
| ·多元逐步回归分析模型 | 第46-49页 |
| ·多元逐步回归分析方法 | 第46-48页 |
| ·植被指数多元逐步回归分析植被覆盖度反演 | 第48-49页 |
| ·多元逐步回归植被覆盖度反演模型精度检验 | 第49-50页 |
| ·多元逐步回归植被覆盖度反演制图 | 第50-52页 |
| 6 基于线性混合像元分解模型的植被覆盖度反演 | 第52-64页 |
| ·端元组分确定 | 第52-54页 |
| ·人工端元选取方法 | 第53页 |
| ·计算机端元选取方法 | 第53-54页 |
| ·线性混合像元分解 | 第54-62页 |
| ·MNF变换 | 第54-57页 |
| ·基于纯净像元指数(PPI)的端元选取 | 第57-58页 |
| ·N维可视化(N-D Visualizer) | 第58-59页 |
| ·基于几何顶点(N-FINDR)的端元选取 | 第59-60页 |
| ·线性混合像元分解 | 第60-62页 |
| ·多元逐步回归分析和线性混合像元分解综合评价 | 第62-64页 |
| 7 基于kNN算法的植被覆盖度反演 | 第64-72页 |
| ·kNN算法原理 | 第64-65页 |
| ·基于kNN算法的植被覆盖度反演精度评价 | 第65-66页 |
| ·基于植被指数的kNN算法植被覆盖度反演 | 第66-68页 |
| ·基于植被指数和线性混合像元分解模型的kNN算法植被覆盖度反演 | 第68-72页 |
| 8 结论与讨论 | 第72-76页 |
| ·主要研究结论 | 第72-74页 |
| ·基于数码影像的样方植被覆盖度反演 | 第72-73页 |
| ·基于植被指数多元逐步回归分析法植被覆盖度反演 | 第73页 |
| ·基于线性混合像元分解模型法的植被覆盖度反演 | 第73页 |
| ·基于kNN算法的植被度盖度反演 | 第73-74页 |
| ·三种影像植被覆盖度反演方法之间的综合比较分析 | 第74页 |
| ·创新点 | 第74-75页 |
| ·讨论 | 第75-76页 |
| 参考文献 | 第76-84页 |
| 附录 攻读学位期间的主要学术成果 | 第84-86页 |
| 致谢 | 第86-87页 |