摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第1章 绪论 | 第17-25页 |
1.1 研究背景与意义 | 第17-18页 |
1.2 国内外研究现状及发展趋势 | 第18-21页 |
1.2.1 卫星遥感和激光雷达在森林参数估测反演中的应用 | 第18-20页 |
1.2.2 数字航空摄影在森林参数估测反演中的应用 | 第20-21页 |
1.3 研究内容与总体技术路线 | 第21-23页 |
1.3.1 研究内容和目标 | 第21-22页 |
1.3.2 研究方法 | 第22页 |
1.3.3 技术路线 | 第22-23页 |
1.4 论文组织结构 | 第23-25页 |
第2章 研究区与数据处理 | 第25-43页 |
2.1 研究区概况 | 第25-26页 |
2.1.1 自然地理概况 | 第25-26页 |
2.1.2 植被类型 | 第26页 |
2.2 航空摄影数据采集 | 第26-29页 |
2.3 样地数据采集和处理 | 第29-33页 |
2.3.1 每木检尺 | 第29-30页 |
2.3.2 地上生物量计算 | 第30-31页 |
2.3.3 LAI数据采集和计算 | 第31-33页 |
2.4 航摄DAP数据预处理 | 第33-38页 |
2.4.1 POS航迹解算 | 第33页 |
2.4.2 数据质检 | 第33-34页 |
2.4.3 数据处理 | 第34-36页 |
2.4.4 数字模型产品制作 | 第36-38页 |
2.5 数据处理结果 | 第38-40页 |
2.6 小结 | 第40-43页 |
第3章 森林AGB和LAI反演研究方法 | 第43-55页 |
3.1 特征提取 | 第44-48页 |
3.1.1 基于数字正射影像图DOM的纹理特征提取 | 第44-45页 |
3.1.2 基于数字正射影像图DOM的植被指数构建 | 第45-46页 |
3.1.3 基于归一化点云PPC的森林垂直结构特征提取 | 第46-48页 |
3.2 特征选择 | 第48-50页 |
3.2.1 人工去相关 | 第48-49页 |
3.2.2 RF-RFE特征选择 | 第49-50页 |
3.3 机器学习建模方法 | 第50-52页 |
3.3.1 Cubist算法 | 第50-51页 |
3.3.2 KNN算法 | 第51页 |
3.3.3 RF算法 | 第51页 |
3.3.4 SVR算法 | 第51-52页 |
3.4 模型评价 | 第52页 |
3.5 小结 | 第52-55页 |
第4章 三种数据源的森林AGB和LAI反演结果 | 第55-83页 |
4.1 基于DOM数据的森林地上生物量和叶面积指数估测 | 第55-64页 |
4.1.1 建模特征选择 | 第55-57页 |
4.1.2 机器学习回归建模 | 第57-60页 |
4.1.3 AGB和LAI估测结果及分析 | 第60-64页 |
4.2 基于PPC数据的森林地上生物量和叶面积指数估测 | 第64-71页 |
4.2.1 建模特征选择 | 第64-65页 |
4.2.2 机器学习回归建模 | 第65-68页 |
4.2.3 AGB和LAI估测结果及分析 | 第68-71页 |
4.3 联合DOM和PPC数据的地上生物量和叶面积指数反演 | 第71-79页 |
4.3.1 建模特征选择 | 第71-73页 |
4.3.2 机器学习回归建模 | 第73-75页 |
4.3.3 AGB和LAI估测结果及分析 | 第75-79页 |
4.4 地上生物量和叶面积指数制图 | 第79-80页 |
4.5 小结 | 第80-83页 |
第5章 单木位置提取和树高估测 | 第83-103页 |
5.1 研究数据 | 第84-85页 |
5.2 研究方法 | 第85-91页 |
5.2.1 CHM..标记控制分水岭分割法 | 第85-88页 |
5.2.2 PPC单木分割方法 | 第88-91页 |
5.3 单木参数提取结果和分析 | 第91-101页 |
5.3.1 单木参数提取结果 | 第91-95页 |
5.3.2 精度评价 | 第95-101页 |
5.4 小结 | 第101-103页 |
第6章 结论与展望 | 第103-107页 |
6.1 结果与结论 | 第103-105页 |
6.2 创新点 | 第105-106页 |
6.3 讨论与展望 | 第106-107页 |
参考文献 | 第107-117页 |
作者简历及攻读学位期间发表的学术论文与研究成果 | 第117-119页 |
致谢 | 第119-120页 |