| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 第一章 绪论 | 第19-33页 |
| 1.1 研究背景 | 第19-20页 |
| 1.2 国内外研究现状 | 第20-29页 |
| 1.2.1 遥感技术在森林资源监测中应用 | 第20-21页 |
| 1.2.2 森林覆盖遥感分类 | 第21-23页 |
| 1.2.3 分类器组合遥感影像分类 | 第23-26页 |
| 1.2.4 森林蓄积量遥感反演 | 第26-29页 |
| 1.3 目前存在的问题及研究趋势 | 第29-30页 |
| 1.4 研究内容和技术路线 | 第30-32页 |
| 1.4.1 研究内容 | 第30-31页 |
| 1.4.2 技术路线 | 第31-32页 |
| 1.5 项目支持 | 第32页 |
| 1.6 论文组织结构 | 第32-33页 |
| 第二章 林芝县概况与试验数据获取 | 第33-41页 |
| 2.1 试验区概况 | 第33-36页 |
| 2.1.1 地理位置概况 | 第33页 |
| 2.1.2 地形地貌 | 第33页 |
| 2.1.3 气候特征 | 第33-35页 |
| 2.1.4 水文特征 | 第35页 |
| 2.1.5 土壤 | 第35页 |
| 2.1.6 植被 | 第35-36页 |
| 2.2 数据获取及预处理 | 第36-40页 |
| 2.2.1 Landsat OLI数据的获取及预处理 | 第36-38页 |
| 2.2.2 西藏自治区西藏自治区森林森林森林资源资源资源二类调查数据二类调查数据二类调查数据及样地调查数据及样地调查数据 | 第38-40页 |
| 2.2.3 地形图及DEM数据 | 第40页 |
| 2.3 本章小结 | 第40-41页 |
| 第三章 林芝县森林覆盖分类 | 第41-95页 |
| 3.1 Landsat OLI影像特征的分析 | 第41-42页 |
| 3.2 分类方案的选择及训练样本的选择 | 第42-44页 |
| 3.3 单分类器监督分类实验 | 第44-49页 |
| 3.3.1 最大似然分类法 | 第44-45页 |
| 3.3.2 人工神经网络分类法 | 第45-47页 |
| 3.3.3 马氏距离分类法 | 第47-49页 |
| 3.4 分类结果及比较 | 第49-61页 |
| 3.4.1 分类结果及精度评价 | 第50-54页 |
| 3.4.2 单分类器优缺点评价 | 第54-61页 |
| 3.5 基于D-S证据理论的林芝县遥感多分类器组合分类 | 第61-69页 |
| 3.5.1 证据理论的概念原理 | 第61-65页 |
| 3.5.2 基于D-S证据理论的多分类器组合林芝县森林遥感分类 | 第65-69页 |
| 3.6 基于D-S证据理论多分类器组合分类 | 第69-78页 |
| 3.6.1 基于D-S证据理论的最大似然与马氏距离组合分类 | 第69-72页 |
| 3.6.2 基于D-S证据理论的最大似然与人工神经网络组合分类 | 第72-73页 |
| 3.6.3 基于D-S证据理论的马氏距离与人工神经网络组合分类 | 第73-76页 |
| 3.6.4 基于D-S证据理论的最大似然、马氏距离与人工神经网络组合分类 | 第76-78页 |
| 3.7 基于D-S理论的分类器组合得到的结果对比 | 第78-84页 |
| 3.7.1 基于D-S理论的分类器组合得到的针叶林结果对比 | 第78-79页 |
| 3.7.2 基于D-S理论的分类器组合得到的阔叶林结果对比 | 第79-80页 |
| 3.7.3 基于D-S理论的分类器组合得到的灌木林结果对比 | 第80-82页 |
| 3.7.4 基于D-S理论的分类器组合得到的水体结果对比 | 第82-83页 |
| 3.7.5 基于D-S理论的分类器组合得到的非林地结果对比 | 第83-84页 |
| 3.8 各分类器及分类器组合精度评价及统计 | 第84-89页 |
| 3.8.1 三个单分类器的精度评价 | 第84-85页 |
| 3.8.2 基于D-S证据理论分类器组合的精度评价 | 第85-89页 |
| 3.9 各分类器分类提取森林面积对比 | 第89-93页 |
| 3.10 本章小结 | 第93-95页 |
| 第四章 基于遥感的针、阔叶林蓄积量反演模型研究 | 第95-126页 |
| 4.1 Landsat OLI影像纹理特征 | 第95-100页 |
| 4.1.1 基于灰度共生矩阵的纹理特征提取 | 第95-97页 |
| 4.1.2 基于Landsat OLI遥感影像纹理特征的改进植被指数 | 第97-99页 |
| 4.1.3 回归分析 | 第99-100页 |
| 4.1.4 精度评价 | 第100页 |
| 4.2 基于Landsat OLI影像的改进指数的蓄积量反演研究 | 第100-124页 |
| 4.2.1 针叶林蓄积量反演模型构建 | 第100-114页 |
| 4.2.2 阔叶林蓄积量反演模型构建 | 第114-124页 |
| 4.3 本章小结 | 第124-126页 |
| 第五章 结论与讨论 | 第126-131页 |
| 5.1 结论 | 第126-128页 |
| 5.1.1 林芝县森林覆盖遥感分类 | 第126-127页 |
| 5.1.2 基于遥感的针、阔叶林蓄积量反演模型研究 | 第127-128页 |
| 5.2 创新点 | 第128-129页 |
| 5.3 讨论与展望 | 第129-131页 |
| 参考文献 | 第131-139页 |
| 在读期间的学术研究 | 第139-140页 |
| 致谢 | 第140-141页 |
