| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 文献综述 | 第12-17页 |
| 1.1 基于不同遥感数据的估算 | 第12-13页 |
| 1.1.1 光学遥感数据 | 第12-13页 |
| 1.1.2 合成孔径雷达（SAR）及激光雷达（LIDAR） | 第13页 |
| 1.1.3 多源遥感数据源 | 第13页 |
| 1.2 基于不同遥感参数的估算 | 第13-14页 |
| 1.2.1 植被指数 | 第14页 |
| 1.2.2 纹理信息 | 第14页 |
| 1.3 基于不同统计方法的估算 | 第14-17页 |
| 1.3.1 线性回归 | 第15页 |
| 1.3.2 神经网络 | 第15-16页 |
| 1.3.3 随机森林 | 第16-17页 |
| 2 引言 | 第17-19页 |
| 2.1 森林对气候变化的影响 | 第17页 |
| 2.2 我国森林在碳固定中的作用 | 第17-19页 |
| 3 研究区概况 | 第19-21页 |
| 3.1 地理位置 | 第19页 |
| 3.2 地形地貌 | 第19页 |
| 3.3 气候 | 第19页 |
| 3.4 土壤 | 第19-20页 |
| 3.5 植被概况 | 第20-21页 |
| 4 研究方法与技术路线 | 第21-34页 |
| 4.1 技术路线 | 第21-22页 |
| 4.2 样地数据采集和处理 | 第22-25页 |
| 4.2.1 样地数据的采集 | 第22-24页 |
| 4.2.2 样地生物量计算 | 第24-25页 |
| 4.3 遥感数据获取和处理 | 第25-30页 |
| 4.3.1 遥感数据的获取 | 第25-26页 |
| 4.3.2 遥感数据的处理 | 第26-30页 |
| 4.4 地上生物量遥感反演模型 | 第30-34页 |
| 4.4.1 多元线性回归 | 第30-31页 |
| 4.4.2 随机森林算法 | 第31-32页 |
| 4.4.3 模型预测精度评价 | 第32-34页 |
| 5 结果与分析 | 第34-47页 |
| 5.1 筛选变量 | 第34-36页 |
| 5.2 逐步线性回归模型 | 第36-39页 |
| 5.2.1 森林生物量回归建模结果 | 第36-37页 |
| 5.2.2 回归诊断 | 第37-39页 |
| 5.3 随机森林预估模型 | 第39-41页 |
| 5.4 不同建模方法预估精度比较 | 第41-43页 |
| 5.5 研究区乔木林地上生物量估测 | 第43-47页 |
| 5.5.1 各森林类型乔木林地上生物量 | 第43-45页 |
| 5.5.2 研究区域乔木林地上生物量分布 | 第45-47页 |
| 6 讨论与结论 | 第47-50页 |
| 6.1 讨论 | 第47-48页 |
| 6.1.1 建模方法 | 第47页 |
| 6.1.2 预估精度 | 第47-48页 |
| 6.2 结论 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 附录A 缩写名称对应表 | 第55-56页 |
| 附录B 逐步线性回归命令 | 第56-59页 |
| 附录C 随机森林回归命令 | 第59-61页 |
| 致谢 | 第61-62页 |
| 个人简介 | 第62-63页 |
| 在读期间发表的学术论文 | 第63页 |