| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 引言 | 第8-18页 |
| ·研究背景 | 第8-9页 |
| ·研究的目的及意义 | 第9页 |
| ·研究目的 | 第9页 |
| ·研究意义 | 第9页 |
| ·森林生物量的研究现状 | 第9-14页 |
| ·传统森林生物量获取方法 | 第10-12页 |
| ·遥感信息模型法 | 第12-14页 |
| ·植被指数模型 | 第14-18页 |
| ·归一化植被指数(NDVI) | 第15-16页 |
| ·比值植被指数(RVI) | 第16页 |
| ·差值植被指数(DVI) | 第16页 |
| ·调整土壤亮度的植被指数(SAVI、TSAVI、MSAVI) | 第16-18页 |
| 2 研究区概况及研究方案 | 第18-22页 |
| ·研究区概况 | 第18-20页 |
| ·地理位置 | 第19页 |
| ·气候条件与降水量 | 第19页 |
| ·森林植被资源 | 第19-20页 |
| ·研究方案 | 第20-22页 |
| ·研究方法 | 第20-21页 |
| ·技术路线 | 第21-22页 |
| 3 数据采集及预处理 | 第22-37页 |
| ·己收集的数据资料 | 第22页 |
| ·地面数据采集及处理 | 第22-27页 |
| ·外业调查样地选择 | 第22-23页 |
| ·样本数据的外业采集 | 第23-26页 |
| ·实测数据内业整理及处理 | 第26-27页 |
| ·遥感数据获取及处理 | 第27-34页 |
| ·遥感数据简介 | 第27-28页 |
| ·遥感影像获取 | 第28-29页 |
| ·遥感影像预处理 | 第29-31页 |
| ·建模因子提取方法 | 第31-34页 |
| ·遥感影像的分类方法 | 第34-37页 |
| ·遥感影像植被信息分类 | 第34-35页 |
| ·分类精度评价 | 第35-37页 |
| 4 生物量反演模型建立及预估精度 | 第37-55页 |
| ·建模因子的选择 | 第37-38页 |
| ·阔叶林遥感反演生物量模型 | 第38-47页 |
| ·主成分线性回归模型 | 第38-41页 |
| ·多元线性回归模型 | 第41-43页 |
| ·BP神经网络模型 | 第43-47页 |
| ·针叶林遥感反演生物量模型 | 第47-55页 |
| ·主成分线性回归模型 | 第47-49页 |
| ·多元线性回归模型 | 第49-51页 |
| ·BP神经网络模型 | 第51-55页 |
| 5 森林生物量估测 | 第55-63页 |
| ·阔叶林生物量估测 | 第55-57页 |
| ·针叶林生物量估测 | 第57-58页 |
| ·北京市所有区县的生物量估测 | 第58-63页 |
| 6 结论与讨论 | 第63-65页 |
| ·结论与分析 | 第63-64页 |
| ·讨论 | 第64-65页 |
| ·不足之处 | 第64页 |
| ·研究展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 个人简介 | 第68-69页 |
| 导师简介 | 第69-70页 |
| 获得成果目录 | 第70-71页 |
| 致谢 | 第71页 |