| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景 | 第11页 |
| 1.3 研究目的与意义 | 第11-12页 |
| 1.4 国内外研究进展 | 第12-15页 |
| 1.4.1 国外森林生物量研究状况 | 第12-13页 |
| 1.4.2 国内森林生物量研究状况 | 第13-14页 |
| 1.4.3 杨树资源状况及研究进展 | 第14-15页 |
| 1.5 研究内容与技术路线 | 第15-18页 |
| 1.5.1 研究内容 | 第15-17页 |
| 1.5.2 技术路线 | 第17-18页 |
| 第二章 研究区概况及数据来源 | 第18-29页 |
| 2.1 研究区概况 | 第18-20页 |
| 2.1.1 地理位置 | 第18页 |
| 2.1.2 自然环境概况 | 第18-19页 |
| 2.1.3 社会经济概况 | 第19-20页 |
| 2.2 野外样地数据资料与整理 | 第20-23页 |
| 2.2.1 样地数据获取 | 第20-21页 |
| 2.2.2 样地数据整理 | 第21-23页 |
| 2.3 遥感数据来源与介绍 | 第23-24页 |
| 2.3.1 遥感数据来源 | 第23页 |
| 2.3.2 | 第23页 |
| 2.3.3 Landsat 8数据基本情况 | 第23页 |
| 2.3.4 GF-2数据基本情况 | 第23-24页 |
| 2.4 遥感影像数据预处理 | 第24-29页 |
| 2.4.1 正射校正 | 第24-25页 |
| 2.4.2 辐射定标 | 第25页 |
| 2.4.3 大气校正 | 第25-27页 |
| 2.4.4 几何校正 | 第27页 |
| 2.4.5 图像镶嵌 | 第27-28页 |
| 2.4.6 研究区裁剪 | 第28-29页 |
| 第三章 遥感光谱特征提取与变量因子选择 | 第29-37页 |
| 3.1 遥感光谱特征提取 | 第29-33页 |
| 3.1.1 单波段及简单波段组合信息提取 | 第29页 |
| 3.1.2 植被指数提取 | 第29-32页 |
| 3.1.3 主成分分析 | 第32-33页 |
| 3.1.4 缨帽变换 | 第33页 |
| 3.2 林分因子的选择 | 第33-35页 |
| 3.3 建模因子的筛选与模型精度评价方法 | 第35-37页 |
| 3.3.1 相关性分析 | 第35-36页 |
| 3.3.2 模型精度评价与方法 | 第36-37页 |
| 第四章 基于传统回归方法的杨树人工林生物量估算模型 | 第37-44页 |
| 4.1 传统回归模型原理 | 第37-38页 |
| 4.1.1 一元回归模型 | 第37页 |
| 4.1.2 多元线性回归模型 | 第37页 |
| 4.1.3 多元逐步回归模型 | 第37-38页 |
| 4.2 不同影像数据的传统模型构建 | 第38-44页 |
| 4.2.1 一元回归模型 | 第38-39页 |
| 4.2.2 多元线性回归模型 | 第39-41页 |
| 4.2.3 多元逐步回归模型 | 第41-44页 |
| 第五章 基于BP神经网络的杨树人工林生物量估算模型 | 第44-49页 |
| 5.1 人工神经网络模型简介 | 第44-45页 |
| 5.1.1 BP神经网络原理 | 第44-45页 |
| 5.1.2 BP神经网络模型构建 | 第45页 |
| 5.2 不同影像数据的BP神经网络回归模型构建 | 第45-49页 |
| 5.2.1 基于自变量因子相关性的BP神经网络模型构建 | 第45-46页 |
| 5.2.2 基于主成分分析的BP神经网络模型构建 | 第46-49页 |
| 第六章 基于支持向量机的杨树人工林生物量估算模型 | 第49-55页 |
| 6.1 支持向量机模型简介 | 第49-51页 |
| 6.1.1 支持向量机回归原理 | 第49-50页 |
| 6.1.2 支持向量机模型构建 | 第50-51页 |
| 6.2 不同影像数据的支持向量机回归模型构建 | 第51-55页 |
| 6.2.1 基于自变量因子相关性的SVR模型构建 | 第51-52页 |
| 6.2.2 基于主成分分析的SVR模型构建 | 第52-55页 |
| 第七章 基于随机森林的杨树人工林生物量估算模型 | 第55-63页 |
| 7.1 随机森林模型简介 | 第55-56页 |
| 7.1.1 随机森林回归方法及原理 | 第55页 |
| 7.1.2 随机森林回归模型构建 | 第55-56页 |
| 7.2 不同影像数据的随机森林模型构建 | 第56-63页 |
| 7.2.1 随机森林模型参数的设置 | 第56-57页 |
| 7.2.2 基于自变量因子相关性的随机森林模型构建 | 第57-58页 |
| 7.2.3 基于OOB重要性的随机森林模型构建 | 第58-60页 |
| 7.2.4 基于灰色关联度的随机森林模型构建 | 第60-63页 |
| 第八章 杨树人工林生物量遥感估算模型精度验证比较 | 第63-70页 |
| 8.1 不同数据建模精度验证比较 | 第63-67页 |
| 8.1.1 多元线性回归模型比较 | 第63页 |
| 8.1.2 多元逐步回归模型比较 | 第63-64页 |
| 8.1.3 BP神经网络模型比较 | 第64-65页 |
| 8.1.4 SVR模型比较 | 第65-66页 |
| 8.1.5 RF模型比较 | 第66-67页 |
| 8.2 不同建模方法精度验证比较 | 第67-70页 |
| 8.2.1 基于Landsat8影像数据的验证精度比较 | 第67-68页 |
| 8.2.2 基于GF-2影像数据的验证精度比较 | 第68-70页 |
| 第九章 结论与讨论 | 第70-73页 |
| 9.1 结论 | 第70-71页 |
| 9.2 讨论 | 第71-73页 |
| 参考文献 | 第73-77页 |
