| 论文创新点 | 第5-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-26页 |
| 1.2.1 陆地生态系统碳收支评估研究现状 | 第17-19页 |
| 1.2.2 基于遥感的土地覆盖分类方法研究现状 | 第19-25页 |
| 1.2.2.1 基于像元的分类 | 第20-23页 |
| 1.2.2.2 面向对象的分类 | 第23-25页 |
| 1.2.3 存在的问题 | 第25-26页 |
| 1.3 研究方案 | 第26-30页 |
| 1.3.1 研究内容 | 第26-28页 |
| 1.3.2 技术路线 | 第28-30页 |
| 1.4 论文组织结构 | 第30-32页 |
| 第2章 面向碳收支的土地覆盖分类系统 | 第32-48页 |
| 2.1 引言 | 第32-33页 |
| 2.2 现有的土地覆盖分类系统 | 第33-37页 |
| 2.3 面向碳收支的土地覆盖分类系统特点 | 第37-38页 |
| 2.4 面向碳收支的分类系统划分原则与依据 | 第38-41页 |
| 2.4.1 分类系统设计原则 | 第38-39页 |
| 2.4.2 分类系统中需要澄清和界定的问题 | 第39-40页 |
| 2.4.3 分类系统设计依据 | 第40-41页 |
| 2.5 面向碳收支的分类系统设计 | 第41-44页 |
| 2.6 土地覆盖类型遥感识别的可行性 | 第44-47页 |
| 2.7 本章小结 | 第47-48页 |
| 第3章 多源多时相遥感影像辐射归一化 | 第48-62页 |
| 3.1 引言 | 第48-49页 |
| 3.2 绝对辐射归一化 | 第49-50页 |
| 3.3 相对辐射归一化 | 第50-56页 |
| 3.3.1 基于像元对的相对辐射归一化方法 | 第51-55页 |
| 3.3.2 基于分布的相对辐射归一化方法 | 第55-56页 |
| 3.4 多时相遥感影像辐射归一化方法应用策略 | 第56-57页 |
| 3.5 HJ-1A/B与TM影像的相对辐射归一化 | 第57-61页 |
| 3.5.1 算法介绍 | 第57-59页 |
| 3.5.1.1 改进的自动散点控制回归算法(IASCR法) | 第57-58页 |
| 3.5.1.2 顺序转换法(OC法) | 第58-59页 |
| 3.5.2 相对辐射归一化结果 | 第59-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第4章 面向碳收支的遥感图像变换方法 | 第62-77页 |
| 4.1 引言 | 第62-63页 |
| 4.2 LBV变换基本原理 | 第63-66页 |
| 4.3 HJ影像的LBV变换方法 | 第66-71页 |
| 4.3.1 数据分析 | 第66-67页 |
| 4.3.2 LBV公式推导 | 第67-70页 |
| 4.3.3 LBV变换结果 | 第70-71页 |
| 4.4 HJ影像的KL变换和KT变换 | 第71-75页 |
| 4.4.1 KL变换结果 | 第71-73页 |
| 4.4.2 KT变换结果 | 第73-75页 |
| 4.5 图像变换对固碳主体分类的影响 | 第75-76页 |
| 4.6 本章小结 | 第76-77页 |
| 第5章 面向对象分类的对象构建与特征选择 | 第77-98页 |
| 5.1 引言 | 第77-78页 |
| 5.2 影像对象构建 | 第78-80页 |
| 5.2.1 分割图层及图层权重 | 第78页 |
| 5.2.2 分割尺度 | 第78-79页 |
| 5.2.3 分割参数 | 第79-80页 |
| 5.3 对象特征提取 | 第80-89页 |
| 5.3.1 常用的对象特征 | 第80-87页 |
| 5.3.2 碳收支相关特征 | 第87-89页 |
| 5.4 对象特征筛选 | 第89-97页 |
| 5.4.1 特征去相关 | 第90-91页 |
| 5.4.2 基于类内距离和类间距离的特征精选 | 第91-93页 |
| 5.4.2.1 类间距离测度 | 第91-92页 |
| 5.4.2.2 类内距离测度 | 第92-93页 |
| 5.4.2.3 构建评价准则 | 第93页 |
| 5.4.3 特征筛选结果 | 第93-97页 |
| 5.5 本章小结 | 第97-98页 |
| 第6章 面向碳收支的自动分类方法 | 第98-112页 |
| 6.1 引言 | 第98-99页 |
| 6.2 一级类信息提取 | 第99-105页 |
| 6.2.1 基于最佳分离阈值的自动分类方法 | 第99-101页 |
| 6.2.2 分类规则的制定 | 第101-103页 |
| 6.2.3 分类结果及精度评价 | 第103-105页 |
| 6.3 二级类信息提取 | 第105-107页 |
| 6.3.1 基于最近邻的监督分类方法 | 第105-106页 |
| 6.3.2 训练样本的选择 | 第106页 |
| 6.3.3 分类结果及精度评价 | 第106-107页 |
| 6.4 方法的可移植性检验 | 第107-111页 |
| 6.5 本章小结 | 第111-112页 |
| 第7章 结论与展望 | 第112-116页 |
| 7.1 全文总结 | 第112-113页 |
| 7.2 主要创新点 | 第113-114页 |
| 7.3 研究展望 | 第114-116页 |
| 参考文献 | 第116-125页 |
| 攻读博士学位期间发表的论文与科研情况 | 第125-126页 |
| 致谢 | 第126-127页 |