1. 研究目的与意义
精确的森林结构参数时空变化模式是评价森林健康状况、森林生产力及森林干扰状态的重要基础数据。
传统的森林结构参数获取往往采用高强度的地面人工调查方法进行。
显然，这种方式要求大的资金、人力及时间的投入。
2. 国内外研究现状分析
目前国内外在生物量反演的研究基本上有三种建模方法.第一种是基于统计模型,利用回归算法建立生物量与遥感信息的回归模型,这种模型只适合一时一地一事的情况.不能解释机理,参数之间缺乏逻辑性.对于不同地区、不同条件,往往可以得出多种统计规律.不能进行时间和空间的外推.第二种方法,是建立神经网络模型.应用神经网络方法的"黑箱"操作,可能精度比回归方法高,但同样不能解释机理,也只适合一时一地一事的情况,不能进行时间和空间的外推.第三种方法是基于机理的过程模型,这种模型参数众多,难以获取,方程复杂,实用性较差.对参数进行简化后使用,甚至全球使用某一固定值,与实际值差距较大.而使用RapidEye这种高分辨率且适用于植被观测的卫星数据的研究还比较少。
3. 研究的基本内容与计划
第1周-第3周：文献阅读及整理第4周-第6周：Rapideye遥感数据几何精校正、大气校正、光谱变换及特征图像生成（植被指数、MNF、PCA等）第7周-第9周：样方数据计算及整理（包括利用鱼眼相机数据借助软件提取样地有效叶面积指数；利用广东省生物量调查方程估算样地地上生物量等）第10周-第11周：森林结构参数遥感建模、制图及验证第12周-第15周：论文撰写，PPT制作，准备答辩
4. 研究创新点
(1) 叶面积指数和生物量反演建模的遥感特征变化方法 （2）建模方法的创新 （3）使用适用于监测植被状况和检测生长异常的高分辨率RapidEye卫星数据 （3）本研究的野外数据齐全，为研究奠定了好的基础
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
