| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 植被生产力相关概念 | 第10-11页 |
| 1.2.2 研究进展 | 第11-12页 |
| 1.2.3 Google Earth Engine国内外应用概况 | 第12-13页 |
| 1.3 研究内容及技术路线 | 第13-14页 |
| 1.3.1 研究目标及内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14页 |
| 1.4 论文章节结构 | 第14-16页 |
| 第2章 数据来源及方法 | 第16-24页 |
| 2.1 研究区域概况 | 第16-17页 |
| 2.2 研究数据 | 第17-21页 |
| 2.2.1 通量数据 | 第17-18页 |
| 2.2.2 遥感数据 | 第18-21页 |
| 2.3 Google Earth Engine云平台 | 第21-22页 |
| 2.4 随机森林算法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 随机森林算法对总初级生产力的预测研究 | 第24-40页 |
| 3.1 全球落叶阔叶林通量站点尺度的GPP的预测分析 | 第24-33页 |
| 3.2 全球多植被覆盖类型站点尺度的GPP的预测结果 | 第33-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 随机森林算法对NEE/ER/NEP的预测研究 | 第40-55页 |
| 4.1 全球多植被覆盖类型站点尺度的 NEE 预测研究 | 第40-44页 |
| 4.2 全球多植被覆盖类型站点尺度的 ER 预测研究 | 第44-48页 |
| 4.3 全球多植被覆盖类型站点尺度的 NEP 预测研究 | 第48-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 结论与展望 | 第55-59页 |
| 5.1 结论与创新点 | 第55-57页 |
| 5.1.1 主要工作和结论 | 第55-56页 |
| 5.1.2 创新点 | 第56-57页 |
| 5.2 展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66-71页 |
| 作者简介 | 第71页 |
广告服务 
