| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 主要符号对照表 | 第12-14页 |
| 第1章 引言 | 第14-24页 |
| 1.1 项目背景及意义 | 第14-15页 |
| 1.2 河流健康评估 | 第15-17页 |
| 1.2.1 河流健康内涵 | 第15页 |
| 1.2.2 河流健康评估方法与指标 | 第15-17页 |
| 1.3 植被覆盖度研究现状 | 第17-19页 |
| 1.3.1 地面测量 | 第17-18页 |
| 1.3.2 遥感测量 | 第18-19页 |
| 1.4 地表水质模型研究现状 | 第19-20页 |
| 1.4.1 地表水水质模型发展历程 | 第19页 |
| 1.4.2 地表水水质模型研究进展 | 第19-20页 |
| 1.5 研究区域概况 | 第20-21页 |
| 1.6 研究内容及方法 | 第21-24页 |
| 1.6.1 研究内容 | 第21-22页 |
| 1.6.2 研究方法与技术路线 | 第22-24页 |
| 第2章 河岸带状况评估 | 第24-42页 |
| 2.1 河岸带 | 第24-26页 |
| 2.2 河岸稳定性 | 第26-30页 |
| 2.2.1 内涵与定义 | 第26页 |
| 2.2.2 河岸坡倾角、岸坡高度的确定 | 第26-27页 |
| 2.2.3 基质类别与坡脚冲刷强度的确定 | 第27页 |
| 2.2.4 岸坡植被覆盖度 | 第27-28页 |
| 2.2.5 河岸稳定性赋分计算 | 第28-30页 |
| 2.3 河岸带植被覆盖度 | 第30-34页 |
| 2.3.1 内涵与定义 | 第30页 |
| 2.3.2 植被覆盖度调查方法设计 | 第30页 |
| 2.3.3 河岸带植被种类及覆盖度调查 | 第30-32页 |
| 2.3.4 河岸植被覆盖度赋分计算 | 第32-34页 |
| 2.4 河岸人工干扰程度 | 第34-37页 |
| 2.4.1 内涵与定义 | 第34-35页 |
| 2.4.2 河岸带人工干扰调查方法 | 第35页 |
| 2.4.3 人工干扰程度赋分计算 | 第35-37页 |
| 2.5 河岸带状况赋分计算 | 第37-39页 |
| 2.6 小结 | 第39-42页 |
| 第3章 遥感技术监测植被覆盖度 | 第42-51页 |
| 3.1 归一化植被指数 | 第42页 |
| 3.2 遥感数据的获取和处理 | 第42-46页 |
| 3.2.1 MODIS数据的介绍 | 第42-43页 |
| 3.2.2 MODIS数据的获取 | 第43-44页 |
| 3.2.3 遥感数据的处理 | 第44-46页 |
| 3.3 利用NDVI计算植被覆盖度 | 第46-49页 |
| 3.3.1 像元二分模型 | 第46-48页 |
| 3.3.2 植被覆盖度的计算 | 第48-49页 |
| 3.4 小结 | 第49-51页 |
| 第4章 黄河内蒙古河段水质评估 | 第51-65页 |
| 4.1 水质评估 | 第51页 |
| 4.2 基于河流健康评估技术的水质评估 | 第51-53页 |
| 4.2.1 DO水质状况 (DO) | 第51-52页 |
| 4.2.2 耗氧有机污染状况 (OCP) | 第52-53页 |
| 4.3 水质准则层赋分计算 | 第53-59页 |
| 4.3.1 DO水质状况 (DO)赋分计算 | 第53-55页 |
| 4.3.2 耗氧有机污染状况 (OCR)赋分计算 | 第55-58页 |
| 4.3.3 水质准则层赋分计算 | 第58-59页 |
| 4.4 基于地表水水环境质量标准的水质评价 | 第59-63页 |
| 4.5 水质变化趋势分析 | 第63-64页 |
| 4.6 小结 | 第64-65页 |
| 第5章 水质模型 | 第65-89页 |
| 5.1 水质模型简介 | 第65-68页 |
| 5.1.1 水质模型概述 | 第65页 |
| 5.1.2 水质模型分类 | 第65-66页 |
| 5.1.3 常见地表水质模型 | 第66-68页 |
| 5.2 水质模型的选择 | 第68-69页 |
| 5.2.1 水质模型选择原则 | 第68页 |
| 5.2.2 地表水水环境系统特点 | 第68-69页 |
| 5.3 人工神经网络 | 第69-73页 |
| 5.3.1 神经元及神经网络 | 第69-70页 |
| 5.3.2 人工神经网络模型 | 第70-71页 |
| 5.3.3 人工神经网络的功能及学习 | 第71页 |
| 5.3.4 人工神经网络模型在水质模拟应用的优势 | 第71-72页 |
| 5.3.5 人工神经网络在水质模拟中的应用 | 第72-73页 |
| 5.4 BP神经网络 | 第73-78页 |
| 5.4.1 BP神经网络结构 | 第73-74页 |
| 5.4.2 BP神经网络学习过程及算法 | 第74-77页 |
| 5.4.3 Levenberg-Marguardt数值优化算法（ L-M优化算法） | 第77-78页 |
| 5.5 BP神经网络模型在黄河内蒙古段水质预测中的应用 | 第78-88页 |
| 5.5.1 BP神经网络拓扑结构的确定 | 第79-82页 |
| 5.5.2 培训样本的选择及预处理 | 第82-84页 |
| 5.5.3 BP神经网络的训练 | 第84-87页 |
| 5.5.4 BP神经网络的验证 | 第87-88页 |
| 5.6 小结 | 第88-89页 |
| 第6章 结论与建议 | 第89-93页 |
| 6.1 结论 | 第89-91页 |
| 6.1.1 黄河内蒙古河段河岸带状况调查 | 第89页 |
| 6.1.2 水质评估 | 第89-90页 |
| 6.1.3 水质模拟 | 第90-91页 |
| 6.2 建议 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 致谢 | 第99-101页 |
| 作者简介 | 第101-102页 |