| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外水质遥感研究现状 | 第12-15页 |
| 1.2.1 悬浮物反演研究进展 | 第13-14页 |
| 1.2.2 叶绿素a反演研究进展 | 第14-15页 |
| 1.3 研究内容及技术路线 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 论文技术路线 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 水色遥感基础理论与方法 | 第18-23页 |
| 2.1 水色遥感原理 | 第18页 |
| 2.2 水质遥感监测参数 | 第18-19页 |
| 2.3 水质遥感数据源 | 第19-21页 |
| 2.3.1 星载多光谱遥感图像数据 | 第19-20页 |
| 2.3.2 高光谱数据 | 第20-21页 |
| 2.4 水质遥感监测方法 | 第21-22页 |
| 2.4.1 经验模型 | 第21页 |
| 2.4.2 半经验模型 | 第21-22页 |
| 2.4.3 分析模型 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 实验数据采集及预处理 | 第23-33页 |
| 3.1 研究区域概况 | 第23页 |
| 3.2 研究区域数据采集 | 第23-25页 |
| 3.2.1 水面光谱测量 | 第23-24页 |
| 3.2.2 水样采集 | 第24-25页 |
| 3.3 同步的遥感卫星数据 | 第25-26页 |
| 3.4 遥感图像预处理 | 第26-31页 |
| 3.4.1 几何校正 | 第26-27页 |
| 3.4.2 辐射定标 | 第27-28页 |
| 3.4.3 大气校正 | 第28-29页 |
| 3.4.4 研究区域水体掩膜提取 | 第29-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 光谱分析及线性回归反演模型的创建 | 第33-42页 |
| 4.1 水面光谱分析 | 第33-34页 |
| 4.2 光谱曲线预处理 | 第34-35页 |
| 4.3 获取水质参数的敏感波段 | 第35-38页 |
| 4.3.1 归一化的光谱数据与悬浮物浓度相关性分析 | 第35-37页 |
| 4.3.2 归一化的光谱数据与叶绿素a浓度相关性分析 | 第37-38页 |
| 4.4 建立水质参数的线性回归反演模型 | 第38-41页 |
| 4.4.1 模型检验 | 第38-39页 |
| 4.4.2 构建悬浮物的线性回归反演模型 | 第39-40页 |
| 4.4.3 构建叶绿素a的线性回归反演模型 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 基于SVR的水质参数反演 | 第42-55页 |
| 5.1 支持向量回归机概述 | 第42-46页 |
| 5.1.1 统计学习理论 | 第43页 |
| 5.1.2 支持向量回归原理 | 第43-45页 |
| 5.1.3 核函数 | 第45页 |
| 5.1.4 SVR的参数选择 | 第45-46页 |
| 5.1.5 交叉验证方法 | 第46页 |
| 5.2 建立水质参数SVR反演模型 | 第46-53页 |
| 5.2.1 选定训练集和测试集 | 第47-48页 |
| 5.2.2 SVR反演模型实现 | 第48-49页 |
| 5.2.3 网格搜索SVR参数 | 第49-50页 |
| 5.2.4 核函数的选择 | 第50-51页 |
| 5.2.5 不敏感系数ε的选择 | 第51-52页 |
| 5.2.6 基于SVR的悬浮物反演模型 | 第52页 |
| 5.2.7 基于SVR的叶绿素a反演模型 | 第52-53页 |
| 5.3 模型对比分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 SVR参数寻优的反演模型及应用 | 第55-69页 |
| 6.1 遗传算法概述 | 第55页 |
| 6.2 遗传算法优选SVR反演模型参数 | 第55-57页 |
| 6.2.1 二进制编码 | 第56-57页 |
| 6.2.2 适应度函数 | 第57页 |
| 6.2.3 遗传操作 | 第57页 |
| 6.3 基于GA-SVR的水质参数反演模型 | 第57-59页 |
| 6.3.1 基于GA-SVR的悬浮物反演模型 | 第58页 |
| 6.3.2 基于GA-SVR的叶绿素a反演模型 | 第58-59页 |
| 6.4 PSO算法概述 | 第59-60页 |
| 6.5 粒子群算法优选SVR反演模型参数 | 第60页 |
| 6.6 基于PSO-SVR的水质参数反演模型 | 第60-63页 |
| 6.6.1 基于PSO-SVR的悬浮物反演模型 | 第61-63页 |
| 6.6.2 基于PSO-SVR的叶绿素a反演模型 | 第63页 |
| 6.7 SVR与SVR参数寻优的反演模型比较 | 第63-64页 |
| 6.8 基于GF-1遥感图像的水质参数反演 | 第64-68页 |
| 6.8.1 基于线性回归模型的水质参数定量反演 | 第64-66页 |
| 6.8.2 基于PSO-SVR模型的水质参数定量反演 | 第66-67页 |
| 6.8.3 反演结果对比分析 | 第67-68页 |
| 6.9 本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 7.1 总结 | 第69页 |
| 7.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻硕期间取得的研究成果 | 第77页 |
