| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 选题的背景及意义 | 第9-10页 |
| 1.2 当前研究状况 | 第10-13页 |
| 1.2.1 水体叶绿素反演研究现状 | 第10-11页 |
| 1.2.2 GF-1 号的研究现状 | 第11页 |
| 1.2.3 影像光学光谱分析的研究现状 | 第11-13页 |
| 1.3 研究的目的与方法 | 第13页 |
| 1.4 论文的技术路线 | 第13-16页 |
| 1.5 论文的结构 | 第16-17页 |
| 2 湖泊水质遥感反演及光谱形态分类的理论与主要方法 | 第17-27页 |
| 2.1 湖泊水质遥感反演的基础理论 | 第17页 |
| 2.2 获得水体叶绿素状况的主要方法 | 第17-23页 |
| 2.2.1 直接测量法 | 第18页 |
| 2.2.2 遥感技术反演 | 第18-23页 |
| 2.3 水体光谱分类的理论基础 | 第23页 |
| 2.3.1 表观光学特征 | 第23页 |
| 2.3.2 固有光学特征 | 第23页 |
| 2.4 水体光谱分类的方法 | 第23-27页 |
| 2.4.1 基于光谱斜率特征的分类 | 第23-24页 |
| 2.4.2 基于最值的监督分类法 | 第24页 |
| 2.4.3 基于光谱重排的特征提取 | 第24-25页 |
| 2.4.4 光谱匹配法分类 | 第25-27页 |
| 3 数据的获取与预处理 | 第27-39页 |
| 3.1 研究区介绍 | 第27页 |
| 3.2 GF-1 号影像数据 | 第27-31页 |
| 3.2.1 GF-1 数据的主要特点 | 第27-28页 |
| 3.2.2 GF-1 号影像的选取 | 第28页 |
| 3.2.3 GF-1 号影像的预处理 | 第28-31页 |
| 3.3 实测光谱数据的获取与处理 | 第31-34页 |
| 3.3.1 光谱数据的获取 | 第31-32页 |
| 3.3.2 光谱数据的处理 | 第32-33页 |
| 3.3.3 遥感反射率的计算 | 第33-34页 |
| 3.4 实测叶绿素数据的获取与处理 | 第34-36页 |
| 3.4.1 实测水体叶绿素数据的获取 | 第34-35页 |
| 3.4.2 实测水体叶绿素数据的处理 | 第35-36页 |
| 3.5 敏感波段相关性分析 | 第36-37页 |
| 3.6 模型精度的评定 | 第37-39页 |
| 4 GF-1 号影像反演模型的构建及运用 | 第39-47页 |
| 4.1 水体叶绿素光谱特征分析 | 第39-40页 |
| 4.1.1 水体叶绿素的光谱特性 | 第39页 |
| 4.1.2 实测光谱曲线特征分析 | 第39-40页 |
| 4.2 模型的构建与相关性分析 | 第40-43页 |
| 4.2.1 峰值比值法相关性分析 | 第40-41页 |
| 4.2.2 一阶微分法相关性分析 | 第41-43页 |
| 4.3 GF-1 影像模型相关性分析 | 第43-45页 |
| 4.4 三种方法相关性比较 | 第45页 |
| 4.5 基于高分一号影像的叶绿素浓度反演 | 第45-47页 |
| 5 基于水体光谱特征的专家知识决策树分类 | 第47-63页 |
| 5.1 决策树分类 | 第48-53页 |
| 5.1.1 决策树分类流程 | 第48-49页 |
| 5.1.2 浓度分类划分 | 第49页 |
| 5.1.3 反演结果分类 | 第49-50页 |
| 5.1.4 不同浓度范围内点的选取 | 第50-51页 |
| 5.1.5 不同浓度光谱曲线值 | 第51-53页 |
| 5.1.6 各浓度范围内像元数量占总像元数量概率 | 第53页 |
| 5.2 基于专家知识决策树分类 | 第53-58页 |
| 5.2.1 模型的选择 | 第53-55页 |
| 5.2.2 模型的确定 | 第55-58页 |
| 5.3 专家决策树构建及分类 | 第58-63页 |
| 5.3.1 决策树构建 | 第58-59页 |
| 5.3.2 决策树分类结果 | 第59-63页 |
| 6 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63页 |
| 6.2 论文的不足与展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间取得的研究成果 | 第71页 |