水色遥感机理与悬浮物的卫星遥感信息识别研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-7页 |
| 第1章 绪论 | 第7-11页 |
| 1．1 研究目的和意义 | 第7页 |
| 1．2 国内外研究现状 | 第7-10页 |
| 1．3 研究的应用前景 | 第10-11页 |
| 第2章 水色遥感机理 | 第11-22页 |
| 2．1 纯水和纯海水的光谱特征 | 第11-16页 |
| 2．1．1 纯水的光谱特性 | 第11-13页 |
| 2．1．2 纯海水的光谱特性 | 第13-14页 |
| 2．1．3 海水的光学特性 | 第14-15页 |
| 2．1．4 海洋环境要素对水体光谱特性的影响 | 第15-16页 |
| 2．2 水体分类（一类二类） | 第16-22页 |
| 2．2．1 水色遥感 | 第16-18页 |
| 2．2．2 一类水体和二类水体 | 第18-20页 |
| 2．2．3 二类水体的复杂性 | 第20页 |
| 2．2．4 悬浮物水体 | 第20-22页 |
| 第3章 悬浮遥感模型 | 第22-34页 |
| 3．1 概述 | 第22页 |
| 3．2 悬浮遥感模型的理论基础 | 第22-24页 |
| 3．2．1 含沙量与反射比的函数关系 | 第22-24页 |
| 3．2．2 遥感探测的理论基础 | 第24页 |
| 3．3 悬浮遥感的理论模型 | 第24-28页 |
| 3．3．1 Gordon公式 | 第25-26页 |
| 3．3．2 负指数关系式 | 第26-27页 |
| 3．3．3 统一模式 | 第27页 |
| 3．3．4 其他模式 | 第27-28页 |
| 3．4 悬浮遥感的经验模型 | 第28-30页 |
| 3．5 不同卫星的悬浮遥感模式 | 第30-34页 |
| 3．5．1 Landsat TM | 第30-31页 |
| 3．5．2 NOAA | 第31-34页 |
| 第4章 水体光谱测量 | 第34-37页 |
| 4．1 水体光谱的测量原理 | 第34-35页 |
| 4．2 光谱测量仪器与过程 | 第35-37页 |
| 4．2．1 水体光谱测量仪器 | 第35-36页 |
| 4．2．2 现场光谱测量 | 第36页 |
| 4．2．3 辅助参数纪录 | 第36-37页 |
| 第5章 神经网络分析方法 | 第37-41页 |
| 5．1 神经网络技术介绍 | 第37页 |
| 5．2 神经网络技术原理 | 第37-38页 |
| 5．2．1 基本结构 | 第37-38页 |
| 5．2．2 学习规则 | 第38页 |
| 5．2．3 工作方式 | 第38页 |
| 5．3 神经网络模型的选取 | 第38-41页 |
| 5．3．1 BP算法的神经网络法 | 第38-39页 |
| 5．3．2 神经网络结构 | 第39-41页 |
| 第6章 数据采集与处理分析 | 第41-47页 |
| 6．1 大连湾概况 | 第41页 |
| 6．2 现场数据采集 | 第41-42页 |
| 6．3 现场数据处理分析 | 第42-45页 |
| 6．3．1 悬浮物质的浓度测定 | 第42-43页 |
| 6．3．2 大连湾海水的光谱特性 | 第43-45页 |
| 6．4 卫星图像选择与预处理 | 第45-47页 |
| 6．4．1 卫星图像选择 | 第45-46页 |
| 6．4．2 图像的几何校正 | 第46页 |
| 6．4．3 图像的大气校正 | 第46-47页 |
| 第7章 大连湾悬浮遥感模型的建立 | 第47-51页 |
| 7．1 神经网络训练与计算 | 第47-48页 |
| 7．1．1 网络训练 | 第47-48页 |
| 7．1．2 海区计算 | 第48页 |
| 7．2 结果讨论 | 第48-51页 |
| 7．2．1 神经网络分析结果 | 第48-49页 |
| 7．2．2 回归分析计算与比较 | 第49-50页 |
| 7．2．3 结论 | 第50-51页 |
| 攻读学位期间公开发表的论文 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-54页 |
