| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·本研究的意义 | 第10页 |
| ·海洋高光谱数据的特点 | 第10-11页 |
| ·海洋高光谱数据信息提取方法 | 第11-12页 |
| ·国内外发展现状 | 第12-16页 |
| ·海底类型和水深反演的重要意义及方法的发展 | 第12-14页 |
| ·赤潮藻类分类及反演的重要意义及研究现状 | 第14-16页 |
| ·论文主要研究内容 | 第16-18页 |
| 第二章 基于高光谱遥感反射比数据反演浅海海底类型和水深 | 第18-40页 |
| ·引言 | 第18页 |
| ·创建光学浅水遥感反射比数据集 | 第18-23页 |
| ·半分析算法 | 第18-21页 |
| ·海底底质类型 | 第21-22页 |
| ·确定光学浅水的范围 | 第22-23页 |
| ·微分技术定性区分浅海海底类型 | 第23-28页 |
| ·光谱微分技术 | 第23-24页 |
| ·模拟遥感反射比数据区分浅海海底类型 | 第24-26页 |
| ·模拟海底实验实测数据对算法验证 | 第26-28页 |
| ·人工神经网络方法反演浅海海底类型 | 第28-36页 |
| ·人工神经网络技术简介 | 第28-30页 |
| ·人工神经网络模型的建立 | 第30-33页 |
| ·网络训练以及结果输出 | 第33-34页 |
| ·现场实测的模拟海底类型实测数据对反演算法的印证 | 第34-36页 |
| ·人工神经网络方法反演混合浅海海底类型的定量分析 | 第36-38页 |
| ·影响反演精度的主要因素 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第三章 基于高光谱吸收数据提取赤潮藻类信息 | 第40-52页 |
| ·引言 | 第40页 |
| ·微分技术定性区分藻类 | 第40-44页 |
| ·人工神经网络技术定量反演赤潮藻类-米氏凯伦藻 | 第44-50页 |
| ·实测数据来源及产生模拟数据集 | 第45-48页 |
| ·现场实测数据对反演算法的印证 | 第48-50页 |
| ·影响反演精度的主要因素 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第四章 结论与展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·今后开展的工作 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |