基于高分一号卫星影像的鄱阳湖水体悬浮泥沙浓度反演与决策树分析
摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第12-20页 |
1.1 论文选题背景与意义 | 第12-14页 |
1.2 研究现状与进展 | 第14-17页 |
1.2.1 国内外悬浮泥沙浓度反演研究 | 第14-15页 |
1.2.2 高分一号卫星的研究现状 | 第15-17页 |
1.3 研究的目的、内容及技术路线 | 第17-18页 |
1.3.1 研究的目的 | 第17页 |
1.3.2 研究的内容 | 第17页 |
1.3.3 研究的技术路线 | 第17-18页 |
1.4 论文的结构 | 第18-20页 |
2 水色遥感反演及光谱形态分类的理论与主要方法 | 第20-28页 |
2.1 水色遥感机理 | 第20-22页 |
2.1.1 水体分类 | 第20-21页 |
2.1.2 水体光学特性 | 第21页 |
2.1.3 湖泊水色遥感机理 | 第21-22页 |
2.2 湖泊水色遥感反演模型构建方法 | 第22-26页 |
2.2.1 分析方法 | 第23页 |
2.2.2 经验方法 | 第23-24页 |
2.2.3 半经验半分析方法 | 第24-25页 |
2.2.4 其他反演方法 | 第25-26页 |
2.3 水体光谱分类的方法 | 第26-28页 |
2.3.1 基于光谱斜率特征的分类 | 第26-27页 |
2.3.2 基于最值的监督分类法 | 第27页 |
2.3.3 光谱匹配法分类 | 第27页 |
2.3.4 基于光谱重排的特征提取 | 第27-28页 |
3 数据采集与处理 | 第28-44页 |
3.1 研究区域介绍 | 第28-30页 |
3.1.1 自然气候条件 | 第28-29页 |
3.1.2 水文资源条件 | 第29-30页 |
3.2 悬浮泥沙样品采集与测量 | 第30-34页 |
3.3 悬浮泥沙水体光谱测量 | 第34-37页 |
3.3.1 水体光谱测量原理 | 第34-35页 |
3.3.2 光谱数据的获取 | 第35页 |
3.3.3 光谱数据的处理 | 第35-37页 |
3.4 高分一号WFV影像数据 | 第37-42页 |
3.4.1 高分一号的主要特点 | 第37-38页 |
3.4.2 高分一号卫星WFV影像数据的选取 | 第38页 |
3.4.3 影像处理 | 第38-42页 |
3.5 敏感波段相关性 | 第42-44页 |
4 悬浮泥沙浓度反演和分析 | 第44-56页 |
4.1 水体悬浮泥沙光谱特征 | 第44-45页 |
4.2 光谱曲线模型相关性分析 | 第45-49页 |
4.2.1 峰值比值模型相关性分析 | 第45-47页 |
4.2.2 一阶微分法相关性分析 | 第47-49页 |
4.3 高分一号影像模型相关性分析 | 第49-52页 |
4.4 最佳模型的选择 | 第52-53页 |
4.5 鄱阳湖水体悬浮泥沙浓度反演 | 第53-56页 |
5 鄱阳湖水体悬浮泥沙浓度的决策树分析 | 第56-74页 |
5.1 基于斜率的决策树分析 | 第56-59页 |
5.1.1 决策树分类技术路线 | 第56-57页 |
5.1.2 建立决策树模型 | 第57-58页 |
5.1.3 决策树模型分析 | 第58-59页 |
5.2 基于像元比值的决策树分析 | 第59-69页 |
5.2.1 决策树分类过程 | 第59-60页 |
5.2.2 反演影像的密度分割 | 第60-61页 |
5.2.3 影像光谱折线图 | 第61-63页 |
5.2.4 各浓度范围内点的光谱值 | 第63-65页 |
5.2.5 决策树模型的选择 | 第65-69页 |
5.3 基于像元比值的决策树模型分类 | 第69-74页 |
5.3.1 决策树构建 | 第69-70页 |
5.3.2 决策树分类结果分析 | 第70-74页 |
6 结论与展望 | 第74-76页 |
6.1 结论 | 第74页 |
6.2 论文的不足与展望 | 第74-76页 |
致谢 | 第76-78页 |
参考文献 | 第78-81页 |
硕士期间发表成果 | 第81页 |