海洋水质遥感信息提取研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| 第2章 水质遥感的理论基础 | 第11-18页 |
| 2．1 水质遥感的定义 | 第11页 |
| 2．2 水质遥感的理论基础 | 第11-12页 |
| 2．3 海洋水色遥感的物理特征 | 第12-13页 |
| 2．4 水体类型 | 第13-14页 |
| 2．5 影响水体光谱反射率的因素 | 第14-18页 |
| 2．5．1 大气 | 第14-15页 |
| 2．5．2 太阳高度角 | 第15页 |
| 2．5．3 水／气界面 | 第15-16页 |
| 2．5．4 水体成分 | 第16页 |
| 2．5．5 水深 | 第16页 |
| 2．5．6 悬浮固体浓度 | 第16-17页 |
| 2．5．7 水色遥感 | 第17-18页 |
| 第3章 悬浮固体遥感 | 第18-30页 |
| 3．1 悬浮固体遥感原理与研究综述 | 第18-22页 |
| 3．1．1 回归方法 | 第20-21页 |
| 3．1．2 光谱混合分析法 | 第21-22页 |
| 3．2 悬浮固体遥感的数据处理 | 第22-30页 |
| 3．2．1 大气校正 | 第22-25页 |
| 3．2．2 水体提取 | 第25-27页 |
| 3．2．3 水体及背景地物的光谱特征对比分析 | 第27-30页 |
| 第4章 叶绿素遥感 | 第30-50页 |
| 4．1 叶绿素遥感的原理 | 第30-31页 |
| 4．2 叶绿素遥感综述 | 第31-33页 |
| 4．3 数据和方法 | 第33-37页 |
| 4．3．1 数据预处理——大气校正 | 第35页 |
| 4．3．2 SeaBAM数据 | 第35-36页 |
| 4．3．3 历史统计资料 | 第36-37页 |
| 4．4 用经验模型计算叶绿素浓度 | 第37-38页 |
| 4．5 神经网络模型计算叶绿素浓度 | 第38-43页 |
| 4．5．1 神经网络模型的基本原理 | 第38-39页 |
| 4．5．2 神经网络模型结构 | 第39-41页 |
| 4．5．3 神经网训练 | 第41-43页 |
| 4．6 用光谱混合分析法计算叶绿素浓度 | 第43-45页 |
| 4．7 三种方法的比较 | 第45-50页 |
| 第5章 多因子水色遥感 | 第50-54页 |
| 5．1 多因子水色遥感概述 | 第50页 |
| 5．2 用光谱混合分析法计算悬浮固体和叶绿素浓度 | 第50-51页 |
| 5．3 黄色物质的相对浓度估算 | 第51-54页 |
| 第6章 结论 | 第54-56页 |
| 攻读学位期间公开发表的论文 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
