| 致谢 | 第5-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第14-25页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 基于固有光学属性的POC反演算法 | 第16-18页 |
| 1.2.2 基于叶绿素和颗粒物浓度的POC反演算法 | 第18页 |
| 1.2.3 基于遥感反射率的POC经验反演算法 | 第18-21页 |
| 1.2.4 水体光学分类 | 第21页 |
| 1.3 本文研究思路及内容 | 第21-25页 |
| 1.3.1 研究目标及内容 | 第21-22页 |
| 1.3.2 拟解决的关键问题 | 第22页 |
| 1.3.3 论文技术路线 | 第22-23页 |
| 1.3.4 论文框架 | 第23-25页 |
| 2 研究区域的数据来源 | 第25-33页 |
| 2.1 现场实测数据 | 第25-27页 |
| 2.1.1 实测数据时间及点位 | 第25-26页 |
| 2.1.2 POC浓度测量 | 第26-27页 |
| 2.2 卫星遥感数据 | 第27-32页 |
| 2.2.1 卫星遥感传感器 | 第27-29页 |
| 2.2.2 遥感影像下载与预处理 | 第29-30页 |
| 2.2.3 遥感反射率数据提取 | 第30-31页 |
| 2.2.4 固有光学属性参数提取 | 第31-32页 |
| 2.3 小结 | 第32-33页 |
| 3 颗粒有机碳浓度反演模型建立 | 第33-38页 |
| 3.1 CI_(POC)的定义 | 第33-34页 |
| 3.2 基于CI_(POC)的光学分类 | 第34页 |
| 3.3 CI_(POC)算法与BG算法的建立 | 第34-36页 |
| 3.3.1 CI_(POC)算法的建立 | 第34-35页 |
| 3.3.2 BG算法的建立 | 第35-36页 |
| 3.3.3 CI_(POC)算法与BG算法的对比 | 第36页 |
| 3.4 小结 | 第36-38页 |
| 4 POC反演模型的性能评估 | 第38-55页 |
| 4.1 算法性能评估 | 第38-49页 |
| 4.1.1 精度验证参数 | 第38页 |
| 4.1.2 影像匹配数据验证 | 第38-45页 |
| 4.1.3 反演模型的影像适用性 | 第45-47页 |
| 4.1.4 影像噪声敏感性验证 | 第47-49页 |
| 4.2 两种算法差异分析 | 第49-51页 |
| 4.3 颗粒有机碳遥感定量反演分析 | 第51-53页 |
| 4.3.1 基于固有光学属性c_p反演POC的不足 | 第51-52页 |
| 4.3.2 BG波段比的经验算法的不足 | 第52-53页 |
| 4.3.3 CI_(POC)算法的优越性 | 第53页 |
| 4.4 小结 | 第53-55页 |
| 5 结论与展望 | 第55-58页 |
| 5.1 结论 | 第55-56页 |
| 5.2 文章主要创新点 | 第56页 |
| 5.3 不足与展望 | 第56-58页 |
| 参考文献 | 第58-70页 |
| 作者简介 | 第70页 |