| 第1章 引言 | 第1-21页 |
| 1．1 背景 | 第9-10页 |
| 1．2 大气修正算法简述 | 第10-18页 |
| 1．2．1 标准一类水体大气修正算法 | 第11-13页 |
| 1．2．2 标准大气修正算法面临的挑战 | 第13-16页 |
| 1．2．3 神经网络方法在大气修正中的应用 | 第16-18页 |
| 1．3 水体组分反演算法简述 | 第18-20页 |
| 1．4 本文的主要工作和内容安排 | 第20-21页 |
| 第2章 理论背景 | 第21-38页 |
| 2．1 离水辐射率模型 | 第21-24页 |
| 2．1．1 ρ_w与R(0~-)的关系模型 | 第21-22页 |
| 2．1．2 R(0~-)与IOP的关系模型 | 第22-24页 |
| 2．2 水体固有光学特性 | 第24-35页 |
| 2．2．1 吸收系数 | 第25-30页 |
| 2．2．1．1 纯海水 | 第27页 |
| 2．2．1．2 内生颗粒 | 第27-29页 |
| 2．2．1．3 外生颗粒 | 第29页 |
| 2．2．1．4 CDOM | 第29-30页 |
| 2．2．2 散射系数 | 第30-35页 |
| 2．2．2．1 总散射系数 | 第31-32页 |
| 2．2．2．2 纯海水 | 第32页 |
| 2．2．2．3 悬浮颗粒 | 第32-35页 |
| 2．3 人工神经网络 | 第35-38页 |
| 2．3．1 网络结构 | 第35页 |
| 2．3．2 学习函数 | 第35-36页 |
| 2．3．3 传递函数 | 第36-37页 |
| 2．3．4 训练数据问题 | 第37-38页 |
| 第3章 基于查找表的一类水体大气修正 | 第38-93页 |
| 3．1 辐射传输 | 第38-43页 |
| 3．1．1 算法物理背景 | 第38-41页 |
| 3．1．2 辐射传输模拟 | 第41-43页 |
| 3．2 构造瑞利散射查找表 | 第43-57页 |
| 3．2．1 瑞利反射率模拟 | 第43-44页 |
| 3．2．2 模拟结果分析 | 第44-48页 |
| 3．2．2．1 大气类型的影响 | 第44-45页 |
| 3．2．2．2 观测几何的影响 | 第45-46页 |
| 3．2．2．3 波长的影响 | 第46页 |
| 3．2．2．4 波段平均效应的影响 | 第46-48页 |
| 3．2．3 瑞利反射率查找表 | 第48-49页 |
| 3．2．4 HY-1A CCD数据的处理结果 | 第49-56页 |
| 3．2．5 结论 | 第56-57页 |
| 3．3 气体吸收透过率拟合 | 第57-75页 |
| 3．3．1 气体吸收透过率模拟 | 第57页 |
| 3．3．2 模拟结果分析 | 第57-64页 |
| 3．3．2．1 不同种类气体吸收的比例 | 第57-58页 |
| 3．3．2．2 大气类型的影响 | 第58-59页 |
| 3．3．2．3 波长的影响 | 第59-60页 |
| 3．3．2．4 单程和双程透过率的关系 | 第60-62页 |
| 3．3．2．5 单种气体透过率与总透过率的关系 | 第62-64页 |
| 3．3．3 吸收透过率拟合 | 第64-68页 |
| 3．3．3．1 特定大气类型的透过率 | 第64-67页 |
| 3．3．3．2 水汽透过率与水汽含量的关系 | 第67-68页 |
| 3．3．3．3 臭氧透过率与臭氧含量的关系 | 第68页 |
| 3．3．4 瑞利反射率吸收修正处理结果 | 第68-74页 |
| 3．3．4．1 模拟数据处理结果 | 第68-71页 |
| 3．3．4．2 HY-1A CCD数据处理结果 | 第71-74页 |
| 3．3．5 结论 | 第74-75页 |
| 3．4 构造散射透过率查找表 | 第75-77页 |
| 3．4．1 散射透过率模拟 | 第75页 |
| 3．4．2 大气散射透过率查找表 | 第75-77页 |
| 3．5 气溶胶修正 | 第77-91页 |
| 3．5．1 方法1——基于τ_a(?)γ=ρ_(mix)／ρ_r查找表 | 第78-81页 |
| 3．5．1．1 数据模拟与分析 | 第79-81页 |
| 3．5．1．2 构造τ_a(?)γ=ρ_(mix)／ρ_r查找表 | 第81页 |
| 3．5．2 方法2——基于ρ_(as)(?)ρ_A查找表 | 第81-87页 |
| 3．5．2．1 数据模拟与分析 | 第84-86页 |
| 3．5．2．2 构造ρ_(as)(?)ρ_A查找表 | 第86-87页 |
| 3．5．3 基于模拟数据的气溶胶修正结果 | 第87-91页 |
| 3．5．3．1 针对查找表中包含的气溶胶模型的检验 | 第87-89页 |
| 3．5．3．2 针对查找表中不包含的气溶胶模型的检验 | 第89-91页 |
| 3．6 小结 | 第91-93页 |
| 第4章 基于神经网络的一类水体大气修正 | 第93-133页 |
| 4．1 建立模拟数据集 | 第93-96页 |
| 4．1．1 辐射传输模拟 | 第93-95页 |
| 4．1．2 数据集生成 | 第95-96页 |
| 4．2 建立一类水体大气修正网络 | 第96-108页 |
| 4．2．1 网络结构 | 第96-97页 |
| 4．2．2 网络训练方法 | 第97-98页 |
| 4．2．3 确定最佳网络 | 第98-108页 |
| 4．2．3．1 网络性能评估参数 | 第98-99页 |
| 4．2．3．2 网络输入数据的影响 | 第99-102页 |
| 4．2．3．3 确定合适的隐含层结构 | 第102页 |
| 4．2．3．4 气溶胶复杂性的影响 | 第102-107页 |
| 4．2．3．5 网络输出参量个数的影响 | 第107-108页 |
| 4．2．4 网络实现 | 第108页 |
| 4．3 一类水体大气修正网络性能评估 | 第108-130页 |
| 4．3．1 训练数据的反演效果 | 第108-114页 |
| 4．3．2 检验数据的反演效果 | 第114-120页 |
| 4．3．3 独立测试数据的反演效果 | 第120-124页 |
| 4．3．4 对输入数据误差的敏感性 | 第124-129页 |
| 4．3．5 与基于查找表的算法的比较 | 第129-130页 |
| 4．4 小结 | 第130-133页 |
| 第5章 基于神经网络的二类水体大气修正 | 第133-171页 |
| 5．1 建立模拟数据集 | 第133-136页 |
| 5．1．1 大气辐射传输模拟 | 第133-134页 |
| 5．1．2 离水辐射光谱模拟 | 第134-135页 |
| 5．1．3 数据集生成 | 第135-136页 |
| 5．2 建立二类水体大气修正网络 | 第136-143页 |
| 5．2．1 网络结构与训练 | 第136页 |
| 5．2．2 确定最佳网络 | 第136-143页 |
| 5．2．2．1 确定合适的隐含层结构 | 第136-137页 |
| 5．2．2．2 数据取样规模的影响 | 第137-138页 |
| 5．2．2．3 网络输出参量个数的影响 | 第138-139页 |
| 5．2．2．4 气溶胶复杂性的影响 | 第139-143页 |
| 5．2．3 网络实现 | 第143页 |
| 5．3 二类水体大气修正网络性能评估 | 第143-169页 |
| 5．3．1 模拟数据的反演效果 | 第143-158页 |
| 5．3．1．1 训练数据的反演效果 | 第143-147页 |
| 5．3．1．2 检验数据的反演效果 | 第147-150页 |
| 5．3．1．3 独立测试数据的效果 | 第150-152页 |
| 5．3．1．4 对输入数据误差的敏感性 | 第152-158页 |
| 5．3．2 卫星数据的反演效果 | 第158-169页 |
| 5．4 小结 | 第169-171页 |
| 第6章 遗传算法在HY-1A CCD水体组分反演中的应用 | 第171-182页 |
| 6．1 三组分海水光学模型 | 第171-172页 |
| 6．2 优化方法 | 第172-173页 |
| 6．3 试验与分析 | 第173-181页 |
| 6．3．1 数据模拟 | 第173页 |
| 6．3．2 遗传算法参数对反演结果的影响 | 第173-174页 |
| 6．3．3 目标函数对反演结果的影响 | 第174-176页 |
| 6．3．4 波段宽度对反演结果的影响 | 第176-177页 |
| 6．3．4．1 情形1 | 第176页 |
| 6．3．4．2 情形2 | 第176-177页 |
| 6．3．4．3 情形3 | 第177页 |
| 6．3．5 HY-1A CCD与SeaWiFS反演结果比较 | 第177-178页 |
| 6．3．6 优化反演模型对组分浓度范围的适用性 | 第178-179页 |
| 6．3．7 优化反演模型的误差敏感性 | 第179-181页 |
| 6．4 小结 | 第181-182页 |
| 第7章 结语 | 第182-185页 |
| 7．1 结论 | 第182-183页 |
| 7．2 进一步工作与展望 | 第183-185页 |
| 参考文献 | 第185-193页 |
| 发表文章目录 | 第193-194页 |
| 致谢 | 第194页 |
