| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-33页 |
| 1.1 选题背景与意义 | 第10-14页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11-14页 |
| 1.2 相关领域的研究水平 | 第14-27页 |
| 1.2.1 水色遥感研究进展 | 第14-16页 |
| 1.2.2 大气校正研究进展 | 第16-18页 |
| 1.2.3 固有光学量遥感探测研究背景 | 第18-20页 |
| 1.2.4 叶绿素 a 浓度遥感反演 | 第20-22页 |
| 1.2.5 悬浮物浓度遥感反演 | 第22-23页 |
| 1.2.6 Kd(490)遥感反演研究背景 | 第23-25页 |
| 1.2.7 全球气候变化大背景下海岸带海域环境研究水平 | 第25-27页 |
| 1.3 研究内容和技术路线 | 第27-29页 |
| 1.3.1 研究主要内容 | 第27-28页 |
| 1.3.2 研究技术路线 | 第28-29页 |
| 1.4 主要工作量 | 第29-30页 |
| 1.5 本文的创新点 | 第30-31页 |
| 1.6 论文的逻辑结构与框架 | 第31-33页 |
| 第二章 渤黄东海短波红外大气校正研究 | 第33-53页 |
| 2.1 基于交叉定标的短波红外大气校正方法 | 第34-43页 |
| 2.1.1 基于交叉定标的短波红外大气校正模型(ISWIR) | 第34-37页 |
| 2.1.2 交叉定标模型的初始化和精度评估 | 第37-39页 |
| 2.1.3 SWIR 模型估算的ρ_(as)(748)和ρ_(as)(869)精度状况 | 第39-40页 |
| 2.1.4 ISWIR 模型精度评估 | 第40-41页 |
| 2.1.5 渤海遥感反射率空间分布特征 | 第41-43页 |
| 2.2 基于条带修复的短波红外大气校正方法(L3MAC) | 第43-51页 |
| 2.2.1 线性插值条带修复模型(LIMM) | 第43-44页 |
| 2.2.2 渤海 MODIS 短波红外大气层顶反射率特征 | 第44-45页 |
| 2.2.3 基于 LIMM 模型修复后的 1640 nm 波段影像 | 第45-46页 |
| 2.2.4 L3MAC 模型的精度评估与分析 | 第46-48页 |
| 2.2.6 L3MAC 反演获得的渤海遥感反射率特征 | 第48-49页 |
| 2.2.7 L3MAC 和 SWIR 模型的长时间序列对比分析 | 第49-50页 |
| 2.2.8 L3MAC 模型在黄东海的应用精度 | 第50-51页 |
| 2.3 本章小结 | 第51-53页 |
| 第三章 渤黄东海吸收与散射系数遥感反演模型研究 | 第53-74页 |
| 3.1 吸收系数和散射系数的二波段模型(TSAA) | 第54-62页 |
| 3.1.1 TSAA 模型理论基础 | 第54-57页 |
| 3.1.2 TSAA 模型的波段选择 | 第57-58页 |
| 3.1.3 TSAA 模型的初始化 | 第58-59页 |
| 3.1.4 模型的精度评估与对比分析 | 第59-62页 |
| 3.1.5 TSAA 模型的敏感性分析 | 第62页 |
| 3.2 IOP 的神经网络模型(NNSAA) | 第62-72页 |
| 3.2.1 NNSAA 模型的构建 | 第63-66页 |
| 3.2.2 bb(λ)指数模型的最优参考波段 | 第66-67页 |
| 3.2.3 QAA 模型的精度评估 | 第67页 |
| 3.2.4 NNSAA 模型的初始化 | 第67-69页 |
| 3.2.5 NNSAA 和 QAA 模型在黄东海海域的对比分析 | 第69-70页 |
| 3.2.6 NNSAA 模型的固有光学量卫星产品在黄东海的应用精度 | 第70-71页 |
| 3.2.7 全球固有光学量时空分布状况 | 第71-72页 |
| 3.3 本章小结 | 第72-74页 |
| 第四章 渤黄东海悬浮物和叶绿素 a 浓度遥感探测模型研究 | 第74-92页 |
| 4.1 叶绿素 a 浓度神经网络模型 | 第75-82页 |
| 4.1.1 SNM 神经网络模型的构建 | 第75-77页 |
| 4.1.2 SNM 模型的初始化和可靠性检验 | 第77-78页 |
| 4.1.3 SNM 模型与其它模型的对比分析 | 第78-79页 |
| 4.1.4 黄东海叶绿素 a 浓度时空变化特征 | 第79-82页 |
| 4.1.5 OC3M 和 SNM 组合模型遥感产品的精度评估 | 第82页 |
| 4.2 悬浮物浓度神经网络模型 (MBPNN) | 第82-90页 |
| 4.2.1 MBPNN 模型的构建 | 第84-85页 |
| 4.2.2 已有三种悬浮物模型的精度评估 | 第85-86页 |
| 4.2.3 MBPNN 模型的初始化 | 第86-87页 |
| 4.2.4 MBPNN 模型可靠性检验与比较 | 第87-88页 |
| 4.2.5 MBPNN 模型遥感产品的可靠性检验 | 第88-89页 |
| 4.2.6 渤黄东海悬浮物浓度时空分布特征 | 第89-90页 |
| 4.3 本章小结 | 第90-92页 |
| 第五章 渤黄东海 Kd(490)遥感探测模式 | 第92-111页 |
| 5.1 漫衰减系数遥感反演的半分析模型 (SSA) | 第93-101页 |
| 5.1.1 SSA 模型的理论推导 | 第93-96页 |
| 5.1.2 Mueller、Lee 和 Wang 模型精度评估 | 第96-97页 |
| 5.1.3 SSA 模型初始化 | 第97-98页 |
| 5.1.4 SSA 模型验证与比较分析 | 第98-100页 |
| 5.1.5 渤海 Kd(490)遥感产品精度检验 | 第100-101页 |
| 5.2 漫衰减系数的神经网络模型(MBPNN) | 第101-109页 |
| 5.2.1 MBPNN 模型的构建 | 第102-103页 |
| 5.2.2 Lee、Wang、SSA 和 Jamet 模型可靠性检验 | 第103-104页 |
| 5.2.3 MBPNN 模型的初始化、可靠性检验与对比分析 | 第104-106页 |
| 5.2.4 渤黄东海 Kd(490)遥感产品的可靠性 | 第106-107页 |
| 5.2.5 渤黄东海 Kd(490)空间分布特征 | 第107-109页 |
| 5.3 本章小结 | 第109-111页 |
| 第六章 全球气候变化背景下渤黄东海关键生物光学要素的变化趋势 | 第111-124页 |
| 6.1 全球气候变化对海洋生物光学要素变化趋势的影响 | 第111-118页 |
| 6.1.1 1997-2013 年生物光学要素变化趋势 | 第112-114页 |
| 6.1.2 全球气候变化对生物光学要素的影响 | 第114-116页 |
| 6.1.3 生物光学要素变化对全球气候变暖的反馈作用 | 第116-118页 |
| 6.2 全球气候变化对渤黄东海生物光学要素影响 | 第118-122页 |
| 6.2.1 1997-2013 年渤黄东海生物光学要素变化趋势 | 第118-119页 |
| 6.2.2 渤黄东海生物光学要素与全球海洋生物光学特性的关系 | 第119-121页 |
| 6.2.3 全球气候变化对渤黄东海生物光学要素的影响 | 第121-122页 |
| 6.3 本章小结 | 第122-124页 |
| 第七章 结论与展望 | 第124-128页 |
| 7.1 主要工作总结 | 第124-126页 |
| 7.2 未来工作方向 | 第126-128页 |
| 致谢 | 第128-130页 |
| 参考文献 | 第130-144页 |
| 个人简介 | 第144-145页 |
| 博士期间主要科研成果 | 第145-148页 |
