基于高分辨率遥感影像的渭河水质遥感监测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究背景和意义 | 第10-11页 |
| ·水质定量遥感监测的机理 | 第11-12页 |
| ·水质定量遥感监测常用遥感数据 | 第12-14页 |
| ·水质定量遥感监测的国内外研究概况 | 第14-18页 |
| ·水质定量遥感监测方法研究 | 第14-15页 |
| ·遥感数据与水质变量的相关性研究 | 第15-16页 |
| ·水质变量的遥感模型研究 | 第16-18页 |
| ·本文的主要研究内容 | 第18-20页 |
| 第2章 遥感数据预处理 | 第20-30页 |
| ·渭河陕西段水质实地监测数据和遥感数据 | 第20-22页 |
| ·渭河流域基本概况 | 第20页 |
| ·实地水质监测数据分析 | 第20-21页 |
| ·渭河陕西段遥感影像数据 | 第21-22页 |
| ·遥感影像的大气辐射校正 | 第22-27页 |
| ·大气辐射校正的目的 | 第22页 |
| ·大气辐射校正方法及目前的研究现状 | 第22-24页 |
| ·本文采用的大气辐射校正方法 | 第24-27页 |
| ·遥感影像的几何校正 | 第27-28页 |
| ·遥感影像几何校正的目的 | 第27页 |
| ·遥感影像几何变形的原因 | 第27页 |
| ·遥感影像几何校正的方法 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 基于传统统计回归理论的水质定量遥感监测 | 第30-44页 |
| ·相关性分析 | 第30-38页 |
| ·相关性分析原理 | 第30页 |
| ·相关性分析在水质定量遥感监测中的意义 | 第30页 |
| ·本文相关性分析采用的方法 | 第30-31页 |
| ·水质实测数据与遥感数据的相关性分析 | 第31-32页 |
| ·相关性分析结果 | 第32-38页 |
| ·水质变量定量反演多元回归预测模型 | 第38-42页 |
| ·多元回归定义 | 第38页 |
| ·传统统计多元回归在本文中的应用 | 第38页 |
| ·水质变量反演结果及多元回归预测模型 | 第38-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 统计学习理论下的SVM和SVR | 第44-58页 |
| ·支持向量机原理概述 | 第44-47页 |
| ·统计学习理论(SLT) | 第44-46页 |
| ·SVM及其分类 | 第46-47页 |
| ·支持向量回归机 | 第47-49页 |
| ·ε-不敏感损失函数 | 第48页 |
| ·支持向量回归(SVR) | 第48-49页 |
| ·核函数构造和选择 | 第49-51页 |
| ·SVR参数的确定方法 | 第51-53页 |
| ·交叉验证误差(CV误差) | 第52页 |
| ·k-折交叉验证 | 第52-53页 |
| ·留一法误差 | 第53页 |
| ·GA在本文中应用 | 第53-56页 |
| ·GA编码 | 第54页 |
| ·GA适应度函数 | 第54-55页 |
| ·遗传操作 | 第55页 |
| ·算法步骤 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第5章 SVR在渭河水质定量遥感反演中的应用 | 第58-70页 |
| ·本文采用的SVR参数优选方法 | 第58-60页 |
| ·CV的划分方式 | 第59页 |
| ·k-折交叉验证与GA的结合使用 | 第59-60页 |
| ·基于SVR的渭河水质定量遥感反演模型及预测结果 | 第60-68页 |
| ·水质变量多元反演模型的构建 | 第61-62页 |
| ·水质变量多元反演结果与分析 | 第62-63页 |
| ·SVR与传统统计多元回归结果比较 | 第63-68页 |
| ·水质变量多元反演模型在渭河陕西段的应用 | 第68页 |
| ·本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-74页 |
| ·全文总结 | 第70-72页 |
| ·研究展望 | 第72-74页 |
| 参考文献 | 第74-82页 |
| 致谢 | 第82-84页 |
| 攻读硕士学位期间的研究成果 | 第84页 |
