| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究意义 | 第8-9页 |
| 1.2 水质遥感监测与反演研究概况 | 第9-11页 |
| 1.2.1 水质遥感监测与反演的国内外研究进展 | 第9-11页 |
| 1.2.2 水质遥感监测与反演的发展方向 | 第11页 |
| 1.3 研究目的、内容和技术路线 | 第11-13页 |
| 1.3.1 研究目的 | 第11页 |
| 1.3.2 研究内容 | 第11-12页 |
| 1.3.3 技术路线 | 第12-13页 |
| 第二章 研究区概况及数据采集处理 | 第13-23页 |
| 2.1 研究区概况 | 第13页 |
| 2.2 研究区数据采集与处理方法 | 第13-23页 |
| 2.2.1 研究指标选取 | 第13页 |
| 2.2.2 采样点的布设 | 第13-15页 |
| 2.2.3 准同步卫星遥感数据获取与处理 | 第15-21页 |
| 2.2.4 水质采样与实验 | 第21-23页 |
| 第三章 鄱阳湖水质模拟模型介绍及构建方法 | 第23-29页 |
| 3.1 人工神经网络模型介绍 | 第23-26页 |
| 3.2 BP神经网络模型构建方法 | 第26-29页 |
| 第四章 总磷的模拟模型构建 | 第29-42页 |
| 4.1 基于Landsat5 TM的总磷(TP)模拟模型的构建 | 第29-35页 |
| 4.1.1 数据准备 | 第29-33页 |
| 4.1.2 神经网络建模 | 第33-34页 |
| 4.1.3 神经网络模型验证 | 第34-35页 |
| 4.2 基于HJ-1ACCD2影像的总磷(TP)模拟模型的构建 | 第35-41页 |
| 4.2.1 数据准备 | 第35-39页 |
| 4.2.2 神经网络建模 | 第39-40页 |
| 4.2.3 神经网络模型验证 | 第40-41页 |
| 4.3 总磷(TP)模拟模型精度对比 | 第41-42页 |
| 第五章 氨氮的模拟模型构建 | 第42-48页 |
| 5.1 基于Landsat5 TM的氨氮(NH3-N)模拟模型的构建 | 第42-44页 |
| 5.1.1 数据准备 | 第42-43页 |
| 5.1.2 神经网络建模 | 第43页 |
| 5.1.3 神经网络模型验证 | 第43-44页 |
| 5.2 基于HJ-1A CCD2影像的氨氮(NH3-N)模拟模型的构建 | 第44-47页 |
| 5.2.1 数据准备 | 第44-46页 |
| 5.2.2 神经网络建模 | 第46页 |
| 5.2.3 神经网络模型验证 | 第46-47页 |
| 5.3 氨氮(NH3-N)模拟模型精度对比 | 第47-48页 |
| 第六章 结论与展望 | 第48-50页 |
| 6.1 结论 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |
