| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-25页 |
| ·选题背景和意义 | 第8-10页 |
| ·选题背景 | 第8页 |
| ·研究意义 | 第8-10页 |
| ·项目支持 | 第10页 |
| ·水质遥感监测原理 | 第10-16页 |
| ·水质遥感监测机理 | 第10-13页 |
| ·水质遥感监测技术方法 | 第13-15页 |
| ·常用遥感数据源 | 第15-16页 |
| ·国内外研究进展 | 第16-22页 |
| ·叶绿素a遥感监测进展 | 第17-19页 |
| ·悬浮物遥感监测进展 | 第19-21页 |
| ·其他水质参数遥感监测进展 | 第21-22页 |
| ·研究目的、内容和方法 | 第22-24页 |
| ·研究目的 | 第22页 |
| ·研究内容 | 第22-23页 |
| ·研究方法 | 第23-24页 |
| ·论文的组织结构 | 第24-25页 |
| 第2章 研究区域和数据源 | 第25-36页 |
| ·研究区域概况 | 第25页 |
| ·水质采样 | 第25-28页 |
| ·实测光谱仪数据获取与处理 | 第28-30页 |
| ·仪器介绍 | 第28页 |
| ·数据获取 | 第28-30页 |
| ·环境1号星数据获取与处理 | 第30-33页 |
| ·环境1号星数据概述 | 第30页 |
| ·环境1号星数据获取 | 第30-31页 |
| ·环境1号星数据预处理 | 第31-33页 |
| ·MODIS数据获取与处理 | 第33-35页 |
| ·MODIS数据概述 | 第33-34页 |
| ·MODIS数据获取 | 第34页 |
| ·MODIS数据预处理 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 人工神经网络 | 第36-45页 |
| ·人工神经网络原理 | 第36-40页 |
| ·神经网络发展 | 第36-38页 |
| ·神经网络模型 | 第38-40页 |
| ·神经网络在水质遥感中的应用 | 第40-42页 |
| ·神经网络主要参数的确定 | 第42-43页 |
| ·初始权重值的确定 | 第42-43页 |
| ·网络学习速率的确定 | 第43页 |
| ·隐含层神经元节点数的确定 | 第43页 |
| ·网络训练策略的选择 | 第43页 |
| ·训练样本的组织 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 叶绿素a敏感波段分析 | 第45-54页 |
| ·叶绿素a光谱特征分析 | 第45-46页 |
| ·基于实测光谱数据的叶绿素a波段敏感性分析 | 第46-49页 |
| ·基于环境1号星高光谱数据的叶绿素a波段敏感性分析 | 第49-50页 |
| ·基于环境1号星多光谱数据的叶绿素a波段敏感性分析 | 第50-51页 |
| ·基于MODIS数据的叶绿素a波段敏感性分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 半经验模型构建与评价 | 第54-66页 |
| ·实测光谱数据模型 | 第54-60页 |
| ·三波段模型 | 第54-58页 |
| ·两波段模型 | 第58页 |
| ·反射峰位置模型 | 第58-59页 |
| ·半经验模型小结 | 第59-60页 |
| ·环境1号星高光谱数据模型 | 第60-61页 |
| ·环境1号星多光谱数据模型 | 第61-62页 |
| ·MODIS数据模型 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第6章 人工神经网络反演模型构建与评价 | 第66-74页 |
| ·实测光谱数据模型 | 第66-68页 |
| ·环境1号星高光谱数据模型 | 第68-69页 |
| ·环境1号星多光谱数据模型 | 第69-70页 |
| ·MODIS数据模型 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第7章 水质数据分析 | 第74-81页 |
| ·各水质参数因子分析 | 第74-78页 |
| ·改进的人工神经网络模型 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 第8章 结论与展望 | 第81-84页 |
| ·结论 | 第81-82页 |
| ·展望 | 第82-84页 |
| 参考文献 | 第84-95页 |
| 攻读学位期间发表的学术论文 | 第95页 |
| 攻读学位期间参与的科研项目 | 第95-96页 |
| 致谢 | 第96-97页 |