渤海湾叶绿素a浓度的遥感反演模型及其应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 选题背景 | 第9-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 遥感技术在海洋监测中的研究进展 | 第11-13页 |
| 1.2.2 海洋叶绿素a浓度反演的研究进展 | 第13-16页 |
| 1.3 研究内容及目的 | 第16-17页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究目的 | 第17页 |
| 1.4 研究难点与创新点 | 第17-18页 |
| 1.5 论文结构 | 第18-20页 |
| 第二章 研究区概况及数据处理 | 第20-33页 |
| 2.1 研究区概况 | 第20-21页 |
| 2.2 实测数据概况 | 第21-22页 |
| 2.3 遥感数据处理 | 第22-33页 |
| 2.3.1 遥感数据介绍 | 第22-25页 |
| 2.3.2 影像预处理 | 第25-29页 |
| 2.3.3 象元阵列的选择 | 第29-30页 |
| 2.3.4 数据处理结果 | 第30-33页 |
| 第三章 遥感反演模型的构建 | 第33-50页 |
| 3.1 统计模型的构建 | 第33-42页 |
| 3.1.1 特征波段及波段组合选取 | 第33-36页 |
| 3.1.2 相关性分析 | 第36-38页 |
| 3.1.3 逐步回归分析 | 第38-40页 |
| 3.1.4 统计模型的结果及评价 | 第40-42页 |
| 3.2 BP神经网络模型的构建 | 第42-50页 |
| 3.2.1 BP神经网络技术的概况 | 第42-44页 |
| 3.2.2 BP神经网络模型的原理 | 第44-46页 |
| 3.2.3 BP神经网络模型的实现 | 第46-48页 |
| 3.2.4 BP神经网络模型的评价 | 第48-50页 |
| 第四章 遥感反演模型的应用 | 第50-55页 |
| 4.1 模型的应用 | 第50页 |
| 4.2 空间分布特征 | 第50-54页 |
| 4.3 时间变化规律 | 第54-55页 |
| 第五章 结论与展望 | 第55-58页 |
| 5.1 结论 | 第55-56页 |
| 5.2 展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 个人简历 | 第65页 |
| 论文发表 | 第65页 |
