基于AMSR-E和ANN人工神经网络的淮河流域土壤水分反演研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 前言 | 第11-32页 |
| ·研究目的及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-31页 |
| ·遥感土壤水分反演研究 | 第12-16页 |
| ·人工神经网络理论概述 | 第16-27页 |
| ·人工智能技术的MATLAB实现 | 第27-31页 |
| ·研究目标和内容 | 第31-32页 |
| ·研究目标 | 第31页 |
| ·研究内容 | 第31页 |
| ·技术路线 | 第31-32页 |
| 2 试验设计 | 第32-36页 |
| ·研究区域概况 | 第32-34页 |
| ·试验方法 | 第34页 |
| ·数据来源及处理 | 第34-36页 |
| ·数据来源 | 第34-35页 |
| ·数据处理 | 第35-36页 |
| 3 神经网络建模方法 | 第36-49页 |
| ·土壤水分反演建模步骤 | 第36-40页 |
| ·数据准备及预处理 | 第36-37页 |
| ·模型输入输出向量确定 | 第37-39页 |
| ·创建模型并设置相应参数 | 第39页 |
| ·样本分组 | 第39页 |
| ·训练模型 | 第39页 |
| ·测试和修改模型 | 第39-40页 |
| ·反演土壤水分精度评价方法 | 第40-41页 |
| ·输入因子组合优选 | 第41-49页 |
| 4 BPNN模型建模结果与分析 | 第49-72页 |
| ·BPNN模型反演土壤水分时空验证 | 第49-67页 |
| ·BPNN模型反演土壤水分时间验证 | 第51-60页 |
| ·BPNN模型反演土壤水分空间验证 | 第60-66页 |
| ·BPNN模型反演土壤水分时空验证的综合分析 | 第66-67页 |
| ·基于SPI指数验证BPNN模型 | 第67-72页 |
| 5 结论与讨论 | 第72-75页 |
| ·主要结论 | 第72-74页 |
| ·讨论与展望 | 第74-75页 |
| 6 参考文献 | 第75-82页 |
| 致谢 | 第82-83页 |
| 附录1：驻马店处的BP神经网络模型程序代码 | 第83-89页 |
| 附录2：评价函数的计算程序代码 | 第89-91页 |
| 攻读硕士学位期间参加的科研项目 | 第91页 |
