声明
摘要
图表索引
缩略语
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 水色遥感大气校正研究现状
1.2.2 BP神经网络算法的研究现状
1.3 研究的目的内容和组织结构
1.3.1 研究目的
1.3.2 研究内容
1.3.3 组织结构
1.4 研究方案
1.4.1 前期资料收集与整理
1.4.2 数据处理与分析
1.4.3 综合分析研究
2 MODIS和GOCI水色遥感大气校正理论基础
2.1 水色遥感辐射传输原理
2.1.1 水体的组分
2.1.2 Ⅰ类水体与Ⅱ类水体
2.1.3 水色遥感
2.1.4 水色遥感大气校正
2.2 MODIS数据的SWIR-NIR大气校正
2.2.1 MODIS中分辨率成像光谱仪数据
2.2.2 MODIS SWIR-NIR大气校正
2.3 GOCI影像标准业务化大气校正
2.3.1 GOCI数据
2.3.2 GOCI大气校正
3 COMS GOCI神经网络大气校正研究
3.1 研究区域概况
3.2 数据的来源与预处理
3.2.1 遥感影像数据
3.2.2 实际观测数据
3.3 神经网络大气校正处理
3.3.1 MODIS与GOCI典型数据信息采集
3.3.2 BP神经网络大气校正模型与处理
4 算法结果与讨论
4.1 神经网络大气校正空间分布结果分析
4.1.1 基于MODIS NIR-SWIR1240nm波段三种算法大气校正结果空间分布
4.1.2 基于MODIS NIR-SWIR1640nm波段三种算法大气校正结果空间分布
4.1.3 GOCIANN算法对GOCI标准算法和MODIS NIR-SWIR改进结果分析
4.2 神经网络大气校正绝对精度分析
4.2.1 实测值与神经网络大气校正值相对误差分析
4.2.2 神经网络大气校正值与实测值数值分布与变化趋势分析
4.3 GOCI ANN1240nm与GOCI ANN1640nm大气校正结果的差异
4.3.1 GOCI ANN1240nm与GOCI ANN1640nm大气校正值相对误差分析
4.3.2 GOCI ANN1240nm与GOCI ANN1640nm大气校正结果比较
4.4 精度影响因素分析
4.4.1 误差分析
4.4.2 不确定性因素分析
5 结论与展望
5.1 结论
5.2 本文的特色与创新
5.3 问题与不足
5.3.1 多水色参数的使用
5.3.2 水色要素反演
5.3.3 高时空变异度水体光学特性现场同步观测
5.3.4 传感辐射特性和波段差异未予考虑
5.3.5 神经网络模型采样建模数据和输入影像数据季节差异
参考文献
个人简历
攻读学位期间发表的学术论文
致谢