文摘
英文文摘
0前言
1水色遥感发展综述
1.1卫星水色传感器的发展
1.1.1第一代水色传感器CZCS
1.1.2第二代水色传感器
1.2大气修正算法
1.2.1 CZCS清洁水体单次散射大气修正算法
1.2.2 SeaWiFS大气修正算法
1.2.3 MODIS大气修正算法
1.2.4 MERIS大气修正算法
1.3水色要素反演算法
1.3.1经验统计法
1.3.2辐射传输算法
1.3.3半分析算法
1.3.4优化求解在水色要素反演中的应用
1.3.5主成分分析法
2黄、东海区水体光学特性初步分析
2.1 2003年春季黄、东海水色联合试验介绍
2.1.1试验站位
2.1.2测量参数
2.1.3试验海区的特征光谱
2.1.4试验海区三要素浓度测量范围
2.2黄、东海区水体光学特性初步分析
2.2.1叶绿素吸收光谱
2.2.2黄色物质吸收光谱
2.2.3颗粒物吸收光谱
2.2.4颗粒物后向散射特性
2.3小结
3人工神经网络方法
3.1人工神经网络研究的发展简史
3.2人工神经网络的主要特点
3.3常用的神经元模型
3.4人工神经网络的基本结构
3.5 BP算法的学习方法
3.5.1启发式方法
3.5.2基于数值优化方法的算法
3.6 BP算法训练网络的步骤
4基于现场遥感反射率的三要素浓度反演NN模型
4.1用于优化方法建模的数据集
4.1.1模拟数据集法
4.1.2现场实测数据集法
4.2黄、东海区中低浑浊水体的叶绿素浓度反演NN模型
4.2.1训练集与测试集的选取
4.2.2.BP网络的设计
4.2.3结果分析与比较
4.3全部海区的三要素浓度反演NN模型
4.3.1训练集和测试集的选取
4.3.2三要素浓度同时反演的NN模型
4.3.3单一成分反演的NN模型
4.4算法敏感性分析
4.5结论与讨论
4.6小结
5基于模拟卫星信号的大气修正及水色要素反演NN模型
5.1二类水体大气修正方法
5.1.1在Gordon标准算法基础上改进的算法
5.1.2优化方法求解
5.1.3主成分分析法
5.2近红外(NIR)光谱迭代进行二类水体的大气修正尝试
5.3神经网络大气修正方法
5.3.1卫星信号模拟过程
5.3.2结果分析
5.4由卫星信号直接反演水色三要素浓度的神经网络模型
5.5小结
6结论与进一步的工作
6.1本文的结论
6.1.1黄东海区水体光学特性初步分析
6.1.2基于海面遥感反射率的三要素浓度反演NN模型
6.1.3基于模拟卫星信号的离水辐射量及三要素浓度反演NN模型
6.2进一步的工作
参考文献
致谢