闽江下游悬浮物浓度遥感反演与分析

发布时间：2024-02-19 11:08

　　遥感水质监测相比传统水质监测方法具有速度快、范围广、低成本等优势的特点,通过遥感技术能够更好地监测研究区域水质参数的时空变化。悬浮物浓度是重要的水质参数之一,常用来评价水质的好坏。本文以闽江下游为研究区域,实测光谱数据、水质信息数据、2015年～2017年高分1号WFV传感器影像及Landsat8影像为数据源,应用PSO-RBF神经网络模型对悬浮物浓度进行遥感估算与分析。主要研究内容及结论有:(1)闽江下游悬浮物浓度反演模型构建与分析。利用实测光谱模拟GF-1 WFV及Landsat8传感器的波段设置,通过对实测悬浮物浓度与光谱数据进行Pearson相关性分析,高光谱用于反演悬浮物浓度敏感波段及组合为R468、R656和R656/R468,高分1号用于反演悬浮物浓度敏感波段及组合为b3、b3/b2和b3/b1,Landsat8用于反演悬浮物浓度敏感波段及组合为b4、b4/b3和b4/b2。利用敏感波段及组合分别建立高光谱、GF-1 WFV和Landsat8的数理统计模型、BP神经网络模型和PSO-RBF神经网络模型,从建模精度及误差分析来看,同种传感器不同悬浮物浓度反演模型中PSO-R...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 引言
    1.1 研究意义
    1.2 国内外研究现状
        1.2.1 内陆水域遥感监测研究进展
        1.2.2 水质遥感监测方法研究进展
        1.2.3 悬浮物浓度遥感反演进展
    1.3 研究内容与技术路线
        1.3.1 研究目标
        1.3.2 研究内容
        1.3.3 技术路线
    1.4 论文结构
第二章 研究区及数据材料
    2.1 研究区概况
    2.2 数据源
        2.2.1 实测水体遥感反射率
        2.2.2 遥感影像数据
    2.3 数据预处理
        2.3.1 几何校正
        2.3.2 辐射定标
        2.3.3 大气校正
    2.4 水体提取
        2.4.1 大津法自适应阈值算法原理
        2.4.2 水体信息提取结果分析
    2.5 小结
第三章 悬浮物浓度遥感反演模型
    3.1 数理统计模型
        3.1.1 回归分析
        3.1.2 悬浮物浓度反演数理统计模型
    3.2 BP神经网络模型
        3.2.1 BP神经网络结构
        3.2.2 悬浮物浓度BP神经网络反演模型
    3.3 PSO-RBF神经网络模型
        3.3.1 RBF神经网络原理
        3.3.2 PSO算法原理
        3.3.3 PSO算法优化RBF神经网络模型原理
        3.3.4 悬浮物浓度反演PSO-RBF神经网络模型
    3.4 反演模型结果分析
    3.5 同步影像数据悬浮物浓度反演
    3.6 小结
第四章 悬浮物浓度反演结果分析
    4.1 不同传感器数据悬浮物浓度反演结果
        4.1.1 高分1号影像悬浮物浓度反演结果
        4.1.2 Landsat8影像悬浮物浓度反演结果
    4.2 反演模型季节适用性分析
    4.3 闽江下游悬浮物浓度空间变异分析
        4.3.1 空间自相关分析方法
        4.3.2 空间异质性分析方法
        4.3.3 悬浮物浓度空间变异结果与分析
    4.4 遥感与实测点插值结果的对比
    4.5 2015-2017年闽江下游悬浮物浓度变化
    4.6 小结
总结与展望
    结论
    不足与展望
参考文献
致谢
个人简历



本文编号：3902590