导读:本文包含了水质定量遥感论文开题报告文献综述及选题提纲参考文献，主要关键词:渤海,非光学活性水质参数,遥感定量反演,MODIS
水质定量遥感论文文献综述
于祥[1]（2017）在《渤海表面非光学活性水质参数MODIS遥感定量反演技术研究》一文中研究指出渤海作为中国最北部的内海,受环渤海经济圈的发展影响,陆源污染物的输入造成海洋生态环境恶化,富营养化程度严重,赤潮等灾害频发,迫切需要获取宏观准确、周期性和时效性强的水质监测数据来了解渤海海水环境及其变化状况。传统的水文观测站、出海船舶实地测量方法,投入产出比低,受自然环境和天气状况等多种因素影响制约,无法获取大范围、周期性的观测数据,而遥感监测技术具有宏观性、时效性和周期性强等优势,且可提供多种格式的不同时间分辨率、空间分辨率、光谱分辨率和辐射分辨率的海洋观测数据,为海洋水质环境监测和保护提供了海量的数据支持,目前,海洋遥感发展迅猛,已形成了完整系统的海洋监测体系,在海洋物理遥感和海洋水色遥感方面已取得了很多成就。本文针对目前海洋水质参数定量遥感集中于叶绿素、温度和黄色物质等光学活性水质参数,而对非光学活性水质参数研究很少的现状,依据出海航次调查数据和采集水样实验室测定数据,选取了营养盐浓度、碳组分浓度和盐度为研究对象,以遥感定量反演为目标,通过分析叁类非光学活性水质参数的遥感反演机理,尝试建立营养盐浓度、碳组分浓度和盐度非光学活性水质参数定量反演模型,并对建成的反演模型在长时间序列上的适用性进行了分析和评价。本文的主要研究内容为:(1)建立非光学活性水质参数遥感定量反演数据集。对出海航次采集水样进行实验室分析,获取其营养盐浓度、碳组分浓度和黄色物质(CDOM)浓度,利用ENVI遥感图像处理软件对下载MODIS遥感图像数据进行预处理,提取与出海航次时间上匹配的采样站位海水遥感反射率数据,建立营养盐浓度、碳组分浓度和盐度遥感定量反演数据集。(2)探索非光学活性水质参数遥感定量反演机理。分析非光学活性水质参数与MODIS波段反射率的相关性,探讨直接法在非光学活性水质参数遥感定量反演中的适用性;分析营养盐浓度与浊度之间、碳组分浓度与CDOM浓度之间、盐度与CDOM之间的相关性,探讨间接法在非光学活性水质参数遥感定量反演中的适用性;明确叁类非光学活性水质参数遥感定量反演机理,设立合理的建模方案。(3)非光学活性水质参数遥感定量模型建立、精度验证和适用性评价。分析遥感反射率与实测反射率之间的等价关系,建立等价比值变量,利用与不同的非光学活性水质参数显着相关的波段比值,以多元逐步回归模拟反演不同营养盐浓度和不同碳组分浓度,以单变量回归模拟反演盐度,以独立数据集对反演模型进行精度验证,评价反演模型在长时间序列上的适用性。研究结果表明:(1)渤海表面不同营养盐浓度与MODIS不同波段反射率之间相关性不同,差异明显,且相关性显着水平不足以建立稳健的定量反演模型;基于等价变换的遥感波段比值与营养盐浓度相关性显着性水平足够高,适用于渤海的营养盐浓度遥感定量反演;基于直接法和多元逐步回归拟合的渤海全区建模反演与渤海分区建模反演结果相似,即无论是渤海全区建模反演还是渤海分区建模反演,硝态氮和总无机氮总体反演精度均比较高,亚硝态氮、铵态氮和磷酸盐反演精度总体均比较低。(2)莱州湾表面不同碳组分浓度与MODIS不同波段反射率之间相关性不同,差异明显,且相关性显着水平不足以建立稳健的定量反演模型;基于等价变换的遥感波段比值与碳组分浓度相关性显着,适用于莱州湾的碳组分浓度遥感定量反演;基于直接法和多元逐步回归拟合的莱州湾碳组分浓度定量反演的精度很高,反演结果与事实相符。(3)渤海表面盐度与MODIS不同波段反射率之间相关性显着水平不足以建立稳健的定量反演模型;因渤海表面盐度与光学活性水质参数CDOM之间呈显着负相关关系,以CDOM为中间变量,利用间接法和单变量回归拟合进行渤海表面盐度反演的精度很高,反演算法简单直观,稳定性强,反演精度结果与事实相符,且适用于长时间序列的遥感定量反演。本文的创新点主要表现在两个方面:(1)基于遥感反射率与实测反射率之间的等价关系,发展了遥感等价波段比值变量,解决了无实测海水光谱数据的问题,提高了建模精度。(2)探索了渤海表面营养盐浓度、碳组分浓度和盐度遥感定量反演机理,验证了叁类非光学活性水质参数遥感定量反演的可行性。综上所述,本研究从营养盐浓度、碳组分浓度和盐度叁类非光学活性水质参数遥感定量反演机理分析出发,基于出海航次实测数据和水样实验室测定数据的分析处理,结合遥感图像处理流程,建立非光学活性水质参数遥感定量反演数据集,分析非光学活性水质参数与遥感波段反射率和波段比值之间的相关性,探索适用于不同水质参数的反演机理,设立合理可靠的定量反演方案,并对建成反演模型进行了适用性分析。研究结果可为完善海洋非光学活性水质参数遥感定量反演提供重要的科学依据,研究思路和方法可为以后相关研究提供支持。(本文来源于《中国科学院烟台海岸带研究所》期刊2017-06-01）
曾起亮[2]（2015）在《地表水质的遥感定量监测分析》一文中研究指出通过水质监测数据与遥感卫星影像中各波段间的相关性分析,建立多元回归方程,对地表水质监测进行反演和验证,结果体现了遥感技术在水质监测方面的实用性。(本文来源于《环境保护与循环经济》期刊2015年07期）
黄舒城,陈秋颖,邢立新,翟慧泉[3]（2013）在《珠江入海口水质定量遥感环境监测数据库建库研究》一文中研究指出右江百色水利枢纽、龙滩水利枢纽等上游十几个大型梯级水库导致珠江入海泥沙量大幅度减少,显着降低珠江口水体的自净能力。建立珠江入海口水质定量遥感环境监测数据库是便于对珠江入海口水环境监测数据进行有效管理,并使用科学的分析方法对水质变化情况进行预测,以控制下游水质。系统以GIS技术,数据库技术,遥感观测技术为技术手段,以水质遥感数据库为核心,实现了水质监测、水质评价、水环境预警和地理信息决策支持等功能,为水资源的开发、利用、水资源保护及治理等决策服务提供综合信息。(本文来源于《2013年水资源生态保护与水污染控制研讨会论文集》期刊2013-12-26）
马蕾[4]（2010）在《基于半监督学习的渭河水质定量遥感研究》一文中研究指出渭河流域陕西段土地肥沃物产丰富,是我国重要的种植业和畜牧业产地,是陕西的政治、经济、文化发展中心。然而,随着人口增加,城镇工业发展,水资源短缺、水质污染等水质恶化问题日趋严重,直接危害了流域的生态环境和人民的生产生活,制约了经济的发展。因此渭河流域陕西段进行水质监测有着重要的现实意义。传统的水质监测方法受到人力、物力、气候等多种客观条件的限制,难以实现连续、快速地跟踪调查与分析。利用遥感数据和实地水质监测数据,建立水质遥感反演模型,实现水质遥感监测,弥补了传统方法的不足,可以全面、快速、动态的对水质环境进行监测,但受到客观条件的影响,实地的水质数据难以大量获取,因此利用半监督学习理论,以大量易获取的遥感影像数据为未标记样本数据,建立半监督的遥感水质反演模型,可以有效解决水质监测问题。本文以渭河流域陕西段为研究对象,总结概述了水质的遥感监测原理和研究区域概况,分析了半监督学习理论,特别是半监督回归问题的研究方法,介绍了统计学习理论和支持向量机等相关理论知识。本文主要的研究工作包括：(1)介绍了两种常见的用于优选支持向量机参数的智能优化算法,粒子群算法和遗传算法。介绍了粒子群优化算法(PSO)的基本原理,利用半监督自训练方法的思想,对标准的基于PSO的支持向量机回归模型(PSO-SVM)加以改进,建立了基于粒子群算法支持向量机的半监督回归模型(PSSRM),将其应用于渭河水质的定量遥感反演中,并将反演结果与基于粒子群算法的支持向量机回归模型(PSO-SVM)相比较。该回归模型在一定程度上提高了回归精度,具有收敛速度快、调节参数少、易实现等优点。(2)介绍了协同训练算法和遗传算法的基本理论和原理,将协同训练算法与基于GA优选参数的SVM回归模型(GA-SVM)相结合,建立了GA优选参数的半监督协同训练回归模型(GSSRCM),将其应用于渭河水质定量遥感反演中,并将回归结果与GA-SVM相比较。该模型克服了PSO模型不稳定、精度较低、易发散等缺点,引入了未标记样本,与传统的GA-SVM模型相比较,有效提高了回归精度和模型的推广性,可有效地对各类水质变量进行反演预测。实验结果表明,基于半监督学习的回归模型可以有效实现渭河陕西段的遥感水质定量反演预测。本文将GSSRCM回归模型应用于渭河流域陕西段的整体河流的水质变量反演中,预测结果与实际状况相符合,进一步证明了该模型的有效性。(本文来源于《陕西师范大学》期刊2010-05-01）
谢屹鹏[5]（2010）在《基于最小二乘支持向量机的渭河水质定量遥感监测研究》一文中研究指出水是人类社会生存和发展的必要资源,而内陆水体则是我们主要的淡水来源,目前,水污染问题日趋严重,尤其是内陆河流、湖泊等水体,制约着社会、经济的发展,因此需要加大力度治理水污染问题,而及时、准确、全面的掌握水体污染状况和变化趋势,成为解决水污染问题的关键。常规的水质监测方法采用人工取样、实验室分析评价,监测周期长、成本高、工作量大,且监测结果只具有局部代表意义。随着遥感技术的发展和遥感影像分辨率的提高,利用遥感技术进行水质参数监测的研究越来越多,并且逐渐从定性监测转向更为精确的定量监测。鉴于水质遥感监测具有速度快、成本低、范围广和便于长期动态监测等优点,国内外的许多专家学者应用遥感技术对海洋、湖泊、河流等水域进行水质监测研究,并取得了一定的研究成果,而利用遥感影像对渭河进行的研究目前很少,因此,本文采用SPOT5遥感数据对渭河陕西段流域进行定量遥感研究。主要研究工作如下：(1)介绍了水质遥感监测的背景及研究状况：在本项目组前期研究的基础上,给出了选定SPOT5遥感影像作为本文的遥感数据源和选取具有代表性的四种水质参数高锰酸盐指数(CODmn).氨氮(NH3-N)、溶解氧(DO)、化学需氧量(COD)进行反演研究的原因；介绍了遥感影像预处理的目的和方法,其中包括辐射定标、大气校正和几何精校正等。由于前期的研究工作表明,遥感数据的四个波段与四个水质参数之间具有较高的相关性,这为本文的研究提供了一定的理论依据,因此利用基于传统统计学理论的多元线性回归方法对水质参数进行了建模,回归方程虽然通过了显着性水平检验,但是反演结果不够精确。(2)由于水体污染的不稳定性和遥感图像成像过程中受各种因素的影响,水质参数的实测数据和其对应的遥感影像的光谱信息之间是一种非线性的关系,而且所获取的样本点非常有限,表明本文研究的是一个非线性、小样本的回归估计问题,因此本文引入了基于统计学习理论(Statistical Learning Theory,简称STL)的支持向量回归(Support Vector Regression,简称SVR)算法的变形最小二乘支持向量回归(Least Squares Support Vector Regression,简称LSSVR)算法,利用遗传算法(Genetic Algorithm,简称GA)优选LSSVR模型超参数γ和核函数参数σ2,并利用叁种标准数据集进行实验,验证模型的可行性。针对LSSVR不具有稀疏性,本文引入了剪枝算法并进行实验,结果表明剪枝算法可以有效的去掉一部分对模型贡献小的样本点,使模型具有稀疏性,可以提高运算速度。(3)为了在小样本情况下对模型推广误差进行有效的估计,本文采用4-折交叉验证的方法,利用GA-LSSVR对四种水质参数分别进行建模,将反演结果与多元线性回归和LSSVR的结果进行比较,结果表明GA-LSSVR具有更好的反演精度；对推广误差进行比较发现,GA-LSSVR比其它两个模型具有更小的推广误差,表明利用GA-LSSVR构建的反演模型的推广泛化能力较强。(4)利用构建好的四种水质参数的GA-LSSVR模型对渭河流域陕西段河流进行整体反演,将反演结果与实际的污染情况作对比,表明能够较好的反映遥感影像成像时的河段污染状况,说明该模型可应用于实际。(本文来源于《陕西师范大学》期刊2010-05-01）
王翔宇[6]（2010）在《灰色神经网络模型在渭河水质定量遥感反演中的应用研究》一文中研究指出目前中国内陆的水体污染问题十分严重,众所周知：内陆水质的好坏直接影响着国民经济发展和人民生产生活,因此,准确及时地了解水体水质变化,能够更好的管理水资源,对保护环境,特别是保护水资源有着重要的意义。传统的水质检测方法是采取定点定面采样分析评价,这种方法研究的周期长,费用高,工作量大。随着遥感技术的发展和遥感影像尺度的精细化,利用遥感技术进行水环境质量监测的研究越来越多,水质遥感监测方法具有监测范围广、速度快、成本低和便于进行长期动态监测等优点,因此在内陆水体水质监测研究中成为研究热点之一。渭河陕西段地处陕西关中地区,西安、咸阳、渭南、宝鸡等大中城市均坐落于流域内,是陕西省政治、金融、文化、经济及信息中心,该地区工业集中、农业发达、旅游资源丰富,而渭河是主要的河流和水源。随着社会经济的发展和人口的猛增,生产生活用水和排污量不断加大,其水环境已非同往昔,因此渭河水质受到了严重污染,尤其是有机污染更为严重,因此,对其水环境质量进行监测具有重大深远的意义。本文研究的主要内容包括：1、介绍了遥感水质反演的基本原理和研究概况,以及常用的遥感数据和监测方法。2、介绍了BP神经网络及其在水质监测方面的应用,灰色理论的基本原理及其应用。3、对采用灰色GM(1,1)模型对渭河水质数据进行扩充的可行性进行了分析,介绍了灰色GM(1,1)模型的构建,以及精度检验过程和残差模型的构建,建立了结合灰色扩充的GA-BP神经网络模型。4、介绍了BP神经网络模型和灰色模型结合的理论基础以及分析了它们结合优势,再进行了结合方法的说明,阐述了BP神经网络向时间响应函数映射的数学过程,构建了以灰色理论中的GM(1,1)模型为辅助设计,BP神经网络为主体预测的灰色神经网络模型。5、本文以渭河陕西段为研究区域,并参考监测站的监测数据,选取了高锰酸盐指数(CODmn).化学需氧量(COD).氨氮(NH3-N).溶解氧(DO)四个水质变量进行反演并给出结果。实验证明：灰色BP神经网络模型的对渭河水质信息的反演结果是最好的。(本文来源于《陕西师范大学》期刊2010-05-01）
刘永进[7]（2010）在《基于集成学习的渭河水质定量遥感监测研究》一文中研究指出随着工农业生产的发展,环境污染问题日益突出,其中水污染是目前全球面临的严重环境问题之一。空间遥感技术的发展为大规模、动态、连续地监测地表水体水质提供了便捷、经济的方法。以前,利用遥感影像对水质的监测研究主要是针对海湾、湖泊、水库等大面积的水体；现在随着遥感影像分辨率的提高,小面积水体的监测也成为可能。渭河流经陕西经济最为发达的关中地区,因此,对其进行精确的水质参数定量遥感监测有着重要的现实意义。本文基于传统统计理论和机器学习方法,利用渭河水质实地监测历史数据及与其时间同步或·准同步的SPOT-5卫星遥感影像数据,分别建立了用于预测水质参数(化学需氧量(COD)、高锰盐指数(CODmn)、溶解氧(DO)和氨氮(NH3-N))浓度的线性和非线性回归模型。回归反演结果表明,实地监测数据与影像数据之间存在着复杂的非线性关系。为了提高渭河水质参数定量遥感反演精度,本文引入了集成学习这一新的机器学习范式,并在现有集成方法的基础上,提出了基于样本重构的人工神经网络加权平均集成方法和采用二重扰动机制的支持向量机选择性集成方法,使集成模型的预测精度得到进一步提高。本文的研究内容包括以下几个方面：(1)综述了国内外水质遥感监测研究概况,介绍了集成学习及其主要算法；(2)对水质实地监测数据和遥感影像数据做了正态分布分析,建立了基于传统统计理论的逐步线性回归模型,并在模型建立前、后,均对异常点进行了检测；(3)典型的Bagging、Boosting和基于样本重构的简单平均集成方法几乎总能改善神经网络的泛化能力。为了获得更好的泛化性能,本文在基于样本重构的简单平均集成方法的基础上,根据各成员神经网络的预测精度和差异度赋予其以不同权重,提出了基于样本重构的神经网络加权平均集成方法；(4)对于本文的水质参数回归预测问题,采用典型的Bagging和Boosting对支持向量机这种稳定的强学习器进行集成,不能改善其泛化性能。通过对样本和支持向量机模型参数的二重扰动得到成员学习器,并选择预测精度较高的若干成员学习器加以集成,使单支持向量机的泛化能力得到明显提高；(5)比较了几种回归模型的泛化能力,并利用基于样本和参数二重扰动的支持向量机选择性集成模型分别对四个渭河水质参数进行定量遥感反演,得到了和实际情况较吻合的结果,表明了集成方法的可行性和有效性。(本文来源于《陕西师范大学》期刊2010-05-01）
赵玉芹[8]（2009）在《基于神经网络的渭河水质定量遥感研究》一文中研究指出水污染问题日益严重,尤其是内陆水体,其水质好坏直接影响到国民生产和人们日常生活,及时、准确地了解水体水质的状况和变化趋势,对于更好地管理水资源和保护水环境具有十分重要的意义。常规的水质监测方法是采用定点定面采样,然后进行水质分析评价,这样的监测方法需要在水域中布置大量的采样点才能得到水质信息,且这种方法的水质参数只具有局部代表意义,且工作量大,费用高,研究的周期长。而水质遥感监测方法具有监测范围广、速度快、成本低和便于进行长期动态监测的优点,在内陆水体水质监测中具有巨大的应用潜力。近年来国内外对内陆水体水质遥感监测开展了一系列的研究,但是针对渭河陕西段的研究还甚少。本文就渭河陕西段河流区域结合SPOT-5遥感影像,开展了研究。主要工作如下:本文以渭河陕西段为研究区域,采用SPOT-5遥感影像,根据现行水质标准,结合近几年陕西省环境公报公布的渭河水质状况,渭河以有机污染为主,并参考监测站的监测数据,本文选取了高锰酸盐指数(CODmn)、氨氮(NH_3-Ⅳ)、溶解氧(DO)、化学需氧量(COD)四个水质变量进行反演分析。SPOT-5遥感数据具有较高的空间分辨率,能够更清晰的看到影像图信息。本文先对SPOT-5遥感图像进行了辐射定标、大气校正和几何精校正等预处理,再分别与CODmn、NH_3-N、DO、COD等进行相关性分析,结果表明SPOT-5遥感数据四个波段与这四个水质变量都有较高的相关性。渭河水质状况复杂,利用传统统计多元回归方法难以精确地描述光谱反射率与水体组分之间的关系。而人工神经网络具有自适应、自学习、自组织和非线性映射的功能,本文就尝试了用神经网络对渭河陕西段流域定量遥感反演研究。本文总结了人工神经网络的基本概念、原理、算法和主要应用等,在此基础上概括了其在水质反演方面的一些应用。本文分别详细介绍了BP神经网络、径向基神经网络(RBF)、广义回归神经网络(GRNN)和改进的广义回归神经网络水质遥感反演模型的构建,并针对不同的水质参数构建了不同的模型。将各个模型的反演结果与传统统计多元回归模型反演结果进行了比较,结果表明,用神经网络模型可以较好地实现渭河陕西段的遥感水质反演,在同等条件下,好于传统统计多元回归模型的反演结果。(本文来源于《陕西师范大学》期刊2009-05-01）
蒋赛,汪西莉,赵玉芹[9]（2009）在《渭河定量遥感水质反演中的大气校正作用研究》一文中研究指出以渭河陕西段为研究对象,在获取了渭河陕西段实地监测数据和相应时间段的SPOT-5遥感影像数据基础上采用黑暗像元法(DOS)、大气辐射传输模型法等7种大气校正方法对SPOT-5遥感影像进行大气校正。结合校正后的遥感数据,使用多元线性回归、支持向量机(SVM)、及BP神经网络3种方法对渭河进行定量遥感水质反演。实验结果表明,通过遥感影像对渭河进行定量水质反演是可行的,大气校正在一定程度上提高了定量遥感水质的精度。对于SPOT-5遥感影像的大气校正,采取对遥感数据辐射定标后消除各波段最暗像元的方法可以达到较好的效果。(本文来源于《遥感技术与应用》期刊2009年02期）
吕恒,黄家柱,江南[10]（2009）在《太湖水质参数MODIS的遥感定量提取方法》一文中研究指出本文利用MODIS数据的可见光、近红外波段和准实时的地面采样数据,分别利用线性回归模型和神经网络模型反演了太湖的叶绿素a和悬浮物浓度。结果表明,利用MODIS数据的波段组合(M2/M8)和(M2/M9)可估算太湖的叶绿素a浓度;而MODIS数据的波段组合(M12/M17)、(M13/M17)及MODIS(M4)波段能定量估算太湖的悬浮物浓度,但估算精度仍不能满足实际需要。因此,构建了一个以MODIS可见光及近红外波段为输入,以太湖水质参数为输出的2层BP神经网络模型反演太湖的水质参数,大大提高了反演精度。(本文来源于《地球信息科学学报》期刊2009年01期）
水质定量遥感论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通过水质监测数据与遥感卫星影像中各波段间的相关性分析,建立多元回归方程,对地表水质监测进行反演和验证,结果体现了遥感技术在水质监测方面的实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水质定量遥感论文参考文献
[1].于祥.渤海表面非光学活性水质参数MODIS遥感定量反演技术研究[D].中国科学院烟台海岸带研究所.2017
[2].曾起亮.地表水质的遥感定量监测分析[J].环境保护与循环经济.2015
[3].黄舒城,陈秋颖,邢立新,翟慧泉.珠江入海口水质定量遥感环境监测数据库建库研究[C].2013年水资源生态保护与水污染控制研讨会论文集.2013
[4].马蕾.基于半监督学习的渭河水质定量遥感研究[D].陕西师范大学.2010
[5].谢屹鹏.基于最小二乘支持向量机的渭河水质定量遥感监测研究[D].陕西师范大学.2010
[6].王翔宇.灰色神经网络模型在渭河水质定量遥感反演中的应用研究[D].陕西师范大学.2010
[7].刘永进.基于集成学习的渭河水质定量遥感监测研究[D].陕西师范大学.2010
[8].赵玉芹.基于神经网络的渭河水质定量遥感研究[D].陕西师范大学.2009
[9].蒋赛,汪西莉,赵玉芹.渭河定量遥感水质反演中的大气校正作用研究[J].遥感技术与应用.2009
[10].吕恒,黄家柱,江南.太湖水质参数MODIS的遥感定量提取方法[J].地球信息科学学报.2009