一、表面水质遥感监测研究（论文文献综述）
王闯[1]（2021）在《基于多元曲线分辨与洛伦兹谱形约束的叶绿素a定量反演研究》文中研究说明叶绿素a（chlorophyll a,chla）是水环境评价的重要指标之一,对水体初级生产力、富营养化等有着重要意义。内陆水体chla的定量反演一直是相关领域的热点问题,与大洋水体不同,内陆水体由于大量陆源物质输入,水体成分复杂,尤其是悬浮物（suspended matter,ss）、有色可溶性有机物（colored soluble organic matter,CDOM）对chla反演研究产生明显的干扰,因此,针对内陆水体如何准确地反演chla,是当下水色遥感领域的重要研究方向之一。本文针对上述问题,采用基于多元曲线分辨与洛伦兹谱形约束的chla反演方法。2020年10月,在华航湖开展黑桶实验,配置不同浓度等级的chla和ss水样,系统获取水样的实测光谱、水质参数数据,同时结合landsat8＿OLI光谱响应函数模拟卫星波段数据以获取Landsat8＿OLI波段值。基于混合光谱线性分解模型,并假设ss和chla与光谱反射率之间的函数关系为线性关系,通过相关性分析、水质参数光谱特征分析,确定chla最佳敏感波段组合,在上述假设和数据处理的基础上,使用多元曲线分辨与洛伦兹谱形约束的交替最小二乘算法（MCR-LALS）来实现chla的遥感定量反演。实验结果显示:（1）波段3（Band3,B3）、波段2/波段1（Band2/Band1,B2/B1）、波段3/波段1（Band3/Band1,B3/B1）、波段3/波段2（Band3/Band2,B3/B2）、波段3/（波段1+波段4）（Band3/（Band1+Band4）,B3/（B1+B4））同时对ss和chla存在较为明显的线性关系,经基线扣除后,上述波段可以满足MCR-LALS模型的收敛条件;（2）MCR-LALS模型可以将输入的波段信息分解为水质参数特征光谱和系数矩阵,其中系数矩阵带有水质参数浓度信息,可用于chla的定量反演;（3）使用数据分析软件将chla系数矩阵与chla实测浓度进行线性拟合,拟合效果较好,拟合系数为0.798,均方根误差2.398mg·L-1;（4）使用验证样本进行模型精度检验,与传统的两波段模型（B3/B1）、三波段模型（B3/（B1+B4））相比,本文所提出的方法精度最高,表明该方法具有较好的实用性,特别是针对内陆浑浊水体。本文从光谱分解的角度探索chla的反演策略,建立了基于MCR-LALS模型的chla反演方法,并取得较好的实验效果。该方法是一种全新的探索和尝试,今后可为内陆浑浊水体chla反演提供新的思路。
房冲[2]（2020）在《国际界湖水质遥感反演及时空演变分析 ——以兴凯湖为例》文中研究说明兴凯湖又名兴开湖,是我国面积最大的国际界湖,宛如镶嵌在中国东北边陲一颗灿烂的蓝宝石。1996年,作为两国共有的国际性水域,中俄两国政府签署《兴凯湖保护区协定》,将兴凯湖流域内的两个国家级保护区列入国际重要湿地和世界生物圈保护区。近年来,人口规模的快速增长和社会经济的飞速提升促使人们加大了对兴凯湖及周边资源的开发利用力度。例如:工业以及生活废水的排放、大量开垦的农田造成的灌溉增加、农田退水、以及农药化肥的污染、森林砍伐后大量的水土流失等,破坏了兴凯湖的生态平衡和自我修复能力,导致水质变差、有害水华现象频发。由于有关兴凯湖水质监测方面的材料很难获取,国际上关于兴凯湖的水质时空分布的调查研究更是寥寥无几,借助遥感影像反演兴凯湖水质参数成为了当下最为行之有效和现实的研究手段。本文基于2012年至2018年在兴凯湖开展的29次野外水质环境调查研究工作所获取的301个实测样点数据,分别构建了适用于Landsat系列传感器和MODIS遥感卫星影像的水质参数遥感估算模型,并通过综合营养状态指数法计算得到相应的兴凯湖富营养状态指数,成功分析了国际界湖兴凯湖的多个水质参数以及营养状态指数的时空演变格局。并分别以兴凯湖中国水域和俄罗斯水域的各水质参数年际变化作为研究对象,对中国和俄罗斯两国人为要素和自然要素的驱动因素进行分析。本文得到的主要结论如下:（1）卫星产品影像大气校正效果评估:本文选择2017～2018年的5次野外实验中实地测量的107条水面遥感反射率数据,分别与Landsat ETM+/OLI和MOD09GA/MYD09GA影像对应的蓝波段、绿波段、红波段和近红外波段构建回归模型,结果显示,Landsat遥感反射率产品的大气校正效果很好,与实测数据相关性最低的蓝波段也达到了0.74,回归直线与1:1线斜率十分接近且绝大多数样点落在了95%的预测区间;MODIS的日值反射率产品数据的相关性虽然整体不如Landsat,但相关性最低的绿波段也达到了0.6,回归线与1:1线斜率十分接近,且几乎所有样点落在了95%的预测区间,因此,Landsat系列传感器的反射率产品和MODIS影像的日值反射率产品数据MOD09GA/MYD09GA的大气校正效果较好,可用于长时间序列的反演。（2）兴凯湖综合营养状态指数法权重赋值:根据2012～2018年获取的所有有效水质参数实测样点数据,分别将Chla浓度与SDD、CODMn、TN、TP进行线性回归,计算得到Chla浓度与其他四个指标的回归R2,进而得到适用于兴凯湖的综合营养状态指数算法对应各水质参数的权重系数,最终得到兴凯湖的综合营养状态指数值。（3）兴凯湖水质参数遥感反演模型构建:本文基于2012～2018年的29次野外实验获取得到的301个样点数据,成功构建了同时适用于MODIS数据和Landsat系列产品数据的Chla浓度、SDD、SPM、TN、TP的遥感估算模型。研究发现了Landsat和MODIS的蓝波段和绿波段的比值估算兴凯湖Chla浓度的决定系数分别达到了0.677和0.833,验证的拟合优度分别达到了0.589和0.798。Landsat和MODIS的绿波段和红波段的比值估算兴凯湖SDD的决定系数分别达到了0.833和0.808,且两种传感器的模型验证的拟合优度均为0.804。Landsat和MODIS的红波段单波段估算兴凯湖SPM浓度的决定系数分别达到了0.822和0.833,且两种传感器的模型验证的拟合优度分别达到了0.810和0.842。Landsat和MODIS的蓝波段、红波段与近红外波段之和比绿波段的波段组合估算兴凯湖TN浓度的决定系数分别达到了0.771和0.811,且两种传感器的模型验证的拟合优度分别达到了0.625和0.794。Landsat和MODIS的蓝波段比绿波段与近红外波段之和的波段组合估算兴凯湖TP浓度的决定系数分别达到了0.805和0.802,且两种传感器的模型验证的拟合优度分别达到了0.812和0.802。此外,本文通过对比CODMn与Chla浓度和SPM浓度的线性回归拟合优度,在充分比较了Chla浓度和SPM浓度反演效果的前提下,选择了SPM浓度作为CODMn的间接反演指标,构建了基于SPM反演CODMn的估算模型,模型的拟合优度达到了0.815。（4）兴凯湖水质参数时空格局演变分析:将构建的水质参数遥感估算模型分别应用到筛选后的194景Landsat系列遥感影像产品和2212景MODIS卫星日值反射率产品MOD09GA和MYD09GA影像中,实现了兴凯湖各水质参数的长时间序列的时空反演,并通过TLI指数法得到了每景影像对应的TLI栅格影像。然后以年为单位,分别绘制各水质参数和TLI的年均空间分布图和年际演变曲线图,结果表明,1984年以来,Chla浓度、SDD、CODMn、TP浓度和TLI呈波动上升趋势,SPM和TN浓度呈波动下降趋势。然后,基于大兴凯湖、小兴凯湖、兴凯湖国内和兴凯湖俄罗斯这四个不同尺度范围统计了各水质参数反演结果,并对比分析了大小兴凯湖、中俄两国水域的各水质指标年际变化和月际分布差异。结果表明:大小兴凯湖之间、中俄两国水域之间的各个水质指标演变差异随指标变化而不同,但整体上波动趋势一致;整体月际分布差异不显着,但大小兴凯之间的差异较中俄两国水域之间的差异更加显着。（5）大小兴凯湖有害藻华时空分布格局:基于AFAI藻华提取算法,对194景Landsat影像和2212景MODIS产品MOD09GA和MYD09GA数据进行处理分析,在大、小兴凯湖分别观测到138次、23次有害藻华爆发现象,绘制每年最大藻华当天的兴凯湖空间分布图发现,大兴凯湖俄罗斯境内藻华爆发比中国境内水域更加严重;通过大、小兴凯湖藻华频次空间分布图可以得知,大兴凯湖的藻华爆发频次高于小兴凯湖,且俄罗斯境内水域藻华爆发频次也高于我国水域。（6）兴凯湖水质演变驱动因素分析:本文分别基于单因素的spearman分析方法和随机森林回归方法,探究了兴凯湖整个流域内的自然要素、中国流域内的人为因子和俄罗斯流域内的人为要素对兴凯湖水质富营养化演变的驱动作用。单因素人为影响分析结果表明:中国流域内的化肥施肥量、国民生产总值、人口规模增加、总用水量、农业用水量、生活废水排放量等指标与兴凯湖我国水域TLI呈显着正相关,工业用水量、生活用水量、工业废水排放量等指标均与我国水域TLI显着负相关;兴凯湖TLI与俄罗斯流域内的化肥施肥量和国民生产总值显着正相关,与人口增长规模呈显着负相关。单因素自然要素分析结果表明:影响兴凯湖中国水域TLI的显着性水平低于0.1的要素中正相关的分别是夏季温度、夏季气压和秋季温度;负相关的分别是夏季降水量、秋季降水量和冬季降水量;影响俄罗斯水域TLI的显着性水平低于0.1的在以上气象要素的基础上增添了显着负相关的夏季风速。随机森林回归结果表明:影响兴凯湖的中国流域的人为要素和俄罗斯流域的人为要素的贡献率均显着高于自然要素,且中国流域的农业用水和生活废水排放贡献率最高,其次是国民生产总值、人口增长规模和化肥施肥量;而俄罗斯流域由于数据获取有限,因而分析结果表明国民生产总值和人口增长规模贡献率最高,化肥施肥量贡献率较低。
李恩[3]（2020）在《基于无人机高光谱的氮磷含量反演方法研究》文中研究表明水中总氮总磷含量的研究一直是社会的热点问题。工农业中大量氮、磷肥料的使用、含有氮磷的废水以及生活污水的随意排放导致内陆河以及近海河口的水体富营养化,打破了生态平衡。如果不进行及时管理,水质将急剧恶化,演变为赤潮和水华,造成巨额经济损失,因此对水体中氮磷的污染治理显得极为必要与紧迫。常规的氮磷的监测方法,需要人工采集水样分析获得氮磷的浓度数据,不但耗时费力且不能实现大范围的水质监测。新型的水质遥感监测技术,不仅降低了人工成本还可对大范围的水质实时监测,是水质监测的重要发展方向,因此研究水体中氮磷含量的遥感监测方法具有重要的意义。本论文基于无人机高光谱遥感数据光谱分辨率高,波段信息复杂的特点,对总氮、总磷含量反演模型的改进方法进行研究,实现反演精度的提升,具体如下:（1）提出了一种基于信号匹配度的显着性波段选择的模型反演方法。该方法将不同波段的光谱反射率信息看作背景信息,将总氮总磷的浓度向量看作目标向量,通过约束能量最小化方法首先从信息冗余度高的背景信息中选择出对水质参数变化影响较大的特征波段,同时结合了正交子空间投影算法中的正交投影原理抑制相邻区域波段的影响,进行迭代选择出最能反映氮磷浓度变化的特征波段集。最后通过选择出的波段集进行多元方程的回归分析建立遥感反演模型。（2）提出了一种基于求解欠定方程组的模型反演方法,将每个采样点的光谱数据与对应的水质参数看作一个方程,多个数据采样点组成了一组欠定方程组,利用QR分解矩阵的方法求得欠定方程组得最小个数非零解,从而选择出特征波段,结合非线性函数对特征波段进行波段扩展,并将扩展后的数据与对应的水质参数继续构成一个新的欠定方程组,通过对欠定方程组的求解建立遥感反演模型。为了验证上述两种遥感模型反演方法的性能,本文以辽河入海口为研究对象,设计实验采集无人机高光谱遥感数据,对总氮、总磷含量进行反演,并且与传统的遥感方法的反演精度作对比,证明本文提出的两种模型反演方法的有效性。
胡辉辉[4]（2020）在《基于多源遥感数据的白洋淀水质参数估算研究》文中指出在人类活动和工业发展的作用下,湖泊面临着严峻的水污染问题,直接影响到湖泊的生态环境和人类的生产生活。湖泊的水质监测是水污染防治的重要依据,尽管传统的监测方法可以精细地分析水质参数,但其耗时费力、成本高,易受水文气象条件的限制,难以完成适时、大范围的监测。遥感技术能快速、大范围反映出水质时空分布特征,多样的遥感数据和不断更新的水质遥感反演模型使水质监测更加方便快捷,促进了遥感技术在水质监测应用的发展。本文以白洋淀为研究对象,通过多种遥感数据估算了叶绿素a（Chl-a）和化学需氧量（COD）的浓度。与现场采样同步的卫星数据仅有Landsat-7较合适,而其空间分辨率为30m,一定程度上为估算水质参数浓度带来较大误差。因而本文通过基于多源遥感数据的时空融合研究弥补研究时期缺少高分辨率数据的问题,从而保障湖泊水质监测的准确性。结果表明:（1）针对可用卫星数据分辨率较低的问题,通过STNLFFM算法,分别利用GF-4和MODIS数据与Sentinel-2数据进行时空融合实验,选择Landsat-7数据对融合数据进行定性和定量评估,发现GF-4和Sentinel-2的时空融合效果更好,相关性、均方根误差及平均差值均满足研究所需。（2）通过分析水体中Chl-a光谱特征,利用基于半分析模型的三波段算法反演了白洋淀烧车淀的Chl-a浓度,对估算的Chl-a浓度进行定量分析,决定系数（R2）为0.67,平均相对误差（MRE）为10%,均方根误差（RMSE）为1.42ug/L,保证了水质监测的精度。（3）分别利用BP神经网络模型,基于Landsat-7数据和时空融合的Sentinel-2数据反演白洋淀的Chl-a和COD浓度。利用12个Chl-a实测验证点和8个COD实测验证点对两种水质参数的反演结果进行了精度评价,分析发现基于时空融合生成的Sentinel-2数据在计算两种水质参数浓度上均表现出良好的精度,可较好的反映白洋淀Chl-a浓度和COD浓度的空间特征分布。
彭占山[5]（2020）在《基于多源监测数据的邯郸市滏阳河水质反演技术研究》文中研究指明水资源是人类生活必不可少的生存资源,是人类生存、生产、生活的基础。传统的水资源监测主要采用人工采样化验的方式进行,该方式主要以定点定剖面采样为主,方法工作量大,成本高,费时费力。随着对地观测技术的发展,遥感反演逐步成为水资源水环境监测的重要方式。水质遥感反演的基本原理是采用合适的遥感影像波段构建反演模型,进行水质的定性或定量化评价。该方式由于遥感的覆盖范围大的特点,多应用于大面积水域的水质反演监测,缺点是受到卫星影像的空间分辨率与时间分辨率的限制,对小范围的湖河水域反演效果较差,精度较低。无人机作为近几年来新兴的数据采集方式之一,具有灵活、便捷、可操控的优势,其搭载多光谱设备可拍摄高空间分辨率的影像,这为城市河流湖泊水质精准监测提供了新的方式。本文以河北邯郸市主城区滏阳河为研究对象,在系统设计的基础上,综合采用传统人工水面采样方法、无人机多光谱遥感技术、卫星遥感技术等进行了水质监测数据采集试验,分析研究了多源数据相结合的优势。首先基于传统方法对河道断面污染原因、污染种类进行了调查和水质采样并进行了化学试验;第二,采用无人机搭载多光谱相机配合地面采样进行多光谱数据采集,获取了试验区多光谱影像,对化学需氧量（COD）、总磷（TP）、总氮（TN）等水质参数构建反演模型并进行反演实验研究;下载同一时期陆地卫星遥感数据,同样反演化学需氧量（COD）、总磷（TP）、总氮（TN）等水质参数,以地面采样数据化学试验结果为真实样本,进行了精度验证;第三,在上述研究的基础上,进一步基于无人机遥感数据反演的水体指数,构建了回归方程,建立了反演数据和实测数据的定量关系,并基于反演结果,制作了滏阳河需氧量（COD）、总磷（TP）、总氮（TN）等水质参数空间分布专题图,研究结果可为邯郸市相关部门决策部署提供依据。
姜倩[6]（2020）在《卫星遥感在湖库水质监测中的有效性评价方法研究 ——以GF-1号卫星为例》文中指出随着经济社会的发展,水体面临的污染风险越来越大,水质监测和保护治理变得尤为重要。传统的地面人工监测和在线监测不能满足对水环境保护与治理长时间、大面积的信息需求,遥感技术可以克服传统监测方法的不足,实现对水环境的大范围动态监测。但是目前的水质定量遥感建模方法大都是和地面水质监测数据相结合,几乎需要对每个水体进行单独建模,模型可移植性差。遥感水色指数是一种描述水体颜色的指数,可以反映水体污染和富营养化情况,虽不能定量对应水质参数值,但可以不依赖地面监测数据进行计算,在大范围水质监测与预警应用上具有一定的优势。本文基于水质遥感监测原理和水体光谱特征,利用多时相GF-1 WFV数据计算了水体FUI指数,利用参照物CI指数对不同时相的FUI进行一致性修正,构建FUI时间序列;基于FUI时间序列和同步的地面水质在线监测数据,构建了水质遥感监测的有效性评价指标,从水体FUI变化的显着性,以及FUI变化与地面水质在线监测数据变化的同步性两方面评价水质遥感监测的有效性。以山东省17个湖库型水源地作为研究对象,收集了2018年3月-10月的遥感影像和地面水质在线监测数据,进行了方法的应用,判别了17个湖库型水源地水质遥感监测的有效性,并对2018年的水质变化情况进行了分析。主要得到以下结论:（1）遥感在水质监测中是可用的,但并非对所有水体都有效,其有效性取决于水体水质成分的变化是否能引起水体颜色的变化,传统的遥感水质建模方法可推广性差,难以满足大范围快速判断的需求。而遥感水色指数不依赖地面水质监测数据,基于遥感数据独立计算获得,具有大范围快速计算的便利,可作为遥感水质监测有效性判别的参考指标。（2）太阳光的强弱影响水体的遥感反射率,导致水体FUI指数的计算存在系统误差,不同时相的水色指数在进行时间序列的变化分析时,需要进行一致性修正。本文通过构建基于颜色不变建筑物CI颜色指数修正方法,利用水体周边相对不变的建筑物,对不同时相水体FUI进行修正,形成遥感水色时间序列,进行不同时间水色变化的比对分析。（3）基于水体颜色变化由水中物质组分浓度变化决定的原理,本文利用水色指数与水质在线监测数据的同步性,构建了遥感水质监测有效性的评价指标和计算方法。利用该方法,对山东省境内的17个水源水库进行了判别,发现岸堤水库、高崖水库和金斗水库遥感不能对其进行水质监测;产芝水库、棘洪滩水库、门楼水库、牟山水库、沐浴水库、鹊山水库、日照水库、铁山水库、王屋水库、卧虎山水库、峡山水库、冶源水库等12个水库遥感可以有效对其进行监测;锦绣川水库和尹府水库遥感对其监测存在着不确定性。因此,在遥感可用的区域,立体监测组网和布局上,可以减少地面站网的布设,降低地面站点布设的密度,对于遥感不可用的区域,要加强地面监测的布设。（4）利用影像差异法和一元线性回归法对遥感可监测水库的水质时空变化进行分析,牟山水库6月、7月、10月水质较好,5月、8月水质较差;鹊山水库7月水质较好,6月水质较稳定,4月、5月和10月水质较差;日照水库4月和9月水质较好,6月、10月水质较差;卧虎山水库4月和5月水质较差,10月水质较好,6月水质较稳定;沐浴水库6月和10月水质较好,8月水质较差,9月水质较稳定;峡山水库9月水质较好,6月、8月和10月水质较差,3月和4月水质较稳定。在整体空间分布上,牟山水库、鹊山水库、日照水库和沐浴水库的水质明显变好,卧虎山水库和峡山水库水质明显变差。
殷飞[7]（2019）在《基于光谱特征的清河水库水质遥感反演模型研究》文中提出清河水库是辽宁省内七大着名的水库之一,2010年正式被列为省内的备用水源地。其“十二五”期间监测的总氮年均值超标严重,高锰酸盐指数年均值也接近标准值界限,综合营养指数处在中营养状态,潜在富营养化的危险。通常,常规定点采样的水质监测不仅耗费大量的人力、物力、财力,而且不能代表整个水库的水质状况。因此,必须加强对水库的实时监测、评价与治理。遥感技术具有监测面积广、成本低、动态性强的优点,可为实现清河水库现代化的水质实时监测提供有效保证,因此具有巨大的应用潜力。国内外研究人员利用遥感手段反演水质取得了大量研究成果,但是如何通过有限的样本采取合适的遥感数据和反演方法仍是目前研究的难点。本研究以清河水库水质参数为研究对象,通过对水库实测高光谱数据的分析和环境卫星数据的解译,揭示出清河水库具有典型内陆水体的反射率光谱特征,构建了适合清河水库水质反演的模型。主要研究内容如下:（1）清河水库高光谱数据模型的建立高光谱数据采用SVCHR-1024光谱仪水面以上测量方法获得,在波段光谱响应的基础上利用敏感波段及组合建立了清河水库水质参数的高光谱遥感模型。其中光谱762.4nm归一化建立的一元二次模型是反演清河水库叶绿素a的最佳模型,但是最大决定系数相对较低0.554;波段组合提高了与透明度、悬浮物的相关性,选取最大相关系数对应的波段组合分别构建的一元二次反演模型,可以实现对清河水库透明度和悬浮物的日常监测与反演;高锰酸盐指数506 nm一阶微分以及622.8 nm、628.4 nm波段组合构建的一元二次模型拟合度R2达0.837,属于反演高锰酸盐指数的最佳模型;因总氮、总磷不具有显着的光学特性,通过一阶微分与波段组合等反演模型的分析,最终构建了总氮的二元四次多项式和总磷的四元二次多项式模型,拟合效果最佳,R2分别达到0.954和0.966。（2）环境卫星数据经典回归模型的建立为使多光谱影像数据的敏感波段在清河水库更加具有指向性,同时为以后卫星遥感数据反演水质参数波段的选择提供参考,将实测光谱数据重采样到环境卫星传感器对应的波段,构建了水质参数重采样反演模型,其中悬浮物和总氮的相关系数在0.05水平下不显着未能建立模型,高锰酸盐指数反演模型的拟合度R2最大0.65。因此重采样后模型是否能够直接应用于清河水库水质的反演还需要进一步研究。本文重点将经过预处理的环境卫星单波段数据及85种常见波段组合分别与叶绿素a、透明度、总氮、总磷、高锰酸盐指数、悬浮物水质参数进行相关分析,筛选出反演清河水库水质的最佳波段及其组合,采用2015年夏季、秋季和2016年春季的实地水质采样数据,应用经典回归方法分别建立了不同季节的水质参数反演模型。（3）基于最小二乘方法模型的建立考虑水质参数之间以及波段之间多重相关性问题,建立了偏最小二乘回归估算模型,模型反演的精度高于单波段及波段组合模型;考虑水质参数与卫星波段之间并不存在物理意义上的关联及非线性问题,建立了最小二乘支持向量机模型。研究结果表明:夏季和春季,波段组合对总氮和悬浮物、叶绿素a的反演效果较好,而偏最小二乘模型在反演总磷、高锰酸盐指数、透明度的效果上优于波段组合模型、单波段模型以及最小二乘支持向量机模型;而秋季,偏最小二乘回归模型反演精度整体上优于以上三种模型。基于以上研究,文章所建立的六项水质参数多波段模型和偏最小二乘模型,经过大量数据的验证和完善,可以应用于清河水库的日常水质监测。
王珊[8]（2019）在《基于多源遥感影像的潘家口—大黑汀水库水质变化监测与分析》文中进行了进一步梳理水源地水库的水质状况与人们的生活息息相关,直接关系到人们的用水安全,应高度关注和重点监测,以便能够及时发现和解决水质恶化问题。潘家口水库和大黑汀水库是我国北方京津冀地区重要的水源地水库,是跨流域调水引滦入津工程的源头,由于管理不善,导致库区养鱼超载,水质恶化。2016年11月开始清理网箱,到2017年5月清理完毕,本文主要对潘家口水库和大黑汀水库网箱清理之后水质参数（浊度、总悬浮物浓度、叶绿素a浓度、DO、COD、TP）的变化进行监测与分析,以期发现存在的水质变化特征,为潘家口水库和大黑汀水库水质改善和管理提供水质监测与分析的参考。本文基于Sentinel-2 MSI、GF-1 WFV和Landsat-8 OLI遥感卫星数据,建立适用于潘家口水库和大黑汀水库的水质参数反演模型,得到水质参数的空间分布图,对不同遥感卫星得到的水质参数反演结果,根据集合思想进行权重分配,对多源卫星水质参数反演结果进行融合研究,以期提高反演精度,同时使得多源卫星数据可以同时对潘家口水库和大黑汀水库进行遥感监测,提高遥感监测水质的时间分辨率。在此研究的基础上,根据GF-1 WFV数据反演长时间序列潘家口水库和大黑汀水库的水质参数,得到2017年4月到2018年10月期间潘家口水库和大黑汀水库的浊度、总悬浮物浓度、叶绿素a浓度、DO和大黑汀水库的总磷等水质参数的空间分布,并结合地面监测数据进一步分析潘家口水库和大黑汀水库在网箱清理之后的水质变化特征以及引起该变化的可能原因分析,提高对风险的发现能力和污染成因的溯源能力。通过以上研究得到潘家口水库的水质状况比大黑汀水库整体上更好,网箱清理之后水库的总磷含量明显降低,水质状况有所改善,目前潘家口水库和大黑汀水库的总磷含量依然很高,是改善水质状况需重点关注的因素之一。通过水质遥感数据的空间分布可以发现,在潘家口水库的上游入库区域和坝前以及大黑汀水库上游区域,水质状况偏差,尤其是大黑汀水库上游区域,叶素a浓度含量较高,水体的富营养化严重,2017年局部地区出现水华现象。潘家口水库和大黑汀水库通过清理网箱可以改善部分水质组分的状况,但由于短期内鱼类的大量减少从而使得水生态系统的平衡遭到破坏,在夏季高温条件下,水库底泥的成分可能释放到水层表面,造成水体中叶绿素a浓度和总氮的含量变高,水体富营养化严重。本文主要的研究贡献有:（1）利用空间分辨率和时间分辨率有所差异的多源卫星遥感影像数据反演水质参数并融合,通过研究得到多源遥感影像融合反演的可能性,提高水质遥感监测的时间分辨率和反演精度;（2）利用GF-1 WFV数据反演潘家口水库和大黑汀水库的时序水质参数,得到2017年4月到2018年10月潘大水库浊度、透明度、总悬浮物浓度、叶绿素a浓度、溶解氧和大黑汀水库总磷的空间分布,并结合地面水质监测数据,通过统计分析得到水质的变化情况。结合地面与遥感进行水质监测,可缩短水质监测的时间间隔,获取水库更详细的水质变化情况;（3）首次在潘家口水库和大黑汀水库进行多源遥感水质监测,利用遥感与地面协同的方式对潘大水库的水质进行分析,提高了对风险的发现能力和污染成因的溯源能力。
黄启会[9]（2019）在《基于遥感技术的湖泊水质叶绿素a浓度监测及富营养化评价研究 ——以贵阳市百花湖为例》文中研究说明水是生物圈全部生物生存繁衍的基石;而其中的淡水也是人类社会稳步发展最为倚重的物质。近年来我国内陆水体的污染情况极为严重,导致供需矛盾日益尖锐。富营养化是我国内陆水体污染的主要表现形式,其评价结果不仅可以直观地反映水环境的质量和污染状况,而且能为水污染的防治、管理和决策提供理论依据和技术指导。叶绿素a作为藻类生物的基本组分,其含量的多寡能够表征水中浮游植物的生物量和生产力。同时,它也是衡量水体富营养状态的一个基本指标。国内外传统的水质监测方法是采水样进行实验室分析,该方法虽能较精确的分析和评价更多的水质指标,然而这种方法费时费力,且能采集的监测站点十分有限,不能揭示出大范围水质参数的分布状况,满足实时监测的需求。遥感技术可以直观地展示出大面积水域的水质在空间和时间上的分布及其变化的情况;具有信息量大、受地理因素限制较少和有利于长时间监测等优势。目前已被广泛应用于大量研究。本文以贵阳市百花湖为研究区,结合实测高光谱和多光谱遥感影像数据,在其他地区水质遥感监测方法的研究基础上,探索适合百花湖水体叶绿素a的遥感监测方法,并同时建立百花湖富营养状态的遥感评价模型,其主要研究内容和结论如下:（1）根据百花湖水体的光谱反射特征,分别建立了波段比值、一阶微分、荧光峰位置、反射峰面积、峰谷距离、基线荧光峰高度和三波段7模型,并将各模型与实测叶绿素a浓度做相关分析发现,几种模型与叶绿素a浓度均具有较好的线性或非线性相关关系,其相关系数分别为0.79、0.92、0.81、0.86、0.75、0.94和0.88。说明这几种模型都能够在一定程度上反映百花湖叶绿素a浓度情况;（2）通过几种模型与叶绿素a浓度的回归分析结果得出,基线荧光峰高度模型和一阶微分模型的估算效果较好,其决定系数分别为0.92和0.87。另外,根据实测数据的检验结果发现,两者估算百花湖叶绿素a浓度误差值均较小,其中,基线荧光峰高度模型的精度更高。因此,基线荧光峰高度模型为百花湖叶绿素a浓度的最佳估算模型。（3）结合该时期其他几个不同营养状态湖泊（水库）水体的叶绿素a浓度和实测光谱数据,根据上述的几种分析方法,建立适用于不同营养状态下的叶绿素a估算模型,不同营养状态水体中各叶绿素a浓度估算模型的效果不同,中营养和轻度富营养化水体,波段比值法和三波段模型优于其它算法;而中富营养化和重度富营养化水体,一阶微分模型和基线荧光峰高度模型的效果较为理想。（4）结合HJ-1A CCD1影像数据与实测光谱数据,通过对比分析各波段与叶绿素a浓度间关系,发现叶绿素a浓度的敏感波段为蓝、绿波段。其中,蓝、绿波段比值（B2/B1）与叶绿素a浓度相关性更高,相关系数R2为0.84;以比值（B2/B1）为自变量,叶绿素a浓度实测值为因变量,建立一系列形式的拟合模型,并对相应模型进行精度分析和样区检验。得出精度较高的反演模型为:y=3.2425x10。269;并将该湖泊4月份数据建立的模型应用于12月份的实测数据进行验证,也取得较理想的效果,进一步证明了该模型具有一定的普适性,在一定时间范围内可不受限制。（5）根据反演模型得出百花湖叶绿素a浓度整体呈“湖岸高、湖心低”的分布趋势,方向自北向南逐渐增加;通过遥感评价模型得出的营养状态指数在空间分布上存在“入流处高,出流处低”的现象,主要是由于受营养物质输入的影响。其中,富营养状态区域占全湖总面积的85%,中营养状态区域仅占全湖面积的15%,水体主要表现为富营养化状态。
曹引[10]（2019）在《湖库水质遥感和水动力水质模型数据同化理论方法研究》文中进行了进一步梳理水是人类社会健康发展不可或缺的重要资源,伴随全球人口增加、经济发展和城市化进程加快,水环境问题日趋严重。对于水环境问题,观测分析和模型模拟是水环境管理中的重要手段。观测分析手段主要包括原位观测和遥感监测手段,原位观测虽然监测精度高,但耗时耗力,且只能获取点上的水质状况,监测频次有限,难以满足水环境动态管理的需求;遥感监测能够快速获取湖库水质的时空分布,越来越多地应用于湖库水环境的监测和管理,但水质遥感受遥感数据源的限制和水质遥感模型移植性的影响,监测频次同样有限。水动力水质模型是水环境管理的重要工具,可以获取时空连续的水质分布,但受模型参数、模型输入和模型结构等不确定性因素的影响,模拟精度有待提高。数据同化可以实现观测和模型模拟优势互补,利用同化算法可以将多源观测数据合理地融入水动力水质模型,校正模型模拟结果,同步更新模型参数,提升模型模拟精度和预测能力。本研究针对湖库水质遥感、水动力水质模拟和数据同化开展研究,改进水质遥感监测方法,同时开发高效的水动力水质模型,然后利用粒子滤波数据同化算法将水位和水质观测数据和水动力水质模型耦合,动态更新模型模拟结果和模型参数。研究取得主要成果如下:（1）水动力水质模型数据同化技术框架构建基于采用局部权重的粒子滤波数据同化算法（MPFDA-LW,Modified Particle Filter-based Data Assimilation with Local Weighting procedure）,构建了水动力水质模型数据同化技术框架。该同化框架中MPFDA-LW同化算法考虑了水动力水质模型参数的时空变异性,粒子同时包含水流、水质状态变量和模型模拟关键参数,利用MPFDA-LW同化算法将水位和水质观测数据同化进水动力水质模型,校正水位或水质模拟结果,同步更新模型参数,实现水动力水质模型的动态校正。（2）提出基于集合建模技术的水质遥感反演方法针对水质遥感模型众多、不同模型反演精度不一致的问题,分别提出了基于熵权法、集对分析法的确定性水质遥感集合建模方法和基于贝叶斯模型平均的概率性水质遥感集合建模方法以及基于博弈论的水质遥感集合建模方法;以潘家口-大黑汀水库叶绿素a浓度遥感反演为例,检验了水质遥感集合建模方法的有效性。验证结果表明:集合建模可以综合叶绿素a浓度不同反演模型的反演结果,提高叶绿素a浓度的反演精度,此外基于贝叶斯模型平均的概率性集合建模方法还能够估计叶绿素a浓度反演的不确定性区间。如果不同集合建模方法确定的各模型权重存在明显差异,基于博弈论的水质遥感集合建模方法可以确定各模型的综合权重,降低集合模型选择的主观性。（3）提出基于灾变离散粒子群和偏最小二乘法的水质遥感反演方法通过引入灾变策略对传统离散粒子群算法进行改进,提高了算法的全局搜索能力;利用灾变离散粒子群算法优选水质偏最小二乘反演模型的建模波段,提出了基于灾变离散粒子群和偏最小二乘法的水质遥感反演方法（MDBPSO-PLS,Modified Discrete Binary Particle Swarm Optimization-Partial Least Squares）;基于HJ-1A HSI高光谱影像构建了微山湖水体叶绿素a浓度、总悬浮物浓度和浊度MDBPSO-PLS反演模型,研究结果表明,灾变离散粒子群可以优选水质偏最小二乘建模的敏感波段,提高三种水质参数偏最小二乘模型的反演精度。（4）提出考虑水生植物物候特征的草型湖泊水质遥感监测方法针对草型湖泊中水生植物混合像元效应导致的水生植物覆盖区域水质难以直接进行遥感监测的问题,提出考虑水生植物物候特征的草型湖泊水质遥感监测方法。以草型湖泊微山湖为研究区,将微山湖分为水生植物覆盖区和水体区,对于水生植物覆盖区,利用不同物候期菹草、光叶眼子菜/穗花狐尾藻对总悬浮物浓度和浊度的指示作用对微山湖水生植物覆盖区水体总悬浮物浓度和浊度进行定性监测;对于水体区,基于HJ-1A/1B和GF-1多光谱影像构建微山湖水体区总悬浮物浓度和浊度定量反演模型,对微山湖水体区总悬浮物浓度和浊度进行定量监测;基于定性和定量监测相结合的方法实现了整个微山湖区水体总悬浮物浓度和浊度时空变化监测。（5）构建了基于改进自适应网格和OpenMP并行计算的二维水动力模型针对传统自适应网格技术难以保持静水和谐性的问题,引入地形坡度对传统自适应网格技术进行改进,基于改进自适应网格的二维水动力模型能够保持静水和谐性;为了进一步提高模型的计算效率,基于OpenMP并行计算技术对模型进行并行化改造,构建了基于改进自适应网格和OpenMP并行计算的二维水动力模型（HydroM2D-AP,2-D Hydrodynamic Model based on Adaptive girds and Parallel computation）;分别利用水槽试验、物理模型和实际案例检验了HydroM2D-AP模型的静水和谐性、模拟精度和计算效率。验证结果表明,HydroM2D-AP模型具有静水和谐性,能够准确高效模拟不同地形条件下的水动力过程。（6）二维水动力模型不确定分析和数据同化以Toce河溃坝物理模型为案例,基于两种似然函数,分别采用LHS-GLUE（Latin Hypercube Sampling-Generalized Likelihood Uncertainty Estimation）和SCEM-UA（Shuffled Complex Evolution Metropolis Algorithm）算法分析了Manning糙率系数的不确定性,同时分析了模拟水位对Manning糙率系数的敏感性。研究结果表明,不确定性分析结果受似然函数影响显着,采用相同似然函数的两种方法分析结果基本一致;Manning糙率系数对模拟水位的影响具有明显的时空变异性。此外,分别构建了基于局部权重（MPFDA-LW）和基于全局权重（PFDA-GW,Particle Filter-based Data Assimilation with Gobal Weighting procedure）的二维水动力模型粒子滤波同化算法,MPFDALW同化算法考虑了Manning糙率系数的时空变异性,而PFDA-GW同化算法仅考虑了Manning糙率系数时间变异性,对比分析了两种算法的同化性能。分析结果表明,MPFDA-LW同化算法能够同时提高不同观测点处水位模拟精度,而PFDA-GW同化算法只能提高部分观测点处水位模拟精度,MPFDA-LW同化算法更适合二维水动力模型数据同化。（7）构建了基于改进自适应网格和OpenMP并行计算的二维水质模型在HydroM2D-AP基础上,加入污染物对流-扩散方程,构建了基于改进自适应网格和OpenMP并行计算的二维水动力-污染物输运模型HydroPTM2D-AP（2-D Hydrodynamic and Pollutant Transport Model based on Adative grids and Parallel computation）,分别采用水槽试验、物理模型和实际案例检验了该模型模拟不同水流条件下污染物输运的模拟精度。验证结果表明,HydroPTM2D-AP模型可以准确模拟不同水流条件下污染物输运规律。此外,基于WASP（Water Quality Analysis Simulation Program）水质模型原理,综合考虑氨氮、硝酸盐氮、磷酸盐、浮游植物、碳质生化需氧量、溶解氧、有机氮和有机磷之间的相互作用,构建了基于改进自适应网格和OpenMP并行计算的二维水动力水质模型（HydroWQM2D-AP,2-D Hydrodynamic and Water Quality Model based on Adative grids and Parallel computation）,并将该模型应用于鄱阳湖水质模拟。研究结果表明,HydroWQM2DAP模型能够模拟鄱阳湖溶解氧、氨氮、总氮、总磷和叶绿素a浓度等水质参数的时空变化。（8）二维水质模型粒子滤波数据同化以鄱阳湖为研究区,利用MPFDA-LW同化算法将鄱阳湖叶绿素a浓度原位观测数据和遥感观测数据融入鄱阳湖HydroWQM2D-AP水质模型,校正叶绿素a浓度模拟结果,同时更新叶绿素a浓度模拟参数,构建了鄱阳湖HydroWQM2D-AP水质模型粒子滤波数据同化算法,检验了该同化算法的同化效果。验证结果表明:同化叶绿素a浓度原位观测数据,能够校正叶绿素a浓度模拟结果,更新观测点处参数的取值,提高了原位观测点处叶绿素a浓度模拟和预测精度;同化叶绿素a浓度遥感监测结果,能够估计湖区参数的空间变异性,同化得到的叶绿素a浓度空间分布和遥感观测结果更加接近,可以在同化时刻为模型提供更加准确的叶绿素a浓度初始条件。MPFDA-LW同化算法可以同化叶绿素a浓度多源观测数据,校正叶绿素a浓度模拟结果,更新模拟参数,提高模型模拟精度和预测能力。
二、表面水质遥感监测研究（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、表面水质遥感监测研究（论文提纲范文）
（1）基于多元曲线分辨与洛伦兹谱形约束的叶绿素a定量反演研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.3 研究目的、研究内容及技术方法 |
| 1.4 论文的组织结构 |
| 第2章 水质遥感监测指标与实验数据获取 |
| 2.1 水质遥感监测原理与方法 |
| 2.2 水质遥感监测的数据源与主要指标 |
| 2.3 研究区概况与实验设计 |
| 2.4 水样采集及数据处理 |
| 2.5 水体光谱数据采集及预处理 |
| 2.6 本章小结 |
| 第3章 MCR-LALS模型构建 |
| 3.1 MCR-LALS基本原理 |
| 3.2 MCR-LALS实现与可行性分析 |
| 3.3 MCR-LALS模型构建 |
| 3.3.1 水体光谱特征分析 |
| 3.3.2 chla相关性分析 |
| 3.3.3 基于MCR-LALS的 chla模型构建 |
| 3.4 chla模型的验证分析 |
| 3.5 本章小结 |
| 第4章 基于白洋淀chla算法应用与分析 |
| 4.1 chla相关性分析 |
| 4.2 chla反演模型的构建 |
| 4.3 chla模型应用分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（2）国际界湖水质遥感反演及时空演变分析 ——以兴凯湖为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景、目的和意义 |
| 1.1.1 选题背景和依据 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 湖泊富营养化遥感反演研究进展 |
| 1.2.2 叶绿素a浓度遥感反演研究进展 |
| 1.2.3 透明度遥感反演研究进展 |
| 1.2.4 总氮、总磷、高锰酸盐指数遥感反演研究进展 |
| 1.2.5 悬浮颗粒物浓度遥感反演研究进展 |
| 1.2.6 有害藻华遥感监测研究进展 |
| 1.3 研究目标和研究内容 |
| 1.3.1 基于Landsat遥感卫星系列传感器的兴凯湖水质参数反演 |
| 1.3.2 基于MODIS传感器的兴凯湖水质参数遥感反演 |
| 1.3.3 基于多源卫星遥感数据的兴凯湖有害藻华时空变化研究 |
| 1.3.4 兴凯湖水质时空变化与驱动因素分析 |
| 1.4 创新点和技术路线 |
| 第2章 研究区域与数据预处理 |
| 2.1 研究区简介 |
| 2.2 野外测量与实验室数据预处理 |
| 2.2.1 野外采样时间与样点分布 |
| 2.2.2 野外数据的获取和水质参数的测量 |
| 2.2.3 水质参数的实验室获取 |
| 2.3 影像获取与预处理 |
| 2.3.1 Landsat数据获取与预处理 |
| 2.3.2 MODIS数据获取与预处理 |
| 2.3.3 Landsat系列传感器一致性检验 |
| 2.4 驱动因素数据获取与数据处理 |
| 2.5 富营养化评价模型构建方法 |
| 2.6 统计分析方法 |
| 第3章 遥感反演模型构建与验证 |
| 3.1 兴凯湖Chla反演模型构建与验证 |
| 3.1.1 基于Landsat卫星的Chla反演模型构建与验证 |
| 3.1.2 基于MODIS卫星的Chla反演模型构建与验证 |
| 3.2 兴凯湖SDD反演模型构建 |
| 3.2.1 基于Landsat卫星的SDD反演模型构建与验证 |
| 3.2.2 基于MODIS卫星的SDD反演模型构建与验证 |
| 3.3 兴凯湖SPM反演模型构建 |
| 3.3.1 基于Landsat卫星的SPM反演模型构建与验证 |
| 3.3.2 基于MODIS卫星的SPM反演模型构建与验证 |
| 3.4 兴凯湖COD_(Mn)反演模型构建 |
| 3.5 兴凯湖TN反演模型构建 |
| 3.5.1 基于Landsat卫星的TN反演模型构建与验证 |
| 3.5.2 基于MODIS卫星的TN反演模型构建与验证 |
| 3.6 兴凯湖TP反演模型构建 |
| 3.6.1 基于Landsat卫星的TP反演模型构建与验证 |
| 3.6.2 基于MODIS卫星的TP反演模型构建与验证 |
| 第4章 兴凯湖水质时空变化格局及中俄差异分析 |
| 4.1 兴凯湖Chla时空变化格局及中俄差异分析 |
| 4.1.1 基于Landsat的Chla时空变化格局 |
| 4.1.2 基于MODIS的Chla时空变化格局 |
| 4.1.3 兴凯湖Chla年际变化的中俄差异分析 |
| 4.1.4 兴凯湖Chla浓度月际分布的中俄差异分析 |
| 4.2 兴凯湖SDD时空变化格局及中俄差异分析 |
| 4.2.1 基于Landsat的SDD时空变化格局 |
| 4.2.2 基于MODIS的SDD时空变化格局 |
| 4.2.3 兴凯湖SDD年际变化的中俄差异分析 |
| 4.2.4 兴凯湖SDD月际分布的中俄差异分析 |
| 4.3 兴凯湖SPM时空变化格局及中俄差异分析 |
| 4.3.1 基于Landsat的SPM时空变化格局 |
| 4.3.2 基于MODIS的SPM时空变化格局 |
| 4.3.3 兴凯湖SPM年际变化的中俄差异分析 |
| 4.3.4 兴凯湖SPM月际分布的中俄差异分析 |
| 4.4 兴凯湖COD_(Mn)时空变化格局及中俄差异分析 |
| 4.4.1 基于Landsat的COD_(Mn)时空变化格局 |
| 4.4.2 基于MODIS的COD_(Mn)时空变化格局 |
| 4.4.3 兴凯湖COD_(Mn)年际变化的中俄差异分析 |
| 4.4.4 兴凯湖COD_(Mn)月际分布的中俄差异分析 |
| 4.5 兴凯湖TN时空变化格局及中俄差异分析 |
| 4.5.1 基于Landsat的TN时空变化格局 |
| 4.5.2 基于MODIS的TN时空变化格局 |
| 4.5.3 兴凯湖TN年际变化的中俄差异分析 |
| 4.5.4 兴凯湖TN月际分布的中俄差异分析 |
| 4.6 兴凯湖TP时空变化格局及中俄差异分析 |
| 4.6.1 基于Landsat的TP时空变化格局 |
| 4.6.2 基于MODIS的TP时空变化格局 |
| 4.6.3 兴凯湖TP年际变化的中俄差异分析 |
| 4.6.4 兴凯湖TP月际分布的中俄差异分析 |
| 第5章 兴凯湖TLI及藻华时空变化格局 |
| 5.1 兴凯湖TLI时空演变格局 |
| 5.1.1 基于Landsat的TLI时空变化格局 |
| 5.1.2 基于MODIS的TLI时空变化格局 |
| 5.1.3 兴凯湖TLI年际变化的中俄差异分析 |
| 5.1.4 兴凯湖TLI月际分布的中俄差异分析 |
| 5.2 兴凯湖藻华时空演变格局 |
| 5.2.1 兴凯湖藻华提取和频次分布 |
| 5.2.2 兴凯湖年最大藻华爆发时空变化 |
| 5.2.3 兴凯湖藻华爆发频次空间分布 |
| 5.2.4 兴凯湖藻华年际演变分析 |
| 第6章 兴凯湖水质演变驱动因素分析 |
| 6.1 兴凯湖水质演变单因素分析 |
| 6.1.1 自然因素分析 |
| 6.1.2 中国境内经济因素 |
| 6.1.3 俄罗斯境内经济因素 |
| 6.2 兴凯湖水质演变多因素贡献率分析 |
| 6.2.1 中国境内驱动因素多因素贡献率分析 |
| 6.2.2 俄罗斯境内驱动因素多因素贡献率分析 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.2 不足和展望 |
| 参考文献 |
| 作者简历及攻读学位期间研究成果 |
| 致谢 |
（3）基于无人机高光谱的氮磷含量反演方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容及章节安排 |
| 2 高光谱数据特性以及水质反演相关理论介绍 |
| 2.1 高光谱遥感数据介绍 |
| 2.2 水质遥感的基本原理及方法 |
| 2.2.1 基本原理 |
| 2.2.2 方法 |
| 2.3 光谱曲线的相关特征波段选取 |
| 2.4 实验数据和评价标准 |
| 2.4.1 研究区域概况 |
| 2.4.2 实验数据获取 |
| 2.4.3 遥感数据预处理 |
| 2.4.4 评价标准 |
| 2.5 本章小结 |
| 3 基于信号匹配度的显着性波段选择方法的模型反演 |
| 3.1 基于信号匹配度的显着性波段选择方法 |
| 3.1.1 约束能量最小化 |
| 3.1.2 正交子空间投影算法 |
| 3.1.3 基于信号匹配度的显着性波段选择方法 |
| 3.2 反演模型的建立 |
| 3.2.1 最小二乘法计算原理 |
| 3.2.2 辽河入海口总氮的特征波段选择及反演 |
| 3.2.3 辽河入海口总磷的特征波段选择及反演 |
| 3.3 实验结果与分析 |
| 3.3.1 总氮反演模型精度检验 |
| 3.3.2 总磷反演模型精度检验 |
| 3.3.3 对比分析 |
| 3.3.4 反演模型的应用 |
| 3.4 总结与讨论 |
| 4 基于求解欠定方程组的模型反演方法 |
| 4.1 欠定方程组的求解 |
| 4.1.1 欠定方程组 |
| 4.1.2 QR分解 |
| 4.2 波段扩展方法 |
| 4.3 模型的建立 |
| 4.4 实验结果及分析 |
| 4.4.1 辽河入海口总氮的反演 |
| 4.4.2 辽河入海口总磷的反演 |
| 4.4.3 对比分析 |
| 4.4.4 反演模型的应用 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 论文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（4）基于多源遥感数据的白洋淀水质参数估算研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 Chl-a浓度的遥感估算研究进展 |
| 1.2.2 COD浓度的遥感估算研究进展 |
| 1.2.3 其他水质参数遥感估算研究进展 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 本章小结 |
| 2 水质遥感反演原理 |
| 2.1 水质遥感监测的原理 |
| 2.2 水质遥感监测常用数据源 |
| 2.2.1 星载多光谱遥感数据 |
| 2.2.2 星载高光谱遥感数据 |
| 2.2.3 非星载遥感数据 |
| 2.3 水质遥感反演方法 |
| 2.3.1 经验方法、半分析方法 |
| 2.3.2 物理方法 |
| 2.3.3 智能算法 |
| 2.4 本章小结 |
| 3 研究区概况及数据采集与处理 |
| 3.1 研究区概况 |
| 3.2 野外数据采集 |
| 3.2.1 主要仪器简介 |
| 3.2.2 野外水质数据采集 |
| 3.2.3 无人机数据采集 |
| 3.3 无人机数据和采样数据预处理 |
| 3.4 遥感数据源及预处理 |
| 3.4.1 遥感数据源 |
| 3.4.2 遥感数预处理 |
| 3.4.3 水体提取 |
| 3.5 本章小结 |
| 4 多源遥感数据的时空融合 |
| 4.1 时空融合方法 |
| 4.2 STNLFFM模型 |
| 4.3 多源遥感数据的时空融合 |
| 4.3.1 基于GF-4与Sentinel-2的时空融合 |
| 4.3.2 基于MODIS与Sentinel-2的时空融合 |
| 4.4 预测影像精度评价 |
| 4.4.1 精度评价方法 |
| 4.4.2 评价结果 |
| 4.5 本章小结 |
| 5 水质参数的估算研究 |
| 5.1 白洋淀水体光谱特征分析 |
| 5.2 基于半分析方法估算Chl-a浓度 |
| 5.3 基于神经网络模型水质参数浓度的估算 |
| 5.3.1 神经网络参数设置 |
| 5.3.2 Chl-a浓度的估算 |
| 5.3.3 COD浓度的估算 |
| 5.3.4 估算结果的对比与评价 |
| 5.4 本章小结 |
| 6 主要结论与展望 |
| 6.1 主要研究结论 |
| 6.2 展望 |
| 参考文献 |
| 个人简历 |
| 基本资料 |
| 研究生期间参与的项目与论文发表情况 |
| 致谢 |
（5）基于多源监测数据的邯郸市滏阳河水质反演技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水质遥感反演理论 |
| 1.2.1 基本原理 |
| 1.2.2 反演参数 |
| 1.2.3 研究方法 |
| 1.3 国内外研究进展及发展趋势 |
| 1.3.1 化学需氧量(COD)的遥感监测研究现状 |
| 1.3.2 总磷(TP)的遥感监测研究现状 |
| 1.3.3 总氮(TN)的遥感监测研究现状 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 论文章节结构 |
| 第2章 研究区、采样及遥感数据获取与处理 |
| 2.1 研究区概况 |
| 2.2 实测数据的收集与实验 |
| 2.2.1 水质采样 |
| 2.2.2 水质参数实测数据 |
| 2.3 卫星遥感数据的获取与处理 |
| 2.4 小结 |
| 第3章 无人机多光谱影像数据获取与预处理 |
| 3.1 无人机采集平台 |
| 3.2 多光谱传感器 |
| 3.3 研究区选择 |
| 3.4 方案设计 |
| 3.5 飞行准备 |
| 3.6 数据获取和外业数据检查 |
| 3.7 多光谱数据预处理 |
| 3.7.1 多光谱遥感数据几何校正和影像拼接 |
| 3.7.2 多光谱影像辐射校正 |
| 3.8 小结 |
| 第4章 水质参数反演及精度评价 |
| 4.1 水质反演参数确定及分析方法 |
| 4.1.1 化学需氧量(COD)反演模型参数 |
| 4.1.2 总磷(TP)反演模型参数 |
| 4.1.3 总氮(TN)反演模型参数 |
| 4.2 水质参数的反演结果及分析 |
| 4.2.1 化学需氧量(COD)反演结果验证与分析 |
| 4.2.2 总磷(TP)反演结果验证与分析 |
| 4.2.3 总氮(TN)反演结果验证与分析 |
| 4.3 小结 |
| 第5章 遥感数据反演结果与实测数据对比分析 |
| 5.1 化学需氧量(COD)水质参数的对比与评价 |
| 5.2 总磷(TP)水质参数的对比与评价 |
| 5.3 总氮(TN)水质参数的对比与评价 |
| 5.4 小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文和科研成果 |
| 致谢 |
| 作者简介 |
（6）卫星遥感在湖库水质监测中的有效性评价方法研究 ——以GF-1号卫星为例（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水质地面监测指标与监测方法现状 |
| 1.2.2 水质遥感监测研究现状 |
| 1.2.3 存在问题分析 |
| 1.3 研究目的、内容及技术路线 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 论文结构 |
| 2 水质遥感监测有效性判别的原理和方法 |
| 2.1 水质遥感监测原理 |
| 2.2 水质遥感监测有效性判别指标选取 |
| 2.2.1 水质遥感监测指标及反演计算方法 |
| 2.2.2 水质遥感监测有效性判别指标选取 |
| 2.2.3 水质遥感监测有效性判别方法 |
| 2.3 水质遥感可监测水体的水质时空变化分析 |
| 2.3.1 基于影像差异法分析时间变化特征 |
| 2.3.2 基于一元线性回归分析法分析空间变化趋势 |
| 3 研究区和数据 |
| 3.1 研究区域概括 |
| 3.2 遥感数据获取与处理 |
| 3.2.1 影像数据 |
| 3.2.2 GF-1影像数据预处理 |
| 3.3 水质地面监测数据获取与处理 |
| 4 基于GF-1号卫星影像的FUI指数的计算与修正 |
| 4.1 研究区FUI指数计算 |
| 4.2 FUI水色指数时间序列构建 |
| 4.3 本章小结 |
| 5 水质遥感监测有效性评价 |
| 5.1 遥感水色变化性评价 |
| 5.2 遥感与地面监测同步性评价 |
| 5.3 基于FUI指数的水质时空变化分析 |
| 5.3.1 时间变化分析 |
| 5.3.2 空间变化趋势分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（7）基于光谱特征的清河水库水质遥感反演模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 悬浮物浓度反演研究进展 |
| 1.2.2 叶绿素a浓度反演研究进展 |
| 1.2.3 总氮和总磷浓度反演研究进展 |
| 1.2.4 透明度和高锰酸盐指数反演研究进展 |
| 1.2.5 水质遥感反演方法及存在的问题 |
| 1.3 水质遥感定量监测原理 |
| 1.4 论文研究目的、内容和技术路线 |
| 1.4.1 研究目的 |
| 1.4.2 研究内容 |
| 1.4.3 技术路线 |
| 第二章 清河水库水体数据采集与处理 |
| 2.1 清河水库概况 |
| 2.2 实测数据的收集与处理 |
| 2.2.1 实测水质数据的获取 |
| 2.2.2 水体高光谱数据的获取 |
| 2.2.3 实测水质参数的处理与分析 |
| 2.2.4 水体高光谱数据的处理与分析 |
| 2.3 卫星遥感数据的获取 |
| 2.4 卫星数据的预处理 |
| 2.5 水库水体提取 |
| 2.6 本章小结 |
| 第三章 基于实测高光谱数据的水质反演 |
| 3.1 清河水库高光谱测量及特征分析 |
| 3.2 叶绿素a浓度反演模型的构建 |
| 3.2.1 叶绿素a与归一化、波段组合反射率的相关性分析 |
| 3.2.2 叶绿素a的一阶微分相关性分析 |
| 3.2.3 叶绿素a反演模型的构建与验证 |
| 3.3 透明度反演模型的构建 |
| 3.3.1 透明度与归一化、波段组合反射率相关性分析 |
| 3.3.2 透明度的一阶微分相关性分析 |
| 3.3.3 透明度反演模型的构建与验证 |
| 3.4 悬浮物反演模型的构建 |
| 3.4.1 归一化光谱、波段组合与悬浮物浓度的相关性分析 |
| 3.4.2 悬浮物的一阶微分相关性分析 |
| 3.4.3 悬浮物反演模型的构建与验证 |
| 3.5 高锰酸盐指数反演模型的构建 |
| 3.5.1 归一化光谱、波段组合与高锰酸盐指数的相关性分析 |
| 3.5.2 高锰酸盐指数的一阶微分相关性分析 |
| 3.5.3 高锰酸盐指数反演模型的构建与验证 |
| 3.6 总氮、总磷反演模型的构建 |
| 3.6.1 叶绿素a浓度与总磷、总氮的相关性分析 |
| 3.6.2 总氮、总磷原始光谱反演模型 |
| 3.6.3 总氮、总磷归一化反演模型 |
| 3.6.4 总氮、总磷波段组合算法反演 |
| 3.6.5 总氮、总磷一阶微分算法反演 |
| 3.6.6 总氮、总磷多元多次算法反演 |
| 3.6.7 模型验证和误差分析 |
| 3.7 基于实测光谱重采样模型构建 |
| 3.8 本章小结 |
| 第四章 基于HJ1A-1B卫星数据的水质反演 |
| 4.1 叶绿素a和悬浮物浓度的反演与分析 |
| 4.1.1 单波段与叶绿素a和悬浮物的相关分析 |
| 4.1.2 单波段反演模型的构建及误差分析 |
| 4.1.3 波段组合与叶绿素a和悬浮物的相关分析 |
| 4.1.4 叶绿素a和悬浮物浓度波段组合的反演模型 |
| 4.2 总氮、总磷浓度的反演与分析 |
| 4.2.1 总磷、总氮的单波段相关关系分析 |
| 4.2.2 总磷、总氮的波段组合相关关系分析 |
| 4.2.3 总氮、总磷单波段反演模型 |
| 4.2.4 总氮、总磷波段组合反演模型 |
| 4.3 高锰酸盐指数和透明度的反演与分析 |
| 4.3.1 高锰酸盐指数、透明度与单波段的相关关系 |
| 4.3.2 高锰酸盐指数、透明度与波段组合的相关关系 |
| 4.3.3 单波段回归模型的构建 |
| 4.3.4 波段组合回归模型的构建及验证 |
| 4.4 本章小结 |
| 第五章 基于最小二乘方法的水质反演 |
| 5.1 偏最小二乘回归模型对清河水库水质的反演 |
| 5.1.1 偏最小二乘回归分析的原理 |
| 5.1.2 偏最小二乘回归分析的简便算法 |
| 5.1.3 偏最小二乘回归模型的建立与反演 |
| 5.2 最小二乘支持向量机模型对清河水库水质的反演 |
| 5.2.1 最小二乘支持向量机的原理 |
| 5.2.2 夏季水质参数的反演与比较 |
| 5.2.3 秋季水质参数的反演与比较 |
| 5.2.4 春季水质参数的反演与比较 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 论文主要创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位论文期间发表文章 |
（8）基于多源遥感影像的潘家口—大黑汀水库水质变化监测与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 内陆水质遥感监测研究进展 |
| 1.2.2 潘家口-大黑汀水库水质监测与分析现状 |
| 1.3 论文研究框架 |
| 1.3.1 论文研究目的 |
| 1.3.2 论文研究内容 |
| 1.3.3 论文技术路线 |
| 1.4 论文结构 |
| 2 研究区概况与实验数据 |
| 2.1 研究区概况 |
| 2.2 研究数据 |
| 2.2.1 地面监测数据 |
| 2.2.2 遥感影像数据 |
| 2.3 遥感影像预处理 |
| 2.3.1 Sentinel-2 MSI数据预处理 |
| 2.3.2 GF-1 WFV数据预处理 |
| 2.3.3 Landsat-8 OLI数据预处理 |
| 3 基于多源遥感影像潘大水库水质遥感反演技术研究 |
| 3.1 研究原理与方法 |
| 3.1.1 水质遥感反演原理与方法 |
| 3.1.2 集合建模原理与方法 |
| 3.2 基于实测数据的多源遥感影像大气校正光谱分析 |
| 3.3 水质参数遥感反演模型构建 |
| 3.3.1 GF-1 WFV数据反演模型构建 |
| 3.3.2 Sentinel-2 MSI数据反演模型构建 |
| 3.3.3 Landsat-8 OLI数据反演模型构建 |
| 3.4 多源遥感影像水质反演模型融合研究 |
| 3.4.1 多源遥感影像反演结果差异性分析 |
| 3.4.2 多源遥感影像集合模型构建与精度评价 |
| 3.5 小结 |
| 4 基于遥感影像的水质参数反演与时空变化分析 |
| 4.1 GF-1 WFV影像长时间序列水质参数反演的处理流程 |
| 4.2 潘大水库水质参数时序反演结果与时空变化分析 |
| 4.3 小结 |
| 5 基于卫星遥感和地面观测的水质变化分析 |
| 5.1 地面水质监测数据分析 |
| 5.2 溶解氧水质空间分布变化区域性分析 |
| 5.3 总磷地面监测变化与遥感影像空间分布变化的同步分析 |
| 5.4 小结 |
| 6 结论与展望 |
| 6.1 论文主要结论 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录A 水质参数反演图 |
| 攻读学位期间的研究成果 |
（9）基于遥感技术的湖泊水质叶绿素a浓度监测及富营养化评价研究 ——以贵阳市百花湖为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及趋势 |
| 1.2.1 湖泊水质遥感监测原理 |
| 1.2.2 叶绿素a浓度遥感监测方法 |
| 1.2.3 富营养化遥感评价研究进展 |
| 1.2.4 水质遥感监测的发展趋势 |
| 1.3 研究目标、内容和研究方法 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.3.4 技术路线 |
| 1.4 论文组织结构安排 |
| 2 研究区概况与数据源 |
| 2.1 研究区概况 |
| 2.1.1 自然地理概况 |
| 2.1.2 百花湖叶绿素a与其它水质参数的关系 |
| 2.2 实验数据及获取 |
| 2.3 光谱数据获取 |
| 2.3.1 仪器介绍 |
| 2.3.2 光谱数据获取 |
| 2.4 遥感影像数据获取与处理 |
| 2.4.1 环境一号卫星概况 |
| 2.4.2 环境一号卫星数据获取 |
| 2.4.3 环境一号卫星数据预处理 |
| 2.5 本章小结 |
| 3 百花湖叶绿素A光谱特征分析及识别 |
| 3.1 叶绿素a光谱特征分析 |
| 3.1.1 水体光谱特征 |
| 3.1.2 叶绿素含量对水体光谱特征的影响 |
| 3.1.3 研究区叶绿素a光谱特征分析 |
| 3.2 基于实测光谱的叶绿素a敏感波段确定 |
| 3.3 基于环境1号CCD数据的叶绿素a敏感波段确定 |
| 3.3.1 实测光谱曲线与CCD波段光谱位置对比关系 |
| 3.3.2 波段等效变换 |
| 3.3.3 敏感波段的确定 |
| 3.4 本章小结 |
| 4 百花湖叶绿素A浓度遥感反演模型构建 |
| 4.1 基于地面实测光谱的叶绿素a估算模型 |
| 4.1.1 不同叶绿素a反演模型构建 |
| 4.1.2 不同反演模型结果对比 |
| 4.1.3 模型验证 |
| 4.1.4 不同营养状况下叶绿素a的估算模型 |
| 4.2 基于环境1 号卫星CCD数据的叶绿素a反演模型 |
| 4.2.1 叶绿素a浓度反演模型的建立 |
| 4.2.2 误差分析及模型检验 |
| 4.2.3 反演结果应用 |
| 4.3 本章小结 |
| 5 百花湖富营养化评价模型确立 |
| 5.1 水体富营养化评价方法 |
| 5.1.1 湖(库)富营养化成因及其表现 |
| 5.1.2 湖泊(水库)富营养化评价方法 |
| 5.1.3 富营养化状况评价指标的选取 |
| 5.2 水体富营养化状态评价 |
| 5.2.1 富营养化评价模型的确定 |
| 5.2.2 湖泊(水库)富营养化等级划分 |
| 5.3 富营养化评价结果 |
| 5.4 评价结果验证 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的论文 |
（10）湖库水质遥感和水动力水质模型数据同化理论方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 湖库水质遥感研究进展 |
| 1.2.2 水动力水质模型研究进展 |
| 1.2.3 水动力水质模型数据同化研究进展 |
| 1.3 拟解决的关键科学问题 |
| 1.4 主要研究内容和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.4.3 论文结构 |
| 第二章 水动力水质模型数据同化技术框架研究 |
| 2.1 引言 |
| 2.2 水质原位观测 |
| 2.3 水质遥感监测 |
| 2.4 二维水动力水质模型 |
| 2.4.1 二维水动力模型 |
| 2.4.2 二维水动力-污染物输运模型 |
| 2.4.3 二维水质模型 |
| 2.5 粒子滤波数据同化算法 |
| 2.6 水动力水质模型同化框架 |
| 2.7 本章小结 |
| 第三章 基于多源数据的湖库水质遥感监测研究 |
| 3.1 引言 |
| 3.2 基于集合建模技术的水质遥感反演方法 |
| 3.2.1 叶绿素a浓度遥感反演集合建模方法 |
| 3.2.2 叶绿素a浓度集合建模方法应用 |
| 3.3 基于灾变离散粒子群-偏最小二乘法的水质遥感反演方法 |
| 3.3.1 偏最小二乘模型 |
| 3.3.2 灾变离散粒子群算法 |
| 3.3.3 灾变离散粒子群-偏最小二乘法水质反演模型 |
| 3.3.4 数据获取和处理 |
| 3.3.5 模型应用 |
| 3.4 考虑水生植物物候特征的草型湖泊水质遥感监测方法 |
| 3.4.1 数据获取和处理 |
| 3.4.2 草型湖泊水体总悬浮物浓度和浊度遥感监测方法 |
| 3.4.3 水生植物物候特征识别 |
| 3.4.4 微山湖水生植物时空变化监测 |
| 3.4.5 水生植物对水质的指示作用 |
| 3.4.6 微山湖水质时空变化分析 |
| 3.5 本章小结 |
| 第四章 基于改进自适应网格的二维水动力模型 |
| 4.1 引言 |
| 4.2 基于改进自适应网格二维水动力模型构建 |
| 4.2.1 传统自适应网格生成技术 |
| 4.2.2 改进自适应网格生成技术 |
| 4.3 基于改进自适应网格二维水动力模型并行化改造 |
| 4.3.1 水动力模型并行设计 |
| 4.3.2 并行区构造 |
| 4.3.3 循环并行化 |
| 4.3.4 并行计算效率评估 |
| 4.4 基于改进自适应网格和并行计算二维水动力模型验证 |
| 4.4.1 三驼峰案例 |
| 4.4.2 Toce河溃坝案例 |
| 4.4.3 Malpasset 溃坝案例 |
| 4.5 基于改进自适应网格的二维水动力模型应用 |
| 4.5.1 鄱阳湖概况 |
| 4.5.2 鄱阳湖水动力过程模拟 |
| 4.6 本章小结 |
| 第五章 二维水动力模型不确定性分析与数据同化 |
| 5.1 引言 |
| 5.2 水动力模型参数不确定性分析方法 |
| 5.2.1 LHS-GLUE不确定分析性方法 |
| 5.2.2 SCEM-UA不确定性分析方法 |
| 5.2.3 敏感性分析方法 |
| 5.3 Manning糙率系数不确定性分析 |
| 5.3.1 基于LHS-GLUE的 Manning糙率不确定分析 |
| 5.3.2 基于SCEM-UA的 Manning糙率不确定分析 |
| 5.3.3 两种不确定性分析方法对比 |
| 5.3.4 Manning糙率系数敏感性分析 |
| 5.4 水动力模型粒子滤波数据同化 |
| 5.4.1 精度评价指标 |
| 5.4.2 模型精度评价 |
| 5.4.3 水动力模型粒子滤波同化流程 |
| 5.4.4 粒子滤波数据同化参数敏感性分析 |
| 5.4.5 MPFDA-LW同化效果 |
| 5.4.6 PFDA-GW同化效果 |
| 5.4.7 MPFDA-LW和 PFDA-GW同化效果对比 |
| 5.4.8 数据同化特性讨论 |
| 5.5 本章小结 |
| 第六章 基于改进自适应网格的二维水质模型 |
| 6.1 引言 |
| 6.2 基于改进自适应网格的二维水流-污染物输运模型 |
| 6.2.1 均匀流场条件下浓度峰输运模拟 |
| 6.2.2 静水条件下的水流-物质输运模拟 |
| 6.2.3 均匀浓度的溃坝水流-输运模拟 |
| 6.2.4 非均匀浓度的溃坝水流-输运模拟 |
| 6.2.5 Toce溃坝水流下点源污染物输运模拟 |
| 6.2.6 Malpasset溃坝水流下点源污染物输运模拟 |
| 6.3 基于改进自适应网格的二维水质模型 |
| 6.3.1 鄱阳湖水质模型构建 |
| 6.3.2 鄱阳湖水质模拟 |
| 6.4 本章小结 |
| 第七章 二维水质模型数据同化 |
| 7.1 引言 |
| 7.2 鄱阳湖水质模型数据同化方案设计 |
| 7.2.1 数据收集 |
| 7.2.2 同化方案设计 |
| 7.2.3 同化流程 |
| 7.3 基于多源观测数据的鄱阳湖水质模型数据同化 |
| 7.3.1 叶绿素a浓度同化效果分析 |
| 7.3.2 同化前后叶绿素a浓度先后验分布 |
| 7.3.3 参数动态更新 |
| 7.3.4 讨论 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 博士期间参加的项目和主要学术成果 |
| 致谢 |
四、表面水质遥感监测研究（论文参考文献）
- [1]基于多元曲线分辨与洛伦兹谱形约束的叶绿素a定量反演研究[D]. 王闯. 北华航天工业学院, 2021(06)
- [2]国际界湖水质遥感反演及时空演变分析 ——以兴凯湖为例[D]. 房冲. 中国科学院大学(中国科学院东北地理与农业生态研究所), 2020(05)
- [3]基于无人机高光谱的氮磷含量反演方法研究[D]. 李恩. 大连海事大学, 2020(01)
- [4]基于多源遥感数据的白洋淀水质参数估算研究[D]. 胡辉辉. 郑州大学, 2020(02)
- [5]基于多源监测数据的邯郸市滏阳河水质反演技术研究[D]. 彭占山. 河北工程大学, 2020(08)
- [6]卫星遥感在湖库水质监测中的有效性评价方法研究 ——以GF-1号卫星为例[D]. 姜倩. 兰州交通大学, 2020(01)
- [7]基于光谱特征的清河水库水质遥感反演模型研究[D]. 殷飞. 沈阳农业大学, 2019(03)
- [8]基于多源遥感影像的潘家口—大黑汀水库水质变化监测与分析[D]. 王珊. 兰州交通大学, 2019(03)
- [9]基于遥感技术的湖泊水质叶绿素a浓度监测及富营养化评价研究 ——以贵阳市百花湖为例[D]. 黄启会. 贵州师范大学, 2019(03)
- [10]湖库水质遥感和水动力水质模型数据同化理论方法研究[D]. 曹引. 东华大学, 2019(03)