本站原创
摘要：海洋悬浮物浓度是非常重要的水质参数之一，海水中悬浮物含量的多少直接影响水体透明度、浑浊度、水色等光学性质，同时，其与海洋温度、海水盐度和海面风场等海洋理化性质密切相关，由此，海洋悬浮物遥感反演探讨是海洋水质监测的重要手段之一，作用重大。本论文利用实测的悬浮物浓度数据和准同步的光学数据（TM影像）及雷达数据（Radarsat-2影像），获取光学特点因子和雷达特点因子，以而建立了基于支持向量机的海洋悬浮物浓度遥感反演模型，具体步骤如下所述：（1）数据准备及预处理。在进行探讨之前，对TM影像进行几何校正、大气校正等预处理，消除大气干扰；对Radarsat-2影像进行滤波处理和掩模处理，消除斑点噪声。（2）通过对TM影像各波段及波段组合的光谱反射率与悬浮物浓度的相关浅析，选取TM2、TM3和（TM2+TM3）/（TM2/TM3）为悬浮物的光学特点因子，在此基础上，得到悬浮物浓度的光学反演模型为y=0.002x~2-0.01x-0.65，其中x为TM3。（3）利用Radarsat-2影像四种极化方式下的后向散射系数建立反演模型，通过浅析，选择HH和VV为悬浮物的雷达特点因子，并得到悬浮物浓度的雷达反演模型为y=-0.01x~2+0.03x+9.68，其中x为HH。（4）通过对支持向量机输入参数、核函数和内部参数的探讨，得到本探讨最优的SVM反演模型是以VV、HH、（TM2+TM3）/（TM2/TM3）、TM2、TM3为输入参数，以RBF核函数为核函数，内部参数C=100，σ~2=0.1时建立的SVM模型。通过上面陈述的探讨，得到以下结论:（1）海洋悬浮物与TM各波段光谱反射率以及Radarsat-2四种极化下的后向散射系数呈正相关。（2）利用单一数据的光学模型和雷达模型精度低于结合光学数据和雷达数据的线性回归模型和SVM反演模型。这是因为单纯的光学遥感和雷达遥感都有自身无法克服的缺点，而结合两者可以达到互补的优势。（3）在结合策略上，SVM要优于简单的多元线性回归浅析。SVM能够很好的解决小样本、非线性、高维数等不足，这些特点正好适合海洋悬浮物浓度的反演复杂性。关键词：海洋悬浮物浓度论文TM影像论文Radarsat-2影像论文相关浅析论文支持向量机论文
摘要5-6
Abstract6-9
1 绪论9-16
1.1 选题背景9
1.2 国内外探讨近况9-12
1.2.1 海洋遥感的进展历程9-10
1.2.2 遥感反演海洋悬浮物的探讨进展10-12
1.3 探讨目的和内容12-15
1.3.1 探讨作用12-13
1.3.2 探讨思路和技术路线13-14
1.3.3 探讨难点与重点14-15
1.4 论文组织15-16
2 海洋悬浮物浓度遥感反演机理16-25
2.1 大气辐射传输论述16-18
2.2 海洋悬浮物的光学特点18-20
2.3 海洋悬浮物的微波特点20-25
2.3.1 微波遥感的起源与进展20-22
2.3.2 合成孔径雷达的成像原理22-23
2.3.3 海洋悬浮物在雷达遥感影像上的响应23-25
3 数据采集及预处理25-31
3.1 探讨区概况25
3.2 数据采集25-26
3.3 TM 影像预处理26-28
3.3.1 几何校正26
3.3.2 大气校正26-28
3.3.3 平滑处理28
3.4 RADARSAT-2 影像预处理28-31
4 海洋悬浮物浓度遥感反演模型建立31-45
4.1 支持向量机概述31-34
4.1.1 支持向量机基本原理31-33
4.1.2 支持向量机核心技术33
4.1.3 支持向量机回归建模步骤33-34
4.2 光学特点因子提取及建模34-37
4.3 雷达特点因子提取及建模37-38
4.4 支持向量机模型的建立及检验38-45
4.4.1 输入参数的选择38-39
4.4.2 核函数及其参数的选择39-41
4.4.3 结果浅析41-45
5 总结与展望45-48
5.1 结论45-46
5.2 展望46-48
致谢48-50