当前位置:首页 > 天文地球
基于3S技术的乌梁素海湿地水环境研究
基于3S技术的乌梁素海湿地水环境研究

基于3S技术的乌梁素海湿地水环境研究PDF电子书下载

天文地球

  • 电子书积分:9 积分如何计算积分?
  • 作 者:李畅游,孙标著
  • 出 版 社:北京:科学出版社
  • 出版年份:2013
  • ISBN:9787030389152
  • 页数:188 页
图书介绍:本专著为作者在多年研究的基础上,应用3S技术方法对乌梁素海湿地水环境演化及富营养化状况进行的系统研究成果。主要内容包括:研究区的概况、样品采集测试及遥感数据处理方法,水环境污染现状分析,水环境管理评价信息系统研究,乌梁素海近150年来的演化,水色及水深遥感反演,水质遥感反演模型,富营养化状态的模糊模式识别等。
《基于3S技术的乌梁素海湿地水环境研究》目录

第1章 绪论 1

1.1 引言 1

1.2 3S技术在湖泊湿地的研究动态 4

1.3 湖泊湿地演化的研究动态 5

1.4 遥感水质监测的研究动态 7

1.4.1 叶绿素a遥感监测的研究动态 8

1.4.2 悬浮物遥感监测的研究动态 9

1.4.3 其他水质参数遥感监测的研究动态 10

1.5 遥感技术评价湖泊营养状态的研究动态 11

参考文献 11

第2章 研究区概况、样品采集测试及遥感数据处理方法 17

2.1 研究区概况 17

2.1.1 地理位置及其形态概况 17

2.1.2 流域灌排系统概况 18

2.1.3 研究区气候特征 19

2.1.4 入湖水量与河套灌区引水的关系 21

2.2 采样点布置与样品测试方法 22

2.2.1 采样点布置 22

2.2.2 样品采集和测试方法 23

2.3 Landsat影像及预处理方法 24

2.3.1 Landsat影像描述 24

2.3.2 几何纠正 26

2.3.3 辐射定标 26

2.3.4 大气校正 27

2.3.5 水体提取 28

参考文献 30

第3章 乌梁素海水环境污染现状分析 32

3.1 入湖干渠现状及污染负荷分析 32

3.2 乌梁素海水体污染现状分析 35

3.2.1 插值方法的对比与选择 35

3.2.2 水质参数插值分析与讨论 40

3.3 湖面污染定量分析 47

3.4 结论与讨论 49

参考文献 50

第4章 基于GIS的乌梁素海水环境管理评价信息系统研究 51

4.1 系统总体设计方案 51

4.1.1 软件的选择及应用 51

4.1.2 系统技术实施路线 52

4.1.3 总体设计的基本原则 52

4.1.4 总体功能设计 53

4.1.5 系统集成 53

4.2 系统的开发与实现 54

4.2.1 系统开发环境 54

4.2.2 系统界面设计 54

4.2.3 规范模块 68

4.2.4 帮助模块 68

4.3 系统的发布与应用 69

4.3.1 系统的打包及发布 69

4.3.2 系统的应用 69

4.4 结论与讨论 81

参考文献 81

第5章 基于3S技术的乌梁素海近150年来的演化研究 83

5.1 地理环境的变迁 83

5.1.1 黄河的改道 83

5.1.2 乌梁素海的形成与发展 83

5.2 湿地演变的遥感解译 87

5.3 面积萎缩与沼泽化分析 91

5.4 延缓湖泊沼泽化的主要措施 96

5.5 结论与讨论 97

参考文献 97

第6章 乌梁素海水色及水深遥感反演 99

6.1 水色遥感的理论基础及物理特征 99

6.1.1 水色遥感的物理特征 99

6.1.2 乌梁素海水色特征 99

6.2 悬浮固体遥感原理 100

6.2.1 水体提取 101

6.2.2 水体及背景地物的光谱特征分析 101

6.3 用光谱混合分析法计算悬浮固体浓度 102

6.3.1 地物反射波谱特征 102

6.3.2 多光谱混合分析法 104

6.3.3 乌梁素海悬浮物浓度的计算 106

6.4 乌梁素海水深数据提取及反演 110

6.4.1 遥感推测水深的基本原理 110

6.4.2 研究水域的裁取 111

6.4.3 水深遥感模式的建立 111

6.4.4 水深数据的反演结果 112

6.4.5 实测等深线图与计算等深线图比较与分析 114

6.5 结论与讨论 117

参考文献 118

第7章 基于径向基人工神经网络的乌梁素海水质遥感反演模型 120

7.1 湖泊水质遥感监测理论与方法 120

7.1.1 湖泊水质遥感监测的原理 120

7.1.2 湖泊水质遥感监测指标 122

7.1.3 湖泊水质遥感监测方法 123

7.1.4 湖泊水质遥感监测的数据源 125

7.2 径向基人工神经网络理论与方法 127

7.2.1 径向基人工神经网络的网络结构 127

7.2.2 径向基神经网络的计算原理 128

7.2.3 径向基神经网络在MATLAB中的实现 130

7.3 湖泊水质指标敏感波段及波段组合的选择 131

7.3.1 实测光谱数据与水质指标特征波段的敏感性分析 132

7.3.2 TM波段数据的水质指标特征波段的敏感性分析 136

7.4 湖泊水质遥感RBF人工神经网络构建 139

7.4.1 对原始数据进行规一化处理 141

7.4.2 训练样本和验证样本的划分 141

7.4.3 建立RBF神经网络 141

7.4.4 网络仿真和反规一化处理 143

7.5 湖泊水质遥感RBF人工神经网络模型的精度分析 143

7.6 湖泊水质遥感RBF人工神经网络模型的应用 145

7.7 结论与讨论 153

参考文献 153

第8章 基于实测水质数据与反演水质的湖泊富营养化状态的模糊模式识别 155

8.1 湖泊富营养化状态模糊模式识别理论 155

8.1.1 湖泊富营养化评价方法 155

8.1.2 模糊模式识别理论的发展 155

8.1.3 模糊模式识别交叉迭代模型 156

8.2 湖泊水质数据异常值检验和统计特征分析 158

8.3 湖泊富营养化状态的模糊模式识别 160

8.3.1 识别指标标准特征值矩阵Y和特征值矩阵X的构建 160

8.3.2 富营养化等级的模糊模式识别 161

8.4 模糊模式识别结果与实际情况的对比分析验证 164

8.4.1 湖泊水质监测结果分析 164

8.4.2 水质监测结果与富营养化状态识别结果对比分析验证 167

8.5 基于水质遥感反演的湖泊富营养化状况的模糊模式识别 168

8.5.1 遥感反演的湖泊区富营养化状态的模糊模式识别 168

8.5.2 富营养化状态识别结果分析 170

8.6 结论与讨论 173

参考文献 174

附录 175

返回顶部