|
|
主要内容：
一、水线提取——水体指数与阈值混合法（遥感）
水体指数计算
（1）加载数据
（2）计算水体指数
阈值法确定水线
（1）感兴趣区的建立
（2）背景像素设置为0
（3）阈值的实现
（4）水线的提取
裁剪湖泊数据
二、水深提取——多元回归分析方法（R语言+遥感）
应用太阳辐射波段的模型理论
水深数据的获取方法
加载影像
水面实测数据
假设条件
数据整理
将数据导入R语言
采用R语言进行相关性检验
（1）相关性检验原理
（2）R语言语法
（3）进行相关性分析
（4）绘制相关性图
（5）建立多元线性回归模型
（6）水深的多元线性回归模型
数字制图
精度验证
（1）打开结果影像
（2）打开精度评价模板
（3）查询实测水深
（4）分析提取精度
三、水温提取——支持向量机方法（R语言+遥感）
水体表面温度反演的原理
Landsat8卫星热红外波段
热辐射传导方程
地表热信息的提取方法实现
（1）打开数据
（2）图像辐射定标
（3）地表比辐射率计算
（4）黑体辐射亮度与地表温度计算
（5）地表温度计算结果
（6）图像裁剪
（7）颜色制图
（8）温廓线的制作
（9）采集精确地理位置的温度值
水温预测的R语言实现
（1）技术背景
（2）导入数据
（3）数据的预览与检查
（4）使用支持向量机完成数据分类
（5）基于支持向量机训练模型实现水温预测
R语言绘制预测值与实测值的对比图
（1）绘制基本散点图
（2）基于颜色和点形对数据进行分组
（3）映射连续型变量
（4）处理散点重叠
（5）添加回归模型拟合线
（6）向散点图添加边际地毯
（7）向散点图添加标签
四、水质提取——神经网络分析（R语言+遥感）
水体成分反演的原理
加载影像
建立成分含量指数模型
生成12个参量的光谱数据集
（1）LayerStacking生成数据集
（2）提取采样点的光谱参量
水面实测数据与光谱参量的数据集
R语言预测水质成分含量
（1）技术背景
（2）导入数据
（3）安装nnet包
（4）预测叶绿素、氮、磷、钾含量
（5）绘制叶绿素、氮、磷、钾神经网络图
五、水环境遥感信息提取结果的可视化制图（R语言）
叶绿素、泥沙、悬浮物关系图
（1）单色显示图
（2）渐变色填充显示图
（3）渐变色与不同形状填充显示图
水深与水温相关系数图
（1）相关热力图
（2）变化情况图
水温数据的可视化制图
（1）散点分布图
（2）柱状分布图
水质数据的可视化制图
（1）时间序列峰峦图
（2）量化波形图
（3）日历图
详情请见附件。
|
|
雷达卡
发表于 2020-6-9 11:12
提升卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
