查看原文https://mp.weixin.qq.com/s/Ee7nRjTMt4Va_vR4pY0AZw目录专题一R语言概述专题二遥感数据预处理专题三水线提取——水体指数与阈值混合法遥感专题四水深提取——多元回归分析方法R语言遥感专题五水温提取——支持向量机方法R语言遥感专题六水质提取——神经网络分析R语言遥感专题七水环境遥感信息提取结果的可视化制图R语言前言整套技术体系以 R 语言搭配遥感技术为核心先完成 R、RStudio 软件部署、基础语法与水环境表格数据读写、统计分析、混淆矩阵精度验证等基础操作再系统学习水环境遥感基础理论、多源影像获取、辐射定标、大气校正、Gram-Schmidt 影像融合等预处理流程依托水体指数结合阈值法实现水域边界提取与研究区裁剪随后分别采用多元回归结合实测数据反演水深、支持向量机模型反演地表水温、神经网络算法估算叶绿素、氮磷钾等各类水质组分全过程依托 R 完成波段相关性分析、模型训练、实测对比与精度校验最后运用 R 的绘图工具绘制水体参数单色 / 渐变分布图、相关热力图、时序峰峦图、日历图、散点拟合图等多样化科研可视化图表同时可结合自有流域实测数据开展完整评价方案设计与案例复盘梳理形成从遥感影像预处理、水体要素定量反演、统计建模到结果可视化的水环境综合分析完整工作链条。内容简述专题一R语言概述1.1 R语言特点R语言1.2 安装RR语言1.3 安装RStudioR语言1下载地址2安装步骤3软件配置1.4 第一个程序Hello worldR语言1Hello world2R语言基础3R语言数值计算4R语言常用函数5R语言数据输入方法1.5 案例形式的R语言语法基础学习R语言1读取水环境数据源2设置路径3使用read.csv读取数据4根据数据类型进行转化5水环境数据基础分析6水环境数据高级分析7基于决策树预测验证正确数据特点8基于混淆矩阵验证预测结果专题二遥感数据预处理2.1 遥感水环境污染评价理论遥感1水环境遥感原理2水环境遥感建模方法2.2 遥感数据获取方法遥感2.3 遥感数据辐射校正方法遥感1加载和显示数据2辐射定标3大气校正2.4 遥感数据高清融合方法遥感1融合的原理2Gram-Schmidt融合的实现专题三水线提取——水体指数与阈值混合法遥感3.1 水体指数计算1加载数据2计算水体指数3.2 阈值法确定水线1感兴趣区的建立2背景像素设置为03阈值的实现4水线的提取3.3 裁剪湖泊数据专题四水深提取——多元回归分析方法R语言遥感4.1 应用太阳辐射波段的模型理论4.2 水深数据的获取方法4.3 加载影像4.4 水面实测数据4.5 假设条件4.6 数据整理4.7 将数据导入R语言4.8 采用R语言进行相关性检验1相关性检验原理2R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4.9 数字制图4.10 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分析提取精度专题五水温提取——支持向量机方法R语言遥感5.1 水体表面温度反演的原理5.2 Landsat8卫星热红外波段5.3 热辐射传导方程5.4 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5.5 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5.6 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向散点图添加标签专题六水质提取——神经网络分析R语言遥感6.1 水体成分反演的原理6.2 加载影像6.3 建立成分含量指数模型6.4 生成12个参量的光谱数据集1LayerStacking生成数据集2提取采样点的光谱参量6.5 水面实测数据与光谱参量的数据集6.6 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、钾神经网络图专题七水环境遥感信息提取结果的可视化制图R语言7.1 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7.2 水深与水温相关系数图1相关热力图2变化情况图7.3 水温数据的可视化制图1散点分布图2柱状分布图7.4 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