“R语言+遥感”的水环境综合评价方法
前沿
1、R语言及水环境数据分析方法
2、水环境遥感数据预处理方法
3、水线提取——水体指数与阈值混合法（遥感）
4、水深提取——多元回归分析方法（R语言+遥感）
5、水温提取——支持向量机方法（R语言+遥感）
6、水质提取——神经网络分析方法（R语言+遥感）
7、水环境遥感信息提取结果的可视化制图方法（R语言）
一，R语言
1.1 R语言特点（R语言）1.2 安装R（R语言）1.3 安装RStudio（R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 world（R语言）
（1）Hello world（2）R语言基础（3）R语言数值计算（4）R语言常用函数
（5）R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
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（2）Gram-Schmidt融合的实现
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0（3）阈值的实现（4）水线的提取
3.3 裁剪湖泊数据
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（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
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
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
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
（1）LayerStacking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
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