论文答辩ppt讲解doc

《论文答辩ppt讲解doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、生态水信息指标参数反演模型研究—以岷江上游毛尔盖地区土壤含水量为例开场语1：各位评委老师，大家下午好，我是应用数学的***，导师是***副教授，我的论文题目是：生态水信息指标参数反演模型研究。2：下面我将从以下五个方面对我的论文写作进行阐述。一、选题背景和选题意义3：先看第一个：选题背景及其意义4：水文循环系统耦合了大气、土壤、植被等诸多因素。作为水文循环的一个重要实体-生态水（层），包含这三部分水分，它是水循环和水资源监测的重要内容。生态水主要用于蒸发补充地表地下水，起着平衡作用，在水文循环系统中占有重要地位。5：本文选择

2、岷江上游毛尔盖地区作为研究区，研究区是跨松潘县和黑水县的部分区域。区内土壤垂直分异显著，土壤类型复杂，但同时土壤质量较差，水分严重亏损等，致使水资源涵养功能变弱，因此，研究该地区土壤水分成为改善其生态环境的关键。岷江上游生态环境的恶化严重威胁着成都平原，所以本文的研究十分有意义。二、研究思路和研究方法6：接下来看研究思路和研究方法7：本文根据收集的研究区降水、土壤特性等资料，对实测土壤水分数据和光谱数据进行处理，并对光谱反射率做了不同的数学变换，结合国内外对土壤水分研究的基础知识，从而选出土壤水分的敏感波段，进而建立土壤含水

3、量的遥感反演模型，并对模型进行结果分析和综合评价。三、建模原理与数据处理8：第三：建模原理与数据处理9：在对土壤光谱特性进行分析的基础上，研究发现，在母质等因素相同的条件下，光谱反射率与土壤水分之间的关系异常明显。一定程度上，随着土壤水分的降低，反射率反而增加，并且含水量较低的光谱反射率对土壤水分更加敏感。本文正是根据两者的关系来建立研究区的土壤含水量模型。10：为了保证土壤样本的代表性和反演结果的准确性，本文选取多点采集的方法，共采集26个采样点数据。对土壤水分数据，按土壤重量表示法公式用烘干法处理，表中这两列为计算得到的

4、相对含水量。本文的光谱数据是室内测量数据。每个土壤采样点分别重复测量3次，每次测量包含3个数值，所以每个采样点处共有9个光谱反射率值。这幅图是A001采样点处的光谱曲线图，这幅是A016点处的光谱曲线图。本文对光谱数据进行了反射率平均、平滑去噪两方面的处理。下面看具体处理步骤。11：本文将每个样本点处实测的9次光谱数据求均值，将此平均值作为此采样点处的光谱反射率值，这两幅图分别是A001和A016采样点处的均值处理图12：本文采用五点移动平均法对均值后的光谱数据进行平滑去噪，3这是平滑去噪效果图，将图中局部放大可以看到平滑处

5、理后，整体曲线明显更加平滑，锯齿相对较少，部分消除了高频成分且保持了原有光谱曲线的特征趋势。四、模型建立及其验证13：第四：模型建立及其验证14：原始光谱数据经多种数学变换，明显表现出对光谱敏感的差异性。例如倒数变换可以很大程度上消除反射率的非线性影响；对数变换不仅可以增强可见光区的光谱差异，还可以减少因光照条件变化引起的乘性因素影响；微分变换也有这三方面的作用。15：基于此，本文对土壤光谱反射率进行了六种不同的数学变换。这是变换图，从图中可以看出，变换后图形有了比较明显的光谱差异，尤其是反射率微分变换曲线。16：利用此差异

6、性进行敏感波段的选择，在土壤模型建立中，只有与土壤水相关性大的波段数据才能用于土壤水份的动态监测。本文先后通过两步来完成敏感波段的选择。第一步，先运用相关分析方法，计算光谱反射率和土壤含水量的相关系数，初步寻找土壤水分的敏感波段。这是反射率数据及其各种变换值与土壤含水率的相关系数图。选取其中相关系数比较大的波段，但为了避免共线性，也不是所有相关系数大的波段都会选为敏感波段，表中列出了各数学变换选择的敏感波段和相关系数。17：第二步，在初步选择的基础上再运用多元逐步回归，选择Matlab软件中逐步回归命令stepwise实现最

7、终敏感波段的确定。此处以反射率对数变换模型为例进行说明。在结果图窗口中，x1—x5分别代表初步选择的5个敏感波段584、……1933处的光谱反射率值，其中x1、x2、x4点后的点与线都变成蓝色，且与中心零线不相交，而相应的x3、x5点处的点与线仍然是红色，说明x3、x5的回归系数不排除为零，故这两个变量对因变量不显著，从初始变量集合中被剔除出回归方程，同时窗口右侧Nextstep的显示“Movenoterm”，更说明此时没有变量需要引入回归方程，也没有变量需要剔除回归方程了，此时所剩的x1、x2、x4代表的584、1070、

8、1933三个波段就为最终的敏感波段。从图形窗口中可依次得到x1、x2、x4点的回归系数，从窗口中间还可得到回归方程的截距，所以建立的回归方程为。除此之外还可以得到决定系数为0.873731，F统计量为25.3719。这是计算出来的反射率对数变换模型的预测值，将其与土壤含水量实测值进行比较，