题目：基于最小二乘支持向量机的渭河水质定量遥感监测研究

水是人类社会生存和发展的必要资源，而内陆水体则是我们主要的淡水来源，目前，水污染问题日趋严重，尤其是内陆河流、湖泊等水体，制约着社会、经济的发展，因此需要加大力度治理水污染问题，而及时、准确、全面的掌握水体污染状况和变化趋势，成为解决水污染问题的关键。常规的水质监测方法采用人工取样、实验室分析评价，监测周期长、成本高、工作量大，且监测结果只具有局部代表意义。随着遥感技术的发展和遥感影像分辨率的提高，利用遥感技术进行水质参数监测的研究越来越多，并且逐渐从定性监测转向更为精确的定量监测。鉴于水质遥感监测具有速度快、成本低、范围广和便于长期动态监测等优点，国内外的许多专家学者应用遥感技术对海洋、湖泊、河流等水域进行水质监测研究，并取得了一定的研究成果，而利用遥感影像对渭河进行的研究目前很少，因此，本文采用SPOT5遥感数据对渭河陕西段流域进行定量遥感研究。主要研究工作如下：
（1）介绍了水质遥感监测的背景及研究状况；在本项目组前期研究的基础上，给出了选定SPOT5遥感影像作为本文的遥感数据源和选取具有代表性的四种水质参数高锰酸盐指数()、氨氮()、溶解氧()、化学需氧量()进行反演研究的原因；介绍了遥感影像预处理的目的和方法，其中包括辐射定标、大气校正和几何精校正等。由于前期的研究工作表明，遥感数据的四个波段与四个水质参数之间具有较高的相关性，这为本文的研究提供了一定的理论依据，因此利用基于传统统计学理论的多元线性回归方法对水质参数进行了建模，回归方程虽然通过了显著性水平检验，但是反演结果不够精确。
（2）由于水体污染的不稳定性和遥感图像成像过程中受各种因素的影响,水质参数的实测数据和其对应的遥感影像的光谱信息之间是一种非线性的关系，而且所获取的样本点非常有限，表明本文研究的是一个非线性、小样本的回归估计问题，因此本文引入了基于统计学习理论（Statistical Learning Theory，简称）的支持向量回归（Support Vector Regression，简称）算法的变形最小二乘支持向量回归（Least Squares Support Vector Regression，简称）算法，利用遗传算法（Genetic Algorithm，简称）优选模型超参数和核函数参数，并利用三种标准数据集进行实验，验证模型的可行性。针对不具有稀疏性，本文引入了剪枝算法并进行实验，结果表明剪枝算法可以有效的去掉一部分对模型贡献小的样本点，使模型具有稀疏性，可以提高运算速度。
（3）为了在小样本情况下对模型推广误差进行有效的估计，本文采用4-折交叉验证的方法，利用对四种水质参数分别进行建模，将反演结果与多元线性回归和的结果进行比较，结果表明具有更好的反演精度；对推广误差进行比较发现，比其它两个模型具有更小的推广误差，表明利用构建的反演模型的推广泛化能力较强。
（4）利用构建好的四种水质参数的模型对渭河流域陕西段河流进行整体反演，将反演结果与实际的污染情况作对比，表明能够较好的反映遥感影像成像时的河段污染状况，说明该模型可应用于实际。