基于归一化互信息分类匹配的太湖水体叶绿素a浓度遥感估算的任务书.docx

基于归一化互信息分类匹配的太湖水体叶绿素a浓度遥感估算的任务书
一、任务背景
太湖是我国最大的淡水湖之一，也是我国重要的淡水资源之一。太湖水体的叶绿素a浓度是衡量水体富营养化程度的重要指标，也是太湖生态环境状况的重要反映。传统的太湖叶绿素a浓度监测方法需要大量人力、物力投入，且成本较高，难以在大范围内实现连续、快速、高效的监测。遥感技术的出现为太湖叶绿素a浓度监测带来了新的机遇。通过遥感技术获取大范围的太湖叶绿素a浓度数据，并利用机器学习方法对其进行分类匹配，可实现快速高效的太湖叶绿素a浓度监测。
二、任务目标
本任务旨在基于归一化互信息分类匹配方法对太湖水体叶绿素a浓度进行遥感估算，实现太湖叶绿素a浓度大范围快速监测。具体目标为：
1.获取太湖叶绿素a浓度遥感数据，建立太湖叶绿素a浓度遥感估算模型。
2.对比不同特征提取方法和分类器，选取最优算法对太湖叶绿素a浓度进行估算。
3.通过交叉验证和误差分析评估模型的准确度和稳定性。
4.利用该模型实现太湖叶绿素a浓度大范围连续监测，并生成可视化监测报告。
三、工作内容
1.收集太湖地理信息和遥感数据，并进行预处理。
2.根据已有文献和实验数据，确定遥感监测太湖叶绿素a浓度的特征选择和分类器。
3.建立太湖叶绿素a浓度遥感估算模型，并进行算法验证和评估。
4.利用该模型通过遥感技术对太湖叶绿素a浓度进行监测，并生成交互式监测报告。
5.整理实验数据和结果，写出实验报告。
四、任务进度安排
第1-2周：收集太湖地理信息和遥感数据，并进行预处理。
第3-5周：确定特征选择和分类器。
第6-9周：建立太湖叶绿素a浓度遥感估算模型，并进行算法验证和评估。
第10-11周：利用该模型通过遥感技术对太湖叶绿素a浓度进行监测，并生成交互式监测报告。
第12-14周：整理实验数据和结果，写出实验报告。
五、任务要求
1.熟练掌握遥感技术相关知识和数据处理方法，具备良好的编程能力。
2.具备基础的机器学习知识和经验，熟悉特征选择和分类器的原理和使用方法。
3.具备较强的团队协作能力和信息收集整合能力，能够高效完成实验任务。
4.认真负责，遵守学术规范，按时完成实验任务，并撰写规范的实验报告。
六、参考文献
1.魏秋月,崔媛.归一化互信息特征选择算法综述[J].计算机工程与科学,2018,40(11):2004-2013.
2.贾冀,吴超,张萍,等.基于遥感影像的太湖水体叶绿素-a浓度遥感反演研究[J].安徽农业科学,2019,47(19):115-119.
3.朱传忠,王振中,彭勇,等.基于归一化互信息的特征选择方法综述[J].小型微型计算机系统,2018,39(12):2675-2682.
4.齐森,张海成.基于遥感技术的太湖水质监测与评价研究[J].环境科学与管理,2019,44(8):62-65.