專題一、R語言概述
1.1 R語言特點（R語言）
1.2 安裝R（R語言）
1.3 安裝RStudio（R語言）
（1）下載地址
（2）安裝步驟
（3）軟件配置
1.4 第一個程序Hello world（R語言）
（1）Hello world
（2）R語言基礎
（3）R語言數值計算
（4）R語言常用函數
（5）R語言數據輸入方法
1.5 案例形式的R語言語法基礎學習（R語言）
（1）讀取水環境數據源
（2）設置路徑
（3）使用read.csv讀取數據
（4）根據數據類型進行轉化
（5）水環境數據基礎分析
（6）水環境數據高級分析
（7）基于決策樹預測驗證正確數據特點
（8）基于混淆矩陣驗證預測結果
專題二、遙感數據預處理
2.1 遙感水環境污染評價理論（遙感）
（1）水環境遙感原理
（2）水環境遙感建模方法
2.2 遙感數據獲取方法（遙感）
2.3 遙感數據輻射校正方法（遙感）
（1）加載和顯示數據
（2）輻射定標
（3）大氣校正
2.4 遙感數據高清融合方法（遙感）
（1）融合的原理
（2）Gram-Schmidt融合的實現
專題三、水線提取——水體指數與閾值混合法（遙感）
3.1 水體指數計算
（1）加載數據
（2）計算水體指數
3.2 閾值法確定水線
（1）感興趣區的建立
（2）背景像素設置為0
（3）閾值的實現
（4）水線的提取
3.3 裁剪湖泊數據
專題四、水深提取——多元回歸分析方法（R語言+遙感）
4.1 應用太陽輻射波段的模型理論
4.2 水深數據的獲取方法
4.3 加載影像
4.4 水面實測數據
4.5 假設條件
4.6 數據整理
4.7 將數據導入R語言
4.8 采用R語言進行相關性檢驗
（1）相關性檢驗原理
（2）R語言語法
（3）進行相關性分析
（4）繪制相關性圖
（5）建立多元線性回歸模型
（6）水深的多元線性回歸模型
4.9 數字制圖
4.10 精度驗證
（1）打開結果影像
（2）打開精度評價模板
（3）查詢實測水深
（4）分析提取精度
專題五、水溫提取——支持向量機方法（R語言+遙感）
5.1 水體表面溫度反演的原理
5.2 Landsat8衛星熱紅外波段
5.3 熱輻射傳導方程
5.4 地表熱信息的提取方法實現
（1）打開數據
（2）圖像輻射定標
（3）地表比輻射率計算
（4）黑體輻射亮度與地表溫度計算
（5）地表溫度計算結果
（6）圖像裁剪
（7）顏色制圖
（8）溫廓線的制作
（9）采集精確地理位置的溫度值
5.5 水溫預測的R語言實現
（1）技術背景
（2）導入數據
（3）數據的預覽與檢查
（4）使用支持向量機完成數據分類
（5）基于支持向量機訓練模型實現水溫預測
5.6 R語言繪制預測值與實測值的對比圖
（1）繪制基本散點圖
（2）基于顏色和點形對數據進行分組
（3）映射連續型變量
（4）處理散點重疊
（5）添加回歸模型擬合線
（6）向散點圖添加邊際地毯
（7）向散點圖添加標簽
專題六、水質提取——神經網絡分析（R語言+遙感）
6.1 水體成分反演的原理
6.2 加載影像
6.3 建立成分含量指數模型
6.4 生成12個參量的光譜數據集
（1）LayerStacking生成數據集
（2）提取采樣點的光譜參量
6.5 水面實測數據與光譜參量的數據集
6.6 R語言預測水質成分含量
（1）技術背景
（2）導入數據
（3）安裝nnet包
（4）預測葉綠素、氮、磷、鉀含量
（5）繪制葉綠素、氮、磷、鉀神經網絡圖
專題七、水環境遙感信息提取結果的可視化制圖（R語言）
7.1 葉綠素、泥沙、懸浮物關系圖
（1）單色顯示圖
（2）漸變色填充顯示圖
（3）漸變色與不同形狀填充顯示圖
7.2 水深與水溫相關系數圖
（1）相關熱力圖
（2）變化情況圖
7.3 水溫數據的可視化制圖
（1）散點分布圖
（2）柱狀分布圖
7.4 水質數據的可視化制圖
（1）時間序列峰巒圖
（2）量化波形圖
（3）日歷圖
