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

（8）基于混淆矩阵验证预测结果

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