摘要 | 第6-8页 |
Abstract | 第8-9页 |
第一章 绪论 | 第10-21页 |
1.1 研究目的及意义 | 第10-11页 |
1.2 国内外研究进展 | 第11-18页 |
1.3 本文主要研究工作 | 第18-20页 |
1.3.1 本文研究内容及论文组织 | 第18-19页 |
1.3.2 本文的技术路线图 | 第19-20页 |
1.4 本章小结 | 第20-21页 |
第二章 卫星遥感大气辐射理论基础 | 第21-27页 |
2.1 气象卫星的分类及其遥感探测特点 | 第21-22页 |
2.1.1 气象卫星分类 | 第21页 |
2.1.2 卫星遥感探测的特点 | 第21-22页 |
2.2 气象卫星接收的辐射 | 第22-23页 |
2.3 大气的辐射传输 | 第23-26页 |
2.3.1 晴空大气条件下的红外辐射遥感 | 第23-24页 |
2.3.2 透过率的计算过程 | 第24-25页 |
2.3.3 普朗克辐射亮度与亮温之间的转化 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第三章 高光谱红外垂直探测仪与辐射传输模式 | 第27-37页 |
3.1 高光谱红外垂直探测仪 | 第27-30页 |
3.1.1 FY-4高光谱红外垂直探测仪——GIIRS | 第27-28页 |
3.1.2 Metop-A高光谱红外垂直探测仪——IASI | 第28-30页 |
3.2 辐射传输模式的正演模拟 | 第30-36页 |
3.2.1 CIMSS全球晴空训练廓线样本数据 | 第30-32页 |
3.2.2 GIIRS辐射传输模式——FY-4 RTM | 第32-33页 |
3.2.3 IASI辐射传输模式——CRTM | 第33-36页 |
3.5 本章小结 | 第36-37页 |
第四章 BP神经网络反演大气温湿廓线方法实现 | 第37-45页 |
4.1 BP神经网络原理 | 第37-39页 |
4.2 构建BP神经网络 | 第39-40页 |
4.3 针对GIIRS资料的BP神经网络 | 第40-43页 |
4.3.1 输入层和输出层设置 | 第41-42页 |
4.3.2 隐含层设置 | 第42页 |
4.3.3 传递函数和训练算法的选取 | 第42-43页 |
4.4 针对IASI资料的BP神经网络 | 第43-44页 |
4.5 本章小结 | 第44-45页 |
第五章 GIIRS大气温湿廓线反演模拟试验 | 第45-61页 |
5.1 大气温度反演结果 | 第45-51页 |
5.1.1 全球区域的大气温度反演结果 | 第45-49页 |
5.1.2 中国区域的大气温度反演结果 | 第49-51页 |
5.2 大气湿度反演结果 | 第51-59页 |
5.2.1 全球区域大气湿度反演结果 | 第51-55页 |
5.2.1.1 水汽混合比 | 第51-55页 |
5.2.2 中国区域大气湿度反演结果 | 第55-59页 |
5.2.2.1 水汽混合比 | 第55-57页 |
5.2.2.2 相对湿度和水汽密度 | 第57-59页 |
5.3 本章小结 | 第59-61页 |
第六章 IASI大气温湿廓线反演模拟试验 | 第61-74页 |
6.1 全球区域的大气温湿廓线模拟反演结果 | 第61-68页 |
6.1.1 大气温度廓线反演结果 | 第61-63页 |
6.1.2 大气湿度廓线反演结果 | 第63-68页 |
6.1.2.1 水汽混合比 | 第63-66页 |
6.1.2.2 相对湿度和水汽密度 | 第66-68页 |
6.2 中国区域的大气温湿廓线模拟反演结果 | 第68-72页 |
6.2.1 大气温度廓线反演结果 | 第68-70页 |
6.2.2 大气湿度廓线反演结果 | 第70-72页 |
6.3 本章小结 | 第72-74页 |
第七章 GIIRS与IASI反演效果对比 | 第74-77页 |
7.1 两种模拟资料反演大气温度能力的检验 | 第74-75页 |
7.2 两种模拟资料反演大气湿度能力的检验 | 第75-76页 |
7.3 本章小结 | 第76-77页 |
第八章 结论与展望 | 第77-81页 |
8.1 本文结论 | 第77-79页 |
8.2 本文的主要创新点 | 第79页 |
8.3 存在的问题 | 第79页 |
8.4 下一步工作计划 | 第79-81页 |
参考文献 | 第81-85页 |
致谢 | 第85-87页 |
作者简介 | 第87页 |