| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第17-29页 |
| 1.1 研究背景与意义 | 第17-19页 |
| 1.2 土壤水分降尺度研究进展 | 第19-24页 |
| 1.2.1 多因子统计方法 | 第20-22页 |
| 1.2.2 过程模型方法 | 第22-23页 |
| 1.2.3 同源数据方法 | 第23-24页 |
| 1.3 存在问题 | 第24-25页 |
| 1.4 论文主要内容和组织结构 | 第25-29页 |
| 1.4.1 主要研究内容 | 第26-27页 |
| 1.4.2 组织结构 | 第27-29页 |
| 第二章 土壤水分数据与基本处理方法 | 第29-49页 |
| 2.1 土壤水分产品 | 第29-35页 |
| 2.1.1 SMAP土壤水分产品 | 第29-31页 |
| 2.1.2 欧空局CCI土壤水分产品 | 第31-33页 |
| 2.1.3 ISMN站点实测土壤水分数据 | 第33-35页 |
| 2.2 微波土壤水分反演算法 | 第35-43页 |
| 2.2.1 SMAP 36km土壤水分反演算法 | 第35-38页 |
| 2.2.2 SMAP 9km土壤水分反演算法 | 第38-40页 |
| 2.2.3 SMAP增强型被动微波9km土壤水分反演算法 | 第40-41页 |
| 2.2.4 CCI被动土壤水分数据集反演算法 | 第41-43页 |
| 2.3 光学、热红外数据辅助的土壤水分降尺度模型 | 第43-47页 |
| 2.3.1 多元统计回归方法 | 第43-44页 |
| 2.3.2 经验-物理模型方法 | 第44-46页 |
| 2.3.3 权重分解方法 | 第46-47页 |
| 2.4 评价指标 | 第47-48页 |
| 2.5 本章小结 | 第48-49页 |
| 第三章 基于多因子统计-残差校正的土壤水分降尺度 | 第49-69页 |
| 3.1 多因子统计-残差校正降尺度模型 | 第50-54页 |
| 3.1.1 降尺度关系的构建 | 第50-52页 |
| 3.1.2 残差校正 | 第52-53页 |
| 3.1.3 降尺度流程 | 第53-54页 |
| 3.2 结果与分析 | 第54-63页 |
| 3.2.1 空间分布 | 第54-58页 |
| 3.2.2 细节信息 | 第58-59页 |
| 3.2.3 时序变化 | 第59-62页 |
| 3.2.4 基于站点实测数据的精度评价 | 第62-63页 |
| 3.3 讨论 | 第63-67页 |
| 3.3.1 不同降尺度关系的不确定性分析 | 第64-66页 |
| 3.3.2 空间细节信息提升能力分析 | 第66-67页 |
| 3.4 本章小结 | 第67-69页 |
| 第四章 基于时空融合模型的SMAP 9km土壤水分估算 | 第69-87页 |
| 4.1 时空融合模型估算9km土壤水分 | 第70-75页 |
| 4.1.1 基底数据的确定 | 第71-72页 |
| 4.1.2 时空融合模型 | 第72-75页 |
| 4.2 结果与分析 | 第75-83页 |
| 4.2.1 估算的9k土壤水分 | 第75-77页 |
| 4.2.2 SMAP雷达传感器损坏前的评价 | 第77-81页 |
| 4.2.3 基于站点实测数据的精度评价 | 第81-83页 |
| 4.3 讨论 | 第83-86页 |
| 4.4 本章小结 | 第86-87页 |
| 第五章 多传感器融合的长时序9km土壤水分估算 | 第87-103页 |
| 5.1 长时序9km土壤水分估算 | 第88-90页 |
| 5.1.1 基底数据的分析 | 第88-89页 |
| 5.1.2 多传感器融合的9km土壤水分估算 | 第89-90页 |
| 5.2 结果与分析 | 第90-102页 |
| 5.2.1 空间分布 | 第91-94页 |
| 5.2.2 空间细节信息 | 第94-95页 |
| 5.2.3 时序变化 | 第95-98页 |
| 5.2.4 基于站点实测数据的精度评价 | 第98-102页 |
| 5.3 本章小结 | 第102-103页 |
| 第六章 结论与展望 | 第103-107页 |
| 6.1 主要结论与创新 | 第103-104页 |
| 6.2 存在问题与展望 | 第104-107页 |
| 6.2.1 存在问题 | 第104-106页 |
| 6.2.2 展望 | 第106-107页 |
| 参考文献 | 第107-119页 |
| 攻博期间发表的与学位论文相关的科研成果目录 | 第119-120页 |
| 攻博学位期间参与的课题情况 | 第120-121页 |
| 致谢 | 第121-122页 |