| 中文摘要 | 第3-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 选题背景和研究意义 | 第13-14页 |
| 1.2 国内外研究进展 | 第14-22页 |
| 1.2.1 基于统计的线性反演算法 | 第14-17页 |
| 1.2.2 基于微波积雪模型的反演算法 | 第17-18页 |
| 1.2.3 基于先验知识的非线性反演算法 | 第18-20页 |
| 1.2.4 数据融合与数据同化 | 第20-22页 |
| 1.3 研究内容和论文结构 | 第22-25页 |
| 1.3.1 研究内容和技术路线 | 第22-23页 |
| 1.3.2 论文结构 | 第23-25页 |
| 第二章 积雪的物理属性及微波遥感监测积雪的原理 | 第25-31页 |
| 2.1 积雪的物理特性 | 第25-27页 |
| 2.1.1 积雪粒径 | 第25页 |
| 2.1.2 积雪密度 | 第25-26页 |
| 2.1.3 液态水含量 | 第26页 |
| 2.1.4 积雪深度 | 第26-27页 |
| 2.1.5 雪水当量 | 第27页 |
| 2.2 被动微波遥感监测积雪的原理 | 第27-30页 |
| 2.3 小结 | 第30-31页 |
| 第三章 被动微波积雪深度反演模型 | 第31-46页 |
| 3.1 积雪参数反演原理 | 第31-32页 |
| 3.2 数据资料 | 第32-37页 |
| 3.2.1 气象站观测资料 | 第32-34页 |
| 3.2.2 数字高程数据 | 第34页 |
| 3.2.3 地表覆盖数据 | 第34-35页 |
| 3.2.4 被动微波遥感数据 | 第35-36页 |
| 3.2.5 积雪分类数据 | 第36-37页 |
| 3.3 数据处理方法及理论基础 | 第37-44页 |
| 3.3.1 积雪识别及干、湿雪判别 | 第37-38页 |
| 3.3.2 地表覆盖类型重分类 | 第38-40页 |
| 3.3.3 积雪年 | 第40页 |
| 3.3.4 支持向量回归 | 第40-41页 |
| 3.3.5 训练样本和测试样本的选择 | 第41-44页 |
| 3.4 基于被动微波遥感的积雪深度反演算法 | 第44-45页 |
| 3.5 小结 | 第45-46页 |
| 第四章 2001-2012年欧亚大陆积雪深度反演模型结果分析 | 第46-53页 |
| 4.1 现有积雪反演算法 | 第46-47页 |
| 4.1.1 Chang算法 | 第46页 |
| 4.1.2 SPD算法(光谱梯度算法) | 第46页 |
| 4.1.3 ANN算法(神经网络算法) | 第46页 |
| 4.1.4 线性回归算法 | 第46-47页 |
| 4.2 欧亚大陆积雪深度估算结果分析 | 第47-49页 |
| 4.3 与其他积雪深度反演模型对比分析 | 第49-51页 |
| 4.4 小结 | 第51-53页 |
| 第五章 1992-2016年北半球积雪时空变化特征分析 | 第53-74页 |
| 5.1 现有积雪产品 | 第53-57页 |
| 5.1.1 GlobSnow-2雪水当量产品 | 第53-54页 |
| 5.1.2 ERA-Interim/Land积雪产品 | 第54页 |
| 5.1.3 其他积雪产品 | 第54-56页 |
| 5.1.4 本研究所得积雪产品(SVR积雪产品) | 第56-57页 |
| 5.2 数据预处理方法 | 第57-59页 |
| 5.3 北半球积雪深度反演结果验证分析 | 第59-64页 |
| 5.3.1 精度评价指标 | 第59页 |
| 5.3.2 与地面实测值对比验证 | 第59-64页 |
| 5.4 1992 -2016年北半球积雪时空变化特征 | 第64-72页 |
| 5.4.1 积雪水储量变化特征 | 第64-68页 |
| 5.4.2 积雪天数时空变化特征 | 第68-70页 |
| 5.4.3 积雪深度时空变化特征 | 第70-72页 |
| 5.5 小结 | 第72-74页 |
| 第六章 结论与展望 | 第74-77页 |
| 6.1 主要研究结论 | 第74-75页 |
| 6.2 不足和展望 | 第75-77页 |
| 参考文献 | 第77-84页 |
| 在学期间的研究成果 | 第84-85页 |
| 致谢 | 第85页 |
