摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-22页 |
1.1 研究背景及意义 | 第11-14页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究意义 | 第12-13页 |
1.1.3 GF-5 红外甚高分辨率探测仪与ACE-FTS | 第13-14页 |
1.2 红外掩星与临边探测其发展现状 | 第14-17页 |
1.2.1 ATMOS | 第15页 |
1.2.2 HALOE | 第15页 |
1.2.3 ACE-FTS | 第15-16页 |
1.2.4 MIPAS | 第16-17页 |
1.2.5 TES | 第17页 |
1.3 掩星温压与大气成分反演算法研究进展 | 第17-20页 |
1.3.1 掩星观测温压反演算法研究进展 | 第17-18页 |
1.3.2 掩星观测大气成分反演算法研究进展 | 第18-19页 |
1.3.3 掩星与临边探测的应用领域 | 第19页 |
1.3.4 掩星温压和大气成分反演面临的问题 | 第19-20页 |
1.4 本文的主要研究内容 | 第20-22页 |
第2章 大气掩星观测原理 | 第22-33页 |
2.1 大气组成及结构特征 | 第22-24页 |
2.1.1 大气成分 | 第22-23页 |
2.1.2 大气的垂直结构 | 第23-24页 |
2.2 大气吸收特征 | 第24-27页 |
2.2.1 大气分子吸收过程 | 第24-25页 |
2.2.2 大气吸收光谱参数 | 第25-27页 |
2.3 掩星辐射传输过程 | 第27-33页 |
2.3.1 掩星观测几何 | 第27-30页 |
2.3.2 掩星辐射传输正向模型 | 第30-33页 |
第3章 红外掩星温压反演研究 | 第33-52页 |
3.1 温压反演概述 | 第33-38页 |
3.1.1 特征向量反演方法 | 第33-35页 |
3.1.2 神经网络学习算法 | 第35-36页 |
3.1.3 剥洋葱算法 | 第36-37页 |
3.1.4 最优估计算法 | 第37-38页 |
3.2 温压反演算法研究 | 第38-39页 |
3.2.1 基于动态回归系数的温压统计反演 | 第38-39页 |
3.3 温压反演通道选择 | 第39-45页 |
3.3.1 温压通道敏感性分析 | 第40-43页 |
3.3.2 温压反演的通道选择方法 | 第43-44页 |
3.3.3 温压反演通道选择结果 | 第44-45页 |
3.4 温压反演结果与验证 | 第45-52页 |
3.4.1 温度反演结果及对比验证 | 第45-49页 |
3.4.2 压强反演结果及对比验证 | 第49-52页 |
第4章 红外掩星臭氧反演研究 | 第52-83页 |
4.1 臭氧反演概述 | 第52页 |
4.2 O_3通道选择 | 第52-74页 |
4.2.1 O_3通道选择算法原理 | 第52-54页 |
4.2.2 O_3通道选择敏感性分析 | 第54-65页 |
4.2.3 O_3反演通道选择方法 | 第65-69页 |
4.2.4 O_3通道选择结果 | 第69-74页 |
4.3 基于最优理论的臭氧廓线反演方案 | 第74-78页 |
4.3.1 最优估计方法 | 第74-76页 |
4.3.2 先验廓线与先验协方差矩阵 | 第76-78页 |
4.3.3 观测误差协方差矩阵 | 第78页 |
4.4 臭氧反演结果与对比验证 | 第78-83页 |
第5章 总结与讨论 | 第83-87页 |
5.1 总结 | 第83-84页 |
5.1.1 温压反演总结 | 第83页 |
5.1.2 臭氧反演总结 | 第83-84页 |
5.2 本文的创新点 | 第84-85页 |
5.3 后续工作展望 | 第85-87页 |
参考文献 | 第87-90页 |
硕士期间论文发表及参加会议 | 第90-91页 |
硕士期间参与项目工作 | 第91-92页 |
致谢 | 第92-94页 |