| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 致谢 | 第9-15页 |
| 第一章 绪论 | 第15-43页 |
| ·科学问题 | 第15-18页 |
| ·大气遥感及反演历史回顾 | 第18-29页 |
| ·高光谱分辨率大气红外探测研究进展概览 | 第20-26页 |
| ·AQUA卫星及AIRS仪器简介 | 第20-22页 |
| ·高光谱分辨率遥感大气温、湿度廓线反演研究进展概览 | 第22-25页 |
| ·高光谱分辨率遥感大气成分反演研究进展概览 | 第25-26页 |
| ·物理反演算法理论研究进展 | 第26-29页 |
| ·本文主要内容概览 | 第29-35页 |
| 本章主要参考文献 | 第35-43页 |
| 第二章 高光谱数据预处理 | 第43-59页 |
| ·主成分分析PCA | 第43-51页 |
| ·主成分分析的数学模型 | 第43-51页 |
| ·独立分量分析ICA | 第51-55页 |
| ·独立分量分析的标准数学模型 | 第51-52页 |
| ·ICA的目标函数 | 第52-54页 |
| ·优化算法 | 第54-55页 |
| ·PCA与ICA的关系 | 第55-56页 |
| 本章小结 | 第56-57页 |
| 本章主要参考文献 | 第57-59页 |
| 第三章 大气辐射传递及反问题 | 第59-79页 |
| ·大气辐射传递方程 | 第59-63页 |
| ·大气辐射传递快速模式 | 第63-73页 |
| ·纵坐标离散化 | 第64-65页 |
| ·大气辐射传递方程参数化 | 第65-66页 |
| ·单色透过率的计算 | 第66-67页 |
| ·快速透过率算法 | 第67-71页 |
| ·微波辐射快速透过率算法 | 第71-73页 |
| ·大气辐射传递的反问题 | 第73-76页 |
| 本章小结 | 第76-77页 |
| 本章主要参考文献 | 第77-79页 |
| 第四章 非线性最优化大气廓线反演 | 第79-98页 |
| ·最优化理论框架 | 第79-82页 |
| ·大气廓线反演的目标函数 | 第82-85页 |
| ·大气廓线反演的最优化策略 | 第85-95页 |
| ·一维搜索(LineSearchMethod) | 第87-88页 |
| ·最速下降法(SteepestDecentMethod) | 第88页 |
| ·牛顿法(Newton'sMethod) | 第88-91页 |
| ·阻尼牛顿法(DampedNewton'sMethod) | 第91-92页 |
| ·Levenberg-Marquardt方法 | 第92-94页 |
| ·信赖域方法(TrustRegionMethod) | 第94-95页 |
| 本章小结 | 第95-96页 |
| 本章主要参考文献: | 第96-98页 |
| 第五章 初始廓线与先验信息 | 第98-120页 |
| ·获得初始廓线方法Ⅰ:特征向量反演方法 | 第98-100页 |
| ·统计回归模型Ⅰ | 第98-100页 |
| 直接回归模型: | 第98-99页 |
| 直接回归模型另一种形式 | 第99页 |
| 特征向量回归模型 | 第99-100页 |
| ·统计回归模型Ⅱ | 第100页 |
| ·主分量分析反演算法原理 | 第100-102页 |
| ·主分量分析反演算法演算步骤 | 第102-103页 |
| ·获得初始廓线方法Ⅱ:神经网络方法 | 第103-107页 |
| ·神经网络算法原理 | 第103-105页 |
| ·神经网络反演方法 | 第105-107页 |
| ·误差协方差矩阵 | 第107-108页 |
| ·观测噪声协方差矩阵 | 第107-108页 |
| ·温度和水汽误差协方差矩阵 | 第108页 |
| ·Jacobians矩阵 | 第108-111页 |
| ·云的处理方法 | 第111-115页 |
| ·云检测(Cloud Detection) | 第112-113页 |
| ·晴空订正(Cloud-Clearing) | 第113-115页 |
| ·利用AMSU辅助的晴空订正方法 | 第113-114页 |
| ·利用MODIS辅助的晴空订正方法 | 第114-115页 |
| 本章小结 | 第115-116页 |
| 本章主要参考文献 | 第116-120页 |
| 第六章 反演试验与应用 | 第120-178页 |
| ·试验Ⅰ:反演误差敏感性试验 | 第120-136页 |
| ·试验目的与试验数据 | 第120-121页 |
| ·试验方法、结果及分析 | 第121-129页 |
| ·光谱覆盖敏感性试验 | 第121-123页 |
| ·通道覆盖敏感性试验 | 第123-126页 |
| ·微波通道对红外通道的补充作用 | 第126-127页 |
| ·非卫星观测因子 | 第127-129页 |
| ·神经网络反演试验 | 第129-135页 |
| 试验设计 | 第129-132页 |
| 神经网络反演试验的结论与分析 | 第132-135页 |
| ·试验Ⅰ小结 | 第135-136页 |
| ·试验Ⅱ:FY-3号工程应用——通道宽度与通道数量最低限度要求 | 第136-140页 |
| ·不同宽度的卷积通道 | 第137-138页 |
| ·减少通道数量 | 第138-140页 |
| ·试验Ⅱ小结 | 第140页 |
| ·试验Ⅲ:气象应用——大气环境参数与大气稳定度计算与分析 | 第140-176页 |
| ·天气过程 | 第141-143页 |
| ·资料 | 第143-144页 |
| ·反演方法 | 第144-146页 |
| ·计算物理量场分析 | 第146-174页 |
| 对流有效位能(Convective Available Potential Energy,CAPE) | 第147-150页 |
| 对流抑制能量(Convective Inhibition,GIN) | 第150-153页 |
| K指数(K index,K) | 第153-156页 |
| 沙氏指数(Showalter Index,SI) | 第156-158页 |
| 抬升指数(Lifted Index,LI) | 第158-161页 |
| 全总指数(Total Totals Index,TT) | 第161-164页 |
| 湿球温度零度层高度(Wet Bulb Zero Height,WBZH) | 第164-166页 |
| 温度露点差(the temperature-dew point depression) | 第166-168页 |
| 气柱总可降水量(Precipitable Water,PW) | 第168-171页 |
| LSI指数(Cap/Lid Strength Index,LSI) | 第171-174页 |
| ·试验Ⅲ小结 | 第174-176页 |
| 本章小结 | 第176页 |
| 本章主要参考文献 | 第176-178页 |
| 第七章 总结与展望 | 第178-181页 |
| 本文主要创新点 | 第179-180页 |
| 博士论文期间公开发表的学术论文和学术报告列表 | 第180页 |
| 博士论文期间主持或参加完成的科研项目列表 | 第180-181页 |
| 附录A 数学 | 第181-185页 |
