| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 缩略词清单 | 第19-23页 |
| 第1章 绪论 | 第23-37页 |
| 1.1 研究背景及意义 | 第23-25页 |
| 1.2 国内外海洋盐度微波遥感的发展现状 | 第25-29页 |
| 1.2.1 国外现状 | 第25-28页 |
| 1.2.2 国内现状 | 第28-29页 |
| 1.3 利用卫星遥感资料反演海面盐度的研究进展 | 第29-33页 |
| 1.3.1 海面微波辐射和散射模型研究进展 | 第29-31页 |
| 1.3.2 被动微波辐射计海面盐度反演算法研究进展 | 第31-32页 |
| 1.3.3 主被动联合遥感器海面盐度反演算法研究进展 | 第32-33页 |
| 1.4 研究内容 | 第33-37页 |
| 1.4.1 拟解决的关键技术问题 | 第33-34页 |
| 1.4.2 主要研究内容及论文组织框架 | 第34-37页 |
| 第2章 主被动微波遥感海面盐度的机理及模型 | 第37-63页 |
| 2.1 微波辐射相关概念 | 第37-39页 |
| 2.1.1 亮度定义 | 第37-38页 |
| 2.1.2 黑体普朗克辐射定律 | 第38-39页 |
| 2.1.3 发射率和Kirchhoff定律 | 第39页 |
| 2.2 微波散射相关概念 | 第39-41页 |
| 2.2.1 雷达方程 | 第39-40页 |
| 2.2.2 后向散射系数 | 第40-41页 |
| 2.3 平静海面辐射 | 第41-47页 |
| 2.3.1 Fresnel反射率和海水相对介电常数模型 | 第41-45页 |
| 2.3.2 平静海面辐射亮温 | 第45-47页 |
| 2.4 L/C/K波段粗糙海面辐射亮温模型 | 第47-58页 |
| 2.4.1 海浪谱模型 | 第47-50页 |
| 2.4.2 泡沫模型 | 第50-51页 |
| 2.4.3 L波段粗糙海面辐射亮温模型 | 第51-56页 |
| 2.4.4 C/K波段粗糙海面辐射亮温模型 | 第56-58页 |
| 2.5 L波段粗糙海面后向散射系数模型 | 第58-60页 |
| 2.6 MICAP的模型选择及其适用范围 | 第60-62页 |
| 2.7 本章小结 | 第62-63页 |
| 第3章 主被动微波盐度计海面盐度物理反演算法 | 第63-95页 |
| 3.1 引言 | 第63页 |
| 3.2 目前MICAP的系统设计方案及设计原理 | 第63-67页 |
| 3.2.1 MICAP的系统设计 | 第63-66页 |
| 3.2.2 MICAP的设计原理 | 第66-67页 |
| 3.3 海面盐度反演算法理论基础 | 第67-69页 |
| 3.3.1 海面盐度遥感原理 | 第67-68页 |
| 3.3.2 物理反演算法 | 第68-69页 |
| 3.4 MICAP主被动联合海面盐度物理反演算法的建立 | 第69-85页 |
| 3.4.1 MICAP物理反演算法的处理流程 | 第69-71页 |
| 3.4.2 基础数据 | 第71-73页 |
| 3.4.3 MICAP多频段辐射亮温和后向散射系数仿真 | 第73-74页 |
| 3.4.4 MICAP多频段无降雨情况下的大气衰减仿真 | 第74-78页 |
| 3.4.5 宇宙辐射的仿真 | 第78-79页 |
| 3.4.6 法拉第旋转的仿真 | 第79-81页 |
| 3.4.7 MICAP反演算法代价函数的构建及求解 | 第81-85页 |
| 3.5 MICAP海面盐度物理反演算法的结果分析 | 第85-90页 |
| 3.5.1 卫星单次过境反演结果 | 第85-89页 |
| 3.5.2 海面盐度月平均反演结果 | 第89-90页 |
| 3.6 MICAP不同频段配置的反演结果对比分析 | 第90-93页 |
| 3.7 本章小结 | 第93-95页 |
| 第4章 利用国外卫星数据验证主被动联合海面盐度物理反演算法 | 第95-119页 |
| 4.1 引言 | 第95-96页 |
| 4.2 基础数据集的构建 | 第96-100页 |
| 4.2.1 Aquarius数据 | 第96-97页 |
| 4.2.2 AMSR2数据 | 第97-98页 |
| 4.2.3 数据匹配 | 第98-99页 |
| 4.2.4 初始场和验证数据 | 第99-100页 |
| 4.3 辐射亮温和后向散射系数模拟 | 第100-105页 |
| 4.3.1 L波段辐射亮温模拟结果 | 第100-102页 |
| 4.3.2 L波段散射计后向散射系数模拟结果 | 第102-103页 |
| 4.3.3 C/K波段辐射亮温模拟结果 | 第103-105页 |
| 4.4 测量亮温偏差修正 | 第105-110页 |
| 4.4.1 亮温偏差修正方法 | 第105-106页 |
| 4.4.2 L波段测量亮温偏差修正 | 第106-108页 |
| 4.4.3 C/K波段测量亮温偏差修正 | 第108-110页 |
| 4.5 海面参数反演结果对比分析 | 第110-116页 |
| 4.5.1 反演结果和初始场数据对比 | 第110-112页 |
| 4.5.2 反演结果和验证数据对比 | 第112-116页 |
| 4.6 主被动联合海面盐度物理反演算法的应用方法 | 第116-117页 |
| 4.7 本章小结 | 第117-119页 |
| 第5章 基于机器学习的中国南海海面盐度及风速反演方法 | 第119-155页 |
| 5.1 引言 | 第119页 |
| 5.2 用于反演的基础数据源 | 第119-121页 |
| 5.3 四种机器学习海面盐度和风速反演方法及结果 | 第121-145页 |
| 5.3.1 DNN方法及反演结果 | 第121-130页 |
| 5.3.2 GPR方法及反演结果 | 第130-134页 |
| 5.3.3 SVR方法及反演结果 | 第134-140页 |
| 5.3.4 KRR方法及反演结果 | 第140-145页 |
| 5.4 海面盐度反演结果对比分析 | 第145-152页 |
| 5.4.1 四种机器学习海面参数反演方法的结果对比 | 第145-146页 |
| 5.4.2 DNN方法与Aquarius物理反演算法的结果对比 | 第146-152页 |
| 5.5 本章小结 | 第152-155页 |
| 第6章 总结和展望 | 第155-159页 |
| 6.1 论文总结 | 第155-157页 |
| 6.2 论文主要贡献和创新点 | 第157-158页 |
| 6.3 建议今后进一步深入研究的内容 | 第158-159页 |
| 参考文献 | 第159-169页 |
| 致谢 | 第169-171页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第171-172页 |
