| 中文摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究目的与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 机器学习方法 | 第13-14页 |
| 1.2.2 物理模型 | 第14-15页 |
| 1.2.3 经验(半经验)模型 | 第15-18页 |
| 1.3 本文的主要研究内容 | 第18-20页 |
| 1.3.1 现有算法评价 | 第18页 |
| 1.3.2 基于物理统计的AMSR-E微波地表温度反演 | 第18-19页 |
| 1.3.3 光学与微波地表温度融合算法 | 第19页 |
| 1.3.4 微波地表温度反演算法的验证 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 被动微波地表温度反演的基本理论 | 第21-29页 |
| 2.1 被动微波遥感理论基础 | 第22-25页 |
| 2.1.1 热辐射的基本定律 | 第22-23页 |
| 2.1.2 电磁波与地表-大气的相互作用 | 第23-25页 |
| 2.2 地表温度微波遥感反演 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 针对AMSR-E数据的地表温度反演研究 | 第29-49页 |
| 3.1 数据介绍与预处理 | 第29-35页 |
| 3.1.1 卫星数据介绍及预处理 | 第30-32页 |
| 3.1.2 站点数据介绍及预处理 | 第32-35页 |
| 3.2 现有算法精度评价 | 第35-38页 |
| 3.3 利用多通道物理统计算法反演地表温度 | 第38-46页 |
| 3.4 利用神经网络反演地表温度 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 多源遥感数据融合反演地表温度 | 第49-55页 |
| 4.1 引言 | 第49-50页 |
| 4.2 光学与微波地表温度融合算法 | 第50-52页 |
| 4.3 全天候地表温度反演 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 算法验证与分析 | 第55-61页 |
| 5.1 交叉验证(晴空温度) | 第55-57页 |
| 5.2 直接验证(云下温度) | 第57-58页 |
| 5.3 融合前后影像的空间对比与分析 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-65页 |
| 参考文献 | 第65-71页 |
| 作者简介及在学期间所取得的科研成果 | 第71-75页 |
| 致谢 | 第75-77页 |