| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究意义及目的 | 第8-9页 |
| 1.2 国内外研究进展 | 第9-12页 |
| 1.3 本文的主要内容 | 第12-14页 |
| 第二章 地基微波辐射计及辐射传输模式 | 第14-25页 |
| 2.1 地基微波辐射计介绍 | 第14-15页 |
| 2.2 地基微波辐射计探测原理 | 第15-17页 |
| 2.3 辐射传输模式MWGRND的理论计算原理 | 第17-20页 |
| 2.4 辐射传输模式MWGRND与monoRTM的对比 | 第20-23页 |
| 2.5 本文所使用的数据说明 | 第23-25页 |
| 第三章 基于LV1数据的样本分离及偏差订正 | 第25-33页 |
| 3.1 观测亮温与模拟亮温的一致性分析 | 第25-26页 |
| 3.2 “最小亮温群法”与“最大亮温群法”介绍 | 第26-28页 |
| 3.3 “晴空”样本的系统偏差订正 | 第28-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 “云天”样本云参数的反演 | 第33-43页 |
| 4.1 云参数反演的理论基础 | 第33-35页 |
| 4.2 “云天”样本亮温的质量控制 | 第35-38页 |
| 4.3 多元线性回归法反演云参数 | 第38-42页 |
| 4.3.1 云参数假设值的设置 | 第38-39页 |
| 4.3.2 回归方程的建立及拟合效果的评价 | 第39-41页 |
| 4.3.3 反演结果及评价 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 “云天”样本大气温湿廓线的反演 | 第43-54页 |
| 5.1 BP神经网络算法原理简介 | 第43-45页 |
| 5.2 “云天”样本亮温的“云影响订正” | 第45-46页 |
| 5.3 神经网络法反演温湿廓线 | 第46-53页 |
| 5.3.1 两组反演实验的设置 | 第47-48页 |
| 5.3.2 反演结果的对比及评价 | 第48-51页 |
| 5.3.3 个例对比 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 主要结论 | 第54-55页 |
| 6.2 创新点 | 第55页 |
| 6.3 存在的不足 | 第55页 |
| 6.4 工作展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |