基于AIRS和MODIS数据融合的卷云参数反演
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究进展 | 第9-12页 |
| 1.3 本文的工作与结构 | 第12-15页 |
| 1.3.1 本文工作 | 第12-13页 |
| 1.3.2 本文结构 | 第13-15页 |
| 第二章 AIRS和MODIS数据介绍及预处理 | 第15-22页 |
| 2.1 仪器简介 | 第15页 |
| 2.2 数据简介 | 第15-17页 |
| 2.2.1 AIRS数据 | 第15-16页 |
| 2.2.2 MODIS数据 | 第16-17页 |
| 2.3 数据格式与处理 | 第17-20页 |
| 2.3.1 AIRS预处理 | 第18-19页 |
| 2.3.2 MODIS预处理 | 第19页 |
| 2.3.3 空间匹配 | 第19-20页 |
| 2.4 亮温的计算 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于AIRS的云检测和云相态识别 | 第22-38页 |
| 3.1 云检测和云相态识别的意义 | 第22页 |
| 3.2 基于AIRS的云检测 | 第22-30页 |
| 3.2.1 波段的选取 | 第23-25页 |
| 3.2.2 样本的选取 | 第25-26页 |
| 3.2.3 统计结果及阈值设定 | 第26-28页 |
| 3.2.4 结果及分析 | 第28-30页 |
| 3.3 基于AIRS的云相态识别 | 第30-36页 |
| 3.3.1 云相态识别理论基础 | 第30-32页 |
| 3.3.2 波段的选取 | 第32页 |
| 3.3.3 样本的选取 | 第32-33页 |
| 3.3.4 统计结果及阈值设定 | 第33-35页 |
| 3.3.5 结果及分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 AIRS和MODIS的数据融合 | 第38-48页 |
| 4.1 数据融合背景与意义 | 第38页 |
| 4.2 小波融合算法 | 第38-41页 |
| 4.2.1 小波融合理论 | 第38-39页 |
| 4.2.2 小波融合步骤 | 第39-41页 |
| 4.3 基于PCA加权的融合算法 | 第41-43页 |
| 4.3.1 主成分分析(PCA)理论 | 第41页 |
| 4.3.2 基于PCA加权的融合算法步骤 | 第41-43页 |
| 4.4 融合结果的评价 | 第43-47页 |
| 4.4.1 评价标准 | 第43-45页 |
| 4.4.2 融合结果及评价 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 卷云参数反演 | 第48-60页 |
| 5.1 理论背景 | 第48-50页 |
| 5.2 大气的辐射传输方程 | 第50-51页 |
| 5.3 红外光谱辐射特征研究 | 第51-54页 |
| 5.3.1 随光学厚度的变化 | 第51-52页 |
| 5.3.2 亮温差对光学厚度的灵敏度分析 | 第52-53页 |
| 5.3.3 随粒子尺度的变化及灵敏度分析 | 第53-54页 |
| 5.4 反演流程 | 第54-55页 |
| 5.5 反演结果及评价 | 第55-59页 |
| 5.5.1 反演结果 | 第55-58页 |
| 5.5.2 反演结果评价 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
