| 第一章 引言 | 第1-37页 |
| 第一节 问题的提出 | 第6-9页 |
| 1 天然气水合物的研究意义 | 第6页 |
| 2 天然气水合物常规探测方法的局限性 | 第6-7页 |
| 3 天然气水合物的卫星遥感探测方法 | 第7-9页 |
| 第二节 国内外研究现状与进展 | 第9-35页 |
| 1 天然气水合物研究 | 第9-19页 |
| 2 甲烷气浓度的卫星遥感探测技术研究 | 第19页 |
| 3 海表面气温研究 | 第19-26页 |
| 4 人工神经网络研究 | 第26-35页 |
| 第三节 工作思路与工作方法 | 第35-37页 |
| 第二章 研究资料及处理方法 | 第37-46页 |
| 第一节 研究资料 | 第37-39页 |
| 1 建立人工神经网络模型的资料 | 第37-39页 |
| 2 海表面甲烷气浓度 | 第39页 |
| 第二节 反演算法 | 第39-44页 |
| 1 海表面风速、云状液态水和总可降水汽 | 第39-42页 |
| 2 海表面水温 | 第42-43页 |
| 3 甲烷柱含量 | 第43-44页 |
| 第三节 数据预处理 | 第44-46页 |
| 第三章 甲烷气浓度的卫星探测技术 | 第46-54页 |
| 第一节 靶区海表面甲烷气浓度 | 第46-47页 |
| 第二节 MOPITT 试验 | 第47-48页 |
| 第三节 MOPITT 对不同大气层的灵敏度 | 第48-49页 |
| 第四节 正演大气中甲烷柱含量 | 第49-54页 |
| 1 经验模型的建立 | 第49-51页 |
| 2 正演CH4柱含量 | 第51-52页 |
| 3 结论与讨论 | 第52-54页 |
| 第四章 基于人工神经网络的海表面气温获取 | 第54-66页 |
| 第一节 建模过程概述 | 第54-57页 |
| 1 网络的选取 | 第54页 |
| 2 样本数据 | 第54-55页 |
| 3 合理网络模型的确定 | 第55-56页 |
| 4 神经网络的训练 | 第56-57页 |
| 第二节 神经网络模型一 | 第57-60页 |
| 1 ANN1模型的误差 | 第58页 |
| 2 海表面气温获取结果 | 第58页 |
| 3 ANN 方法与多次线性回归(MLR)方法比较 | 第58-60页 |
| 第三节 神经网络模型二 | 第60-64页 |
| 1 ANN2模型的误差 | 第61页 |
| 2 海表面空气温度获取结果 | 第61-62页 |
| 3 ANN 方法与多次线性回归(MLR)方法的比较 | 第62-64页 |
| 第四节 小结 | 第64-66页 |
| 第五章 利用卫星遥感探测海域天然气水合物藏的方法及其应用 | 第66-84页 |
| 第一节 卫星热红外异常及表面气温异常的机制 | 第66-72页 |
| 1 临震前卫星热红外增温与表面气温增温 | 第66-67页 |
| 2 临震前的气体异常 | 第67-69页 |
| 3 临震前卫星热红外异常与表面气温异常的机理 | 第69-72页 |
| 第二节 海表面气温异常与海域天然气水合物 | 第72-75页 |
| 第三节 试验区——以墨西哥湾为例 | 第75-80页 |
| 1 研究区背景 | 第75-76页 |
| 2 实例 | 第76-80页 |
| 3 小结 | 第80页 |
| 第四节 远景区——琼东南盆地 | 第80-84页 |
| 1 研究区背景 | 第80-82页 |
| 2 实例 | 第82-83页 |
| 3 小结 | 第83-84页 |
| 第六章 结语 | 第84-86页 |
| 第一节 结论 | 第84-85页 |
| 第二节 存在问题 | 第85-86页 |
| 参考文献 | 第86-104页 |
| 图版 | 第104-115页 |
| 攻读博士期间发表的论文 | 第115-116页 |
| 致谢 | 第116页 |