| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-17页 |
| 1.1 大气遥感监测技术 | 第7-9页 |
| 1.1.1 差分光学吸收光谱技术(DOAS) | 第8页 |
| 1.1.2 差分吸收激光雷达技术(DIAL) | 第8-9页 |
| 1.1.3 开路傅立叶变换红外光谱技术(OP-FTIR) | 第9页 |
| 1.2 CT重构算法 | 第9-15页 |
| 1.2.1 迭代算法 | 第10-12页 |
| 1.2.1.1 代数迭代法(ART) | 第10-11页 |
| 1.2.1.2 最大期望值算法(MLEM) | 第11-12页 |
| 1.2.1.3 联合代数迭代法(SART) | 第12页 |
| 1.2.2 平滑基函数最小化法(SBFM) | 第12-14页 |
| 1.2.3 多项式拟合算法 | 第14页 |
| 1.2.4 算法的选择 | 第14-15页 |
| 1.3 多组分气体污染物的谱图解析技术 | 第15页 |
| 1.4 本论文研究内容 | 第15-17页 |
| 2 单光路上气体浓度的一维重构 | 第17-27页 |
| 2.1 理论部分 | 第17-22页 |
| 2.1.1 光路积分浓度(PIC)的计算 | 第18页 |
| 2.1.2 拟合算法 | 第18-22页 |
| 2.1.2.1 最小二乘多项式拟合 | 第19-20页 |
| 2.1.2.2 三次样条插值拟合 | 第20-22页 |
| 2.2 实验部分 | 第22-23页 |
| 2.3 结果与讨论 | 第23-26页 |
| 2.4 结论 | 第26-27页 |
| 3 二维空间气体浓度分布的快速重构 | 第27-51页 |
| 3.1 理论部分 | 第27-33页 |
| 3.1.1 快速重构算法 | 第27-28页 |
| 3.1.2 曲面重构原理 | 第28-30页 |
| 3.1.2 反向传播人工神经网络算法的基本原理 | 第30-33页 |
| 3.2 实验部分 | 第33-35页 |
| 3.2.1 实验设计与过程 | 第33-35页 |
| 3.2.2 数据处理软件 | 第35页 |
| 3.3 快速算法的验证 | 第35-39页 |
| 3.3.1 快速算法的象素浓度图 | 第35-36页 |
| 3.3.2 两种算法的重构结果和比较 | 第36-39页 |
| 3.4 三组分气体污染物浓度的空间分布重构 | 第39-49页 |
| 3.4.1 反向传播人工神经网络的参数选择 | 第40-43页 |
| 3.4.1.1 隐含层单元数的确定 | 第40-41页 |
| 3.4.1.2 学习速率的确定 | 第41-42页 |
| 3.4.1.3 迭代次数的选择 | 第42-43页 |
| 3.4.2 三种气体污染物浓度的空间分布 | 第43-49页 |
| 3.4.2.1 三组分的象素浓度图 | 第43-45页 |
| 3.4.2.2 三组分的空间浓度分布重构图 | 第45-49页 |
| 3.4.2.3 重构结果比较与分析 | 第49页 |
| 3.5 结论 | 第49-51页 |
| 结论 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-61页 |
| 本人在研究生期间发表的论文 | 第61页 |