| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 前言 | 第11-20页 |
| ·选题背景及研究意义 | 第11页 |
| ·土壤水分监测 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·遥感监测土壤水分研究进展 | 第12-15页 |
| ·利用可见光、近红外与热红外波段监测土壤水分研究 | 第12-13页 |
| ·利用微波遥感监测土壤水分研究 | 第13-15页 |
| ·RBF神经网络应用研究进展 | 第15-16页 |
| ·研究内容、目的及意义 | 第16-17页 |
| ·研究区域概况 | 第17-18页 |
| ·技术方案 | 第18-20页 |
| ·试验方法 | 第18-20页 |
| ·技术路线 | 第20页 |
| 2 AMSR-E数据介绍及预处理 | 第20-24页 |
| ·AMSR-E仪器介绍 | 第20-21页 |
| ·AMSR-E数据介绍 | 第21-22页 |
| ·AMSR-E数据的合成 | 第22-24页 |
| 3 人工神经网络理论概述 | 第24-28页 |
| ·神经网络基本理论 | 第24-26页 |
| ·神经网络的基本原理 | 第24页 |
| ·神经网络的特征 | 第24-25页 |
| ·常见的神经网络模型 | 第25-26页 |
| ·神经网络的学习方法 | 第26页 |
| ·RBF神经网络简介 | 第26-28页 |
| ·RBF神经网络的基本原理和模型结构 | 第26-27页 |
| ·RBF的算法 | 第27-28页 |
| ·RBF神经网络的传递函数 | 第27-28页 |
| ·RBF中心的选取 | 第28页 |
| ·RBF算法描述 | 第28页 |
| 4 人工智能技术的MATLAB实现 | 第28-29页 |
| ·MATLAB软件介绍 | 第28页 |
| ·MATLAB的神经网络工具箱 | 第28-29页 |
| ·基于RBF神经网络预测方法的MATLAB实现 | 第29页 |
| ·MATLAB神经网络工具箱中相关函数介绍 | 第29页 |
| ·基于RBF神经网络的预测方法的MATLAB实现步骤 | 第29页 |
| 5 神经网络模型的建立方法 | 第29-33页 |
| ·土壤水分反演建模步骤 | 第29-32页 |
| ·数据准备及预处理 | 第29-30页 |
| ·模型输入输出向量的确定 | 第30-31页 |
| ·AMSR-E各波段数据与土壤水分观测值相关性分析 | 第30-31页 |
| ·输入输出向量确定 | 第31页 |
| ·模型的建立及相关参数的确定 | 第31-32页 |
| ·RBF神经网络模型的相关参数设置 | 第31-32页 |
| ·标准样本分组 | 第32页 |
| ·模型的训练和修改 | 第32页 |
| ·反演土壤水分精度评价方法 | 第32-33页 |
| 6 结果与分析 | 第33-52页 |
| ·RBF模型模拟结果与分析 | 第33-51页 |
| ·RBF模型建模 | 第33页 |
| ·RBF模型精度分析 | 第33-34页 |
| ·RBF模型反演土壤水分时空验证 | 第34-51页 |
| ·RBF模型反演土壤水分时间序列验证 | 第34-39页 |
| ·RBF模型反演土壤水分空间分布验证 | 第39-51页 |
| ·小结 | 第51-52页 |
| 7 结论与展望 | 第52-55页 |
| ·主要结论 | 第52-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61页 |