| 摘要 | 第7-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第17-39页 |
| 1.1 研究目的与意义 | 第17-24页 |
| 1.1.1 土壤水分研究的目的与意义 | 第17-18页 |
| 1.1.2 土壤水分主被动微波遥感协同反演研究的目的与意义 | 第18-24页 |
| 1.2 土壤水分微波遥感反演国内外研究现状 | 第24-34页 |
| 1.2.1 土壤水分主动微波遥感反演研究现状 | 第24-28页 |
| 1.2.2 土壤水分被动微波遥感反演研究现状 | 第28-31页 |
| 1.2.3 土壤水分主被动微波协同反演研究现状 | 第31-34页 |
| 1.3 问题与思考 | 第34-35页 |
| 1.4 研究内容与方法 | 第35-37页 |
| 1.5 论文组织结构 | 第37-39页 |
| 第二章 土壤水分微波遥感反演物理基础及被动微波辐射模型 | 第39-58页 |
| 2.1 微波遥感相关概念 | 第39-49页 |
| 2.1.1 微波的波长与极化方式 | 第39-40页 |
| 2.1.2 辐射亮温与发射率 | 第40-42页 |
| 2.1.3 后向散射系数与发射率的关系 | 第42-43页 |
| 2.1.4 散射矩阵和相相干矩阵 | 第43-45页 |
| 2.1.5 地表粗糙度参数 | 第45-47页 |
| 2.1.6 土壤水分参数 | 第47-49页 |
| 2.1.7 土壤复介电常数 | 第49页 |
| 2.2 裸土区地表辐射模型 | 第49-54页 |
| 2.2.1 物理模型 | 第50-52页 |
| 2.2.2 半经验模型 | 第52-54页 |
| 2.3 植被区辐射模型 | 第54-57页 |
| 2.3.1 物理模型—Tor Vergata模型 | 第54-55页 |
| 2.3.2 半经验模型—τ-ω模型 | 第55-57页 |
| 2.4 本章小结 | 第57-58页 |
| 第三章 多种混合介电常数模型的模拟精度分析与适用性评价研究 | 第58-103页 |
| 3.1 土壤介电常数特性的分析研究 | 第58-68页 |
| 3.1.1 土壤介电常数 | 第59-60页 |
| 3.1.2 土壤质地影响分析 | 第60-63页 |
| 3.1.3 土壤矿物影响分析 | 第63-65页 |
| 3.1.4 土壤水分影响分析 | 第65-66页 |
| 3.1.5 土壤温度影响分析 | 第66-67页 |
| 3.1.6 频率影响分析 | 第67-68页 |
| 3.2 土壤介电常数模型 | 第68-80页 |
| 3.2.1 Mironov模型 | 第68-74页 |
| 3.2.2 Dobson模型 | 第74-76页 |
| 3.2.3 Wang和Schmugge模型 | 第76-79页 |
| 3.2.4 Haillikainen模型 | 第79-80页 |
| 3.3 不同介电常数模型对比分析及精度验证 | 第80-101页 |
| 3.3.1 不同土壤质地下介电常数模型的精度对比验证 | 第84-89页 |
| 3.3.2 不同温度下介电常数模型的精度对比验证 | 第89-96页 |
| 3.3.3 不同频率下介电常数模型的精度对比验证 | 第96-101页 |
| 3.4 本章小结 | 第101-103页 |
| 第四章 C和L波段主被动微波遥感土壤水分协同反演模型 | 第103-141页 |
| 4.1 被动微波遥感的土壤水分反演算法 | 第104-106页 |
| 4.2 基于C波段后向散射系数的L波段辐射亮度温度的降尺度算法 | 第106-122页 |
| 4.2.1 被动微波辐射亮度温度降尺度理论基础 | 第111-119页 |
| 4.2.2 基于雷达后向散射系数的被动微波亮度温度降尺度算法 | 第119-122页 |
| 4.3 基于C波段后向散射系数的土壤水分反演产品的降尺度算法 | 第122-126页 |
| 4.4 SMEX02实验区及实验数据 | 第126-131页 |
| 4.4.1 研究区概况 | 第126-127页 |
| 4.4.2 遥感数据与产品 | 第127-129页 |
| 4.4.3 地面实测数据 | 第129-131页 |
| 4.5 主被动微波的土壤水分协同反演与验证 | 第131-135页 |
| 4.6 本章小结 | 第135-141页 |
| 第五章 基于Sentinel-1与SMAP星载主被动微波数据的区域土壤水分反演与验证 | 第141-159页 |
| 5.1 研究区概况 | 第141页 |
| 5.2 辅助数据及处理 | 第141-152页 |
| 5.2.1 土地覆盖数据 | 第142-144页 |
| 5.2.2 像元水体比例数据 | 第144-146页 |
| 5.2.3 植被含水量数据 | 第146-147页 |
| 5.2.4 土壤质地数据 | 第147-149页 |
| 5.2.5 DEM数据 | 第149-151页 |
| 5.2.6 表层土壤温度数据 | 第151-152页 |
| 5.3 Sentinle-1 SAR和SMAP SPL1CTB_E数据及处理 | 第152-153页 |
| 5.3.1 SMAP SPL1CTB_E数据处理 | 第152-153页 |
| 5.3.2 Sentinel-1 SAR数据处理 | 第153页 |
| 5.3.3 Sentinle-1 SAR和SMAP SPL1CTB_E数据匹配处理 | 第153页 |
| 5.4 基于Sentinle-1 SAR和SMAP SPL1CTB_E辐射亮温数据的土壤水分协同反演技术流程 | 第153-155页 |
| 5.5 基于Sentinle-1 SAR和SMAP辐射亮温数据的河南省土壤水分反演结果 | 第155-156页 |
| 5.6 反演结果精度验证 | 第156-158页 |
| 5.7 本章小结 | 第158-159页 |
| 第六章 总结与展望 | 第159-164页 |
| 6.1 主要结论 | 第159-161页 |
| 6.2 论文创新点 | 第161-162页 |
| 6.3 存在的问题与展望 | 第162-164页 |
| 参考文献 | 第164-181页 |
| 攻读博士学位期间发表的论文 | 第181-182页 |
| 攻读博士学位期间参与的项目 | 第182-183页 |
| 致谢 | 第183-184页 |
