一、微波遥感及其在气象学上的应用（论文文献综述）
杨奥莉,郑东海,文军,陆宣承,杨越,符晴[1]（2021）在《青藏高原L波段微波辐射观测与土壤水分反演研究进展》文中认为土壤水分是地气间水热交换的重要变量,影响着地表感热潜热划分、水分收支和植被蒸腾等过程,青藏高原土壤水分的研究对于改进高原水分循环和能量平衡的模拟研究具有重要意义。随着SMOS、SMAP等卫星的发射,L波段被动微波遥感技术成为大尺度监测土壤水分的主要手段。分别从L波段星—机—地观测与微波辐射模拟、区域尺度土壤水分观测、卫星产品评估与土壤水分反演算法发展等方面系统回顾和总结了近年来L波段被动微波遥感及其土壤水分反演算法、产品在青藏高原的主要应用与研究进展。在此基础上,归纳了当前高原L波段被动微波辐射模拟与土壤水分反演存在的问题,主要包括缺乏高原尺度的微波辐射模拟评估和改进的卫星土壤水分产品、土壤冻结时期的水分监测产品依然缺失等问题。针对存在的问题,进一步提出了相关建议与展望,建议今后的研究应加强高原尺度的微波辐射模拟评估与土壤水分产品改进工作,并积极拓展土壤水分产品在高原水分循环和能量平衡模拟、植被生长与干旱监测的应用研究。
王皓,郝莹,袁松,陈光舟,靳莉莉[2]（2021）在《SMAP土壤水分产品在淮河流域的适用性评估》文中研究表明选取淮河流域为研究区域,利用2016年6月至2019年5月流域内的313个土壤水分观测站0～10 cm土壤体积含水量数据,使用多种指标分析SMAP卫星（Soil Moisture Active Passive）9 km分辨率土壤水分产品（L2SMPE）精度的空间和时间（年、月、日尺度）特征,并讨论植被、土壤、地形等对精度影响。结果表明:（1）整体来看,L2SMPE在淮河流域达不到0.04 m3/m3的预期精度,存在湿区高估、干区低估的现象,但可以较好地反映流域土壤水分的空间分布特征,也能较为准确地指示高湿区和低湿区。（2）L2SMPE的精度存在明显的区域差异和季节差异。冬季精度明显优于其他季节,流域大部分地区的无偏均方根误差（ubRMSE）均接近预期精度,且在流域北部的部分地区、伏牛山区和大别山区达到了预期精度。在春秋季,流域北部和大别山区的精度较高。夏季L2SMPE的可用性较差。（3）L2SMPE和降水有较好的一致性,对降水的响应比土壤水分观测值敏感。在降水过程中和降水结束后,L2SMPE的误差以随机误差为主;当土壤相对干燥,则以系统性负偏差为主。（4）L2SMPE的精度与采样点的土壤类型关系并不密切,山地地区的精度要优于其他地区。
吴颖菊[3]（2021）在《基于雷达和光学数据的土壤水分降尺度研究》文中研究指明
陈银[4]（2021）在《地基微波辐射计质量控制和反演算法研究》文中研究表明地基微波辐射计是基于大气微波遥感技术的气象观测设备,具有校准方法可靠性强、方便携带、可实现自动连续探测、设备安装使用操作简单、时间分辨率高等众多优点。正逐渐成为遥感大气廓线的重要仪器,成为获取大气温湿廓线的一种重要手段,对认识各种尺度的天气演变过程与做好临近天气预报具有重要意义。微波辐射计数据的质量情况影响着业务和科研工作中数据的使用,因此,地基微波福射计数据的质量控制尤为重要,提高微波辐射计观测数据质量及反演精度对气象部门具有重要意义。本文在学习传统的气象质量控制算法和反演算法的基础上,针对该设备数据存在的质量问题进行了深入的探究,提出了在降水条件下的数据质量问题并给予相应的质量控制方法,结合云雷达数据尝试提升在云天下的温湿廓线的反演精度,并评估了中国气象局大气探测试验基地正在运行的两台国产微波辐射计的探测性能,主要研究内容包括:（1）对微波辐射计相关数据资料和算法进行了介绍,主要研究对象为LV1级亮温数据资料和LV2级产品数据资料、探空数据、正演亮温数据、插值算法和回归模型以及BP神经网络。（2）结合地基微波辐射计观测值特点和传统气象质量控制方法研究了地基微波辐射计质量控制算法。尤其针对降水条件下天线罩覆盖水膜对亮温数据造成的影响进行了深入的研究,提出了本文针对降水检查的质量控制方法。确定算法中所需的阈值,通过数据质量评估验证了质量控制方法的有效性。（3）基于云天条件下的温湿廓线反演精度不高的问题对反演算法进行了数据融合研究,建立了一种微波辐射计设备结合云雷达信息反演温湿廓线的BP神经网络算法模型。通过数据评估分析验证了反演算法数据融合的有效性。（4）分析评估了相关气象数据并将算法进行了相关系统应用。从亮温数据的准确性、温湿廓线、水汽密度和积分水汽含量五个方面评估了两台国产微波辐射计的探测性能。并针对探测性能不佳的设备进行了质量控制。对冬奥会微波辐射计进行亮温数据质量控制,满足冬奥气象保障服务需求。不同设备的结果验证了本文算法的有效性和应用于实际业务的可行性。微波辐射计的相关算法均已应用在超大城市观测平台和智能垂直廓线集成控制系统。
孟春红,郭鹏,赵天杰,杨纲,李西灿,王博,万红[5]（2021）在《地表粗糙度的测量计算方法及其对微波辐射散射的影响分析》文中研究说明地表粗糙度反映了地表的微小起伏,是土壤水分微波遥感反演研究中重要的地表参数。以闪电河流域为研究区,首先利用针板法对不同地物下的地表粗糙度进行测量,然后对测量数据进行透视变换、数字化、倾斜校正及周期校正等一系列的处理,计算得到不同地表的粗糙度结果。研究表明:在使用针板法测量地表粗糙度时,为校正不同剖面测量姿态的影响需要进行倾斜校正以减小计算偏差,而对胡萝卜地、花菜地等具有周期性田垄结构的地表还需要进一步进行周期校正。通过对获取的闪电河流域典型地物的地表粗糙度进行分析,发现该地区草地的地表粗糙度较小,作物区的地表粗糙度普遍偏大,各类地物的地表粗糙度由小到大分别为草地、花菜地、玉米地、胡萝卜地、土豆（收割）地和土豆（未收）地。最后对地表粗糙度与机载微波辐射、散射观测进行相关性分析,发现在地面单点测量的地表粗糙度与机载尺度的微波辐射散射特性之间不存在明显关系。
蔡嘉晗[6]（2021）在《大气粒子多层、多次散射及带电效应对散射特性的影响研究》文中研究指明大气中包含各种形状和成分的粒子,如雨滴、冰雹、雪花、冰晶和沙尘等。粒子散射特性的分析在气象领域有着广泛的应用。为了提高气象雷达系统的检测和反演能力,需要对带电粒子、双层粒子以及粒子群的散射特性进行研究。本文基于电磁散射理论计算了复杂气象目标的散射效应,主要包括以下内容:（1）介绍球形粒子散射特性的理论计算方法,包括Mie散射理论、OPAC计算理论,带电球形粒子散射理论,双层球形粒子散射理论以及DDA散射理论等。（2）针对大气中冰晶的散射特性,利用OPAC软件包计算了冰晶粒子在不同数浓度下的散射特性,结果表明冰晶粒子的散射能力与其数浓度存在线性关系。（3）针对双层球形粒子散射特性的研究,基于Matlab计算了不同双层球粒子的散射特性,结果表明融化的双层球的散射能力远比单层球强;双层球的后向散射比单层球强。（4）利用电磁场理论推导带电粒子的散射公式,计算了不同带电量以及不同尺寸的冰球与水球粒子的散射特性,结果表明当粒子携带一定量的电荷时其散射特性将接近于金属粒子的散射特性。（5）基于DDA与HFSS软件完成了双球系统与双六棱柱冰晶粒子的多次散射特性计算,结果表明双球粒子的消光效率、散射效率、后向散射效率在球心距离为四倍粒子半径时为峰值。多次散射对双球系统的不对称因子及单次散射反照率的影响随球心距离变大存在波动。双六棱柱冰晶粒子在考虑多次散射时的RCS要大于简单相加的结果;双六棱柱冰晶粒子的RCS随着粒子中心距离的变大而变大,当粒子中心距离为六棱柱外接圆柱半径四倍时为峰值,超过峰值点后的RCS随着粒子中心距离的变大而变小。
陈宝林[7]（2021）在《青藏高原近20年NDVI动态变化及土壤水分分布格局研究》文中研究说明土壤水分是土壤、植被和大气所形成的一定范围内的物质能量流动和相互联系的重要因子;对表层土壤的水分蒸散和运移以及碳氮等元素的循环都有着较强的影响;土壤水分可以决定某一地域内生态系统中植被的生长状态和分布格局。土壤水分是水文、生态、农业等众多领域的不可或缺的指标和参数之一;土壤水分在表层土壤中的分布受到降水、地形等众多因素的影响因而表现出较强的空间分布不均的特点。借助于遥感大范围且迅速地获取区域较为可靠的土壤水分分布特征就成为一个新切入点。本文以青藏高原为研究区,采用干旱植被指数法进行土壤水分遥感反演。首先运用历史平均值法对青藏高原2000年3月—2020年2月的MOD11A1数据进行补偿并对青藏高原的LST的空间分布格局进行了分析,之后以同期的青藏高原的MOD09GA数据为基础通过波段运算等一系列操作后运用空间趋势分析法分析了青藏高原2000—2019的NDVI（Normalized Difference Vegetation Index,归一化植被指数）空间分布格局。再将NDVI与LST结合获得了青藏高原2000年3月—2020年2月逐月的干、湿边拟合方程及拟合系数后运用空间趋势分析法和未来趋势分析法分析了整个青藏高原2000—2019年的TVDI（Temperature Vegetation Dryness Index,温度植被干旱指数）空间分布特征,最后结合青藏高原的土壤水分实测数据和TVDI分布结果反演了青藏高原的土壤水分,并结合评价参数平均相对误差、均方根误差对反演结果进行验证,反演得到的土壤水分与用于验证的土壤水分呈线性正相关关系。结果表明:（1）历史平均值法对于青藏高原地区的MOD11A1地表温度产品数据可以较为贴近真实情况地补偿出缺失像元的遥感影像像元值。采用历史平均值法对数据进行补偿之后发现像元的有效利用率得到了大幅度的提升,影像信息基本反映了真实的地物信息,补偿结果满足了遥感影像的需求。（2）统计数据结果表明青藏高原2000—2019年四个季度的NDVI平均值呈现出夏季>秋季>春季>冬季,发现各个季节的植被覆盖变化差异较大,20年中青藏高原的植被覆盖变化中植被改善的区域占30.79%、植被退化区域占1.74%、植被稳定区域占67.47%。说明青藏高原的植被覆盖在过去的20年中以稳定为主,部分区域植被覆盖有所改善。（3）青藏高原20年TVDI的空间变化趋势主要以不显着增加为主,占到了像元总数的32.77%,不显着减少占30.61%。在基于Hurst指数的未来趋势分析中,发现Hurst指数的平均值为0.4108,Hurst介于0～0.5之间的面积占85.14%。表明在未来10年内青藏高原植被干旱的变化趋势与2000—2019年期间的变化趋势总体相反。结合之前已经做出的TVDI变化趋势很容易发现我国青藏高原的植被干旱指数在未来10年内会出现较大范围的面积减少的趋势。（4）利用站点实测数据结合TVDI结果构建模型反演出青藏高原的土壤水分分布格局,经验证发现反演出的土壤水分结果与验证站点的实测土壤水分两者相关性较高,相关系数R2达到了0.7728,说明利用TVDI结合站点实测数据可以较为准确地反演出青藏高原的土壤水分分布格局。青藏高原表层土壤水分分布在时间尺度上呈现出冬季>春季>夏季>秋季的分布格局;在空间分布格局上呈现出北部的柴达木盆地为高原土壤水分的低值区域并在高原的东南部以及西南部呈现出明显的带状分布特征。高原表层土壤水分的高值区域主要出现在雅鲁藏布江大拐弯处以及高原西北部的帕米尔高原附近。
姜苏麟[8]（2021）在《雷电热效应的地基微波辐射计遥感研究》文中提出雷电热效应是指在雷电放电过程中引起大气温度升高的现象,局部升温可达数万度。目前雷电放电路径的温度,尤其是放电路径的最高温度,主要是依赖可见光（含近红外）波段的光谱学方法观测,但是由于可见光持续时间短,此类方法难以代表雷电热效应的持续时间。热辐射在微波波段持续时间比可见光波段长,且比红外波段有更强的穿透力。因此本研究提出利用雷电产生的微波热辐射遥感观测雷电热效应。本文系统研究了利用地基微波辐射计探测雷电热效应的方案,并在广东野外雷电实验基地开展了人工触发闪电的微波辐射观测实验,围绕地基微波辐射计亮温观测数据的处理、观测方案的改进,雷电热效应特征参数的反演与验证等开展研究。为了探索微波辐射计应用于雷电热效应观测研究,结合辐射传输模式,理论仿真计算得到地基微波辐射计不同工作参数设置时的空间填充因子、透过率和亮温增量,结果表明:合适的低仰角与接近大气窗区的观测频率更有利于雷电热效应的微波遥感观测。根据雷电热效应的特征,2016年为地基微波辐射计野外试验提出了“引雷观测模式”的概念,并在2017-2019年的观测实验中不断得到完善。分析2017年辐射计在“引雷观测模式”下得到的数据,发现微波辐射计的观测效率和平均脉冲幅度随频率的变化呈“单峰型”分布,分别在30 GHz和28 GHz处达到峰值;辐射计在天线仰角设置为30°-75°情况下都有可能观测到雷电热效应。这有助于2018-2019年继续开展观测实验。对2017-2019年连续三年夏季辐射计在“引雷观测模式”下得到的数据进行系统分析,结果表明:亮温脉冲一般在触发时刻约0.2 s后产生;仰角为30°,且观测距离较近（本研究为99 m）时,辐射计的引雷观测数据能够较好的应用于揭示雷电热效应的特征。在成功触发的42次人工引雷中,辐射计观测到30次,3年的观测效率逐年提升,总计约71.4%。同一次闪电过程中,雷电流作用积分、电荷量与亮温脉冲幅度的变化趋势基本一致。结合工业相机拍摄的11次触发闪电视频和风向风速观测资料,发现高温气柱的移向移速与局地风的风向风速有良好的一致性,当高温气柱受局地风影响逐渐远离波束中心时,亮温脉冲的脉冲幅度、持续时间减小,进而使雷电热效应持续时间的估算结果偏小。30次触发闪电的雷电热效应持续时间在0.1-1.1 s之间,平均持续时间约0.5 s。闪电放电引起的温度增量反演结果基本在数千至4万K之间,平均约19589 K,在量级上与文献报道的光学法推算结果一致。通过匹配亮温数据与雷电流数据,论文给出了28次触发事件中最大亮温脉冲幅度与总电流作用积分之间可能存在的指数关系,拟合系数可达0.68,但统计表明最大亮温脉冲幅度和总电荷量之间的正相关性不明显。雷电流与雷电热效应的持续时间变化较为一致,可以统计分析的25次触发事件表明相关系数可达0.73,说明在本文提出的引雷观测模式下工作的辐射计可以观测到雷电热效应并估算其持续时间。反演的热柱温度增量与总电流作用积分之间存在明显的线性关系,可用以分析的10次触发事件统计得到相关系数约0.72,与其他文献报道的放电路径温度与雷电流作用积分的相关性相符合。结合ADTD和粤港澳区域维萨拉闪电定位系统,根据38次可以对比的触发事件发现地基微波辐射计观测雷电热效应的优势,尤其是对于回击强度较弱但热效应较强的闪电,辐射计探测到的可能性更大。
葛玲玲[9]（2021）在《基于机器学习的土壤湿度和气温遥感反演方法研究》文中研究说明土壤湿度和气温作为重要的气候变量,在天气和气候演变、能量循环和水文循环中至关重要。大范围、高精度、高质量的土壤湿度和气温数据对于防灾减灾具有重要意义。为获取及时、精确、全面、稳定的数据,开展土壤湿度和气温遥感反演方法研究很有必要。本文旨在从数据驱动和问题驱动角度出发,从土壤湿度和气温两个方面展开了基于机器学习的遥感反演方法研究,并评估分析了各个模型性能及其反演精度。本文研究的主要研究内容和结论如下:（1）基于深度卷积神经网络的土壤湿度遥感反演算法。针对土壤湿度遥感反演中的多源数据融合问题,构建了基于深度卷积神经网络（DCNN）的土壤湿度遥感反演模型,开展了基于SMOS微波亮温、ASCAT后向散射系数、MODIS NDVI和土壤温度的全球土壤湿度遥感反演,并将反演结果与实况观测结果、土壤湿度再分析产品进行比较。实验结果表明,与土壤气候观测网络（SCAN）的实况观测相比,深度卷积神经网络取得了比后向传播神经网络（NN）更好的结果。此外,在全球范围内,NN（DCNN）反演结果和欧洲中期天气预报中心中期再分析土壤湿度产品的时间相关性和空间相关性分别为0.558-0.570（0.568-0.576）和0.922-0.924（0.926-0.927）,证明了深度卷积神经网络模型可以有效地用于获取大范围、近实时的土壤湿度。（2）基于多视图多任务学习的土壤湿度遥感反演算法。针对土壤湿度的时空分布特征和地学先验假设,设计了基于多视图多任务学习（MVMTL）的土壤湿度遥感反演模型。首先,从SMOS微波亮温、ASCAT后向散射系数、MODIS NDVI和土壤温度数据中分别提取时间特征和空间特征。然后,从多视图学习角度利用每个网格单元提取的时空特征估计其相应的土壤湿度值。最后,从多任务学习角度利用不同网格单元之间的空间相关性来开展北美大陆地区所有网格单元的土壤湿度联合估计。实验结果表明,多视图多任务学习模型反演结果与欧洲中期天气预报中心中期再分析土壤湿度产品的时间相关性和空间相关性分别为0.527和0.892,与土壤气候观测网络（SCAN）的实况观测相比,多视图多任务学习模型可以获得比其他模型更好的性能,时间相关性的均值和中值提升高达3.54%和5.33%。（3）精细化的多视图多任务土壤湿度遥感反演算法。为验证FY-3B/MWRI对地观测亮温数据用于土壤湿度反演的潜能,以及改进后的多视图多任务学习方法在青藏高原地区的适用性,设计了精细化的多视图多任务（MVMTL）土壤湿度遥感反演模型,该模型可以考虑星载微波遥感在遥感反演中的应用需求和空间相关的先验假设。首先,将FY-3B MWRI微波亮温、MODIS植被归一化指数、反照率、地形、土壤温度、粗糙度等数据按照时空属性划分。然后,依据不同的时空属性提取相应网格单元的时间或空间或时空属性。最后,通过在均方误差基础上考虑时空视图不一致约束、多任务空间相关性约束以及L21正则化对多视图多任务学习模型参数进行优化,得到整个研究区域土壤湿度值的联合估计。在实况观测上与欧洲中期天气预报中心中期再分析土壤湿度产品相比,本文的方法具有更小的均方根误差和更高的相关性技能。在不同分辨率的观测网络中,多视图多任务方法的反演技巧仅次于FY-3B土壤水分2级产品,且明显好于欧洲中期天气预报中心中期再分析土壤湿度产品。（4）基于逐步卷积神经网络的气温遥感反演算法。针对复杂地形下局部地区观测站点稀疏问题,设计了一种基于逐步卷积神经网络的气温遥感反演模型（TENet）,利用静止卫星的热红外观测和地形数据,实现了我国西南地区的0.01°逐小时的晴空气温反演。首先,对卫星观测数据与有限地面气象观测站观测数据之间的关系进行了建模。第二步,利用所得到的关系估计地面气象观测站邻域内其他卫星观测数据的气温,然后扩充训练数据集,进一步细化模型。与气象观测站的实况数据相比,该模型在整个研究区域的平均均方根误差为1.61℃,在青藏高原地区的平均均方根误差低于2℃。与两种常用的气温产品在不同的时间尺度和地理特性上的比较,该模型可以实现更好的或者类似的性能,验证了逐步卷积神经网络的气温遥感反演模型可以有效的提高反演精度。
梁爽[10]（2021）在《极地海冰密集度和厚度遥感反演方法研究》文中研究指明海冰不仅是冰冻圈重要的组成要素,同时也是极区气候系统的重要调节器和全球气候变化的敏感因子。诸多研究表明,海冰对大气、生态、环境、海洋以及人类活动等各个方面都具有重要影响。因此,监测极区海冰参数并获取其时空分布信息具有重要的科学价值和实际意义。海冰密集度和海冰厚度是分别表征海冰在“水平方向”和“垂直方向”变化特征的两个重要海冰参量。相比传统海冰密集度和海冰厚度测量方法,遥感覆盖范围广,可实现大范围的持续观测,是进行海冰密集度和海冰厚度时空监测的有效手段。因此,开展海冰密集度和海冰厚遥感反演方法研究对于获取和理解极区海冰时空分布特征及变化趋势具有重要意义。本论文以南北极为研究区域,针对目前被动微波遥感海冰密集度反演方法的不足以及最新发射的ICESat-2激光高度计,分别开展海冰密集度和海冰厚度遥感反演方法研究工作,并应用其进行极地区域海冰密集度及海冰范围的时空变化研究。论文的主要研究内容和结论包括以下四个方面:（1）对国际上主流的被动微波海冰密集度产品进行了全面的精度评价和一致性评估。首先利用高分辨率遥感影像（MODIS）对主流的被动微波海冰密集度算法（NT2、BT、ASI算法）生产的海冰密集度产品（SSMIS/ASI、AMSR2/BT及我国的FY3B/NT2和FY3C/NT2产品）进行了精度评价。其次,选择与被动微波海冰密集度时空分辨率相近的ERA-Interim再分析海冰密集度数据集,对不同算法的海冰密集度产品进行了长时序、全极区的一致性评估。最后,总结了各种主流的海冰密集度产品（算法）在极区的表现与误差时空分布特征,并提出相应的解决方案,为后续新发展的海冰密集度融合算法打下了基础。（2）针对不同被动微波海冰密集度算法的误差特征,提出了被动微波海冰密集度融合新方法。通过对目前国际主流的被动微波海冰密集度产品在南北极地区的一致性评估发现,现有海冰密集度产品在南北极海冰边缘区和夏季时期误差较大,其中ASI算法和BT算法整体表现最优且分别在北极与南极地区表现最好。因此选择以ASI算法与BT算法为基准算法,针对两者在南北极海冰边缘区和夏季时期具有相反的低高估偏差特征,对两者进行有效融合,消除偏差的影响,形成新的海冰密集度融合算法。利用2012-2014年中国雪龙号南北极科考的船基观测数据验证表明新算法反演的海冰密集度精度优于ASI和BT算法,在北极的均方根误差（RMSE）为9.55%,南极的RMSE为11.37%,同时新算法反演的海冰密集度能够很好的捕捉海冰密集度的动态变化趋势,在南北极的决定系数R2值均在0.8以上,可实现高精度、长时序的极区海冰密集度产品生产。（3）系统分析了近20年南北极地区海冰密集度、海冰面积和范围的时空变化。基于本论文发展的新的海冰密集度融合算法,结合AMSR-E和AMSR2多通道辐射计亮温数据,生成了2002-2020年的长时序日尺度海冰密集度产品。在此基础上从不同的时间尺度（年、季、月）分析了南北极及其子区域海冰密集度、海冰面积和范围的时空分布及变化趋势。结果表明整体上南北极地区年均海冰密集度在21世纪均表现出减少趋势。其中北极海冰减少趋势较南极更为明显,尤其以巴伦支海和卡拉海海冰减少最为显着。研究结果进一步揭示了极地区域海冰变化的特征,有助于进一步理解全球变暖大背景下,极地海冰的变化规律以及南极和北极海冰变化的异同。（4）探讨了不同参数组合方案对基于ICESat-2激光高度计的北极地区海冰厚度反演结果的影响。现有基于高度计的海冰厚度获取方法主要基于静力平衡方程,在估算过程中,不同的积雪厚度、积雪密度及海冰密度输入方案对海冰厚度反演结果的不确定性具有较大影响。论文首先分析了ICESat-2激光高度计2018-2019年及2019-2020年两个冬季获取的北极地区海冰干舷空间分布及月均海冰干舷的时间变化。然后,开展了不同积雪厚度、积雪密度和海冰密度总计18种参数组合方案对ICESat-2激光高度计海冰厚度反演结果的比较工作,分析了一年冰和多年冰区域的参数化方案反演结果的差异。最后,基于ICEBird航空观测数据对不同方案的ICESat-2轨道海冰厚度反演结果进行了对比,采取优选方案,绘制了2020年冬季北极地区ICESat-2海冰厚度空间分布,并与三种公开发布的Cryo Sat-2海冰厚度（AWI、CMOP和GSFC）进行了对比分析,结果表明ICESat-2反演的海冰厚度与AWI、CMOP和GSFC海冰厚度的平均偏差分别为-0.15 m、-0.26 m和-0.13 m。
二、微波遥感及其在气象学上的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、微波遥感及其在气象学上的应用（论文提纲范文）
（1）青藏高原L波段微波辐射观测与土壤水分反演研究进展（论文提纲范文）
| 1 引言 |
| 2 青藏高原L波段微波辐射观测与模拟研究进展 |
| 2.1 L波段微波辐射观测 |
| 2.1.1 青藏高原机载和地基观测试验 |
| 2.1.2 卫星遥感观测及辐射精度评估 |
| 2.2 L波段微波辐射模拟 |
| 2.2.1 当前卫星任务采用的前向模拟算法 |
| 2.2.2 青藏高原L波段微波辐射模拟研究进展 |
| 3 青藏高原土壤水分观测和反演研究进展 |
| 3.1 青藏高原土壤水分观测网 |
| 3.2 L波段卫星遥感土壤水分产品评估 |
| 3.3 土壤水分反演算法的改进 |
| 4 展望 |
（2）SMAP土壤水分产品在淮河流域的适用性评估（论文提纲范文）
| 1 引言 |
| 2 研究区域 |
| 3 数据与方法 |
| 3.1 SMAP数据 |
| 3.2 土壤水分地面观测数据 |
| 3.3 地理信息数据 |
| 3.4 评估指标 |
| 3.5 评估方法 |
| 4 结果分析 |
| 4.1 总体评估结果 |
| 4.2 误差的空间分布特征 |
| 4.3 不同时间尺度的评估结果 |
| 4.3.1 季节尺度评估 |
| 4.3.2 月尺度评估 |
| 4.3.3 日尺度评估 |
| 4.4 讨论 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.2 讨论 |
（4）地基微波辐射计质量控制和反演算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要内容 |
| 1.4 论文组织安排 |
| 第二章 资料与方法 |
| 2.1 资料介绍 |
| 2.1.1 微波辐射计数据 |
| 2.1.2 探空数据 |
| 2.1.3 正演亮温数据 |
| 2.2 插值算法 |
| 2.2.1 一维最近邻插值 |
| 2.2.2 一维线性插值 |
| 2.2.3 一维非线性插值 |
| 2.2.4 三次样条插值 |
| 2.3 回归模型 |
| 2.3.1 参数回归模型 |
| 2.3.2 非参数回归模型 |
| 2.3.3 半参数回归模型 |
| 2.3.4 一元非参数回归模型 |
| 2.3.5 最小二乘法 |
| 2.4 BP神经网络 |
| 2.5 本章小结 |
| 第三章 数据质量控制与效果分析 |
| 3.1 亮温数据质量控制方法设计 |
| 3.1.1 逻辑检查 |
| 3.1.2 最小变率检查 |
| 3.1.3 降水检查 |
| 3.1.4 一致性判别检查 |
| 3.1.5 极值检查 |
| 3.1.6 偏差订正 |
| 3.2 产品数据质量控制方法设计 |
| 3.2.1 极值检查 |
| 3.2.2 时间一致性检查 |
| 3.2.3 垂直一致性检查 |
| 3.3 质量评估方法和指标 |
| 3.3.1 亮温数据通过率 |
| 3.3.2 亮温数据可用率 |
| 3.3.3 亮温数据准确性 |
| 3.3.4 温湿廓线通过率 |
| 3.3.5 温湿廓线准确性 |
| 3.4 亮温数据质量控制效果分析 |
| 3.4.1 亮温数据通过率 |
| 3.4.2 亮温数据可用率 |
| 3.4.3 亮温数据准确性 |
| 3.4.4 亮温数据质控效果总结 |
| 3.5 产品数据质量控制效果分析 |
| 3.5.1 温湿廓线通过率 |
| 3.5.2 温湿廓线准确性 |
| 3.6 本章小结 |
| 第四章 反演算法数据融合研究 |
| 4.1 主被动联合反演 |
| 4.1.1 设备简介 |
| 4.1.2 数据预处理 |
| 4.2 神经网络训练 |
| 4.2.1 训练数据 |
| 4.2.2 训练过程 |
| 4.2.3 反演过程 |
| 4.3 结果分析 |
| 4.4 个例分析 |
| 4.4.1 低云情况 |
| 4.4.2 中云情况 |
| 4.4.3 高云情况 |
| 4.5 本章小结 |
| 第五章 测试数据评估与算法应用 |
| 5.1 微波辐射计测试方案 |
| 5.1.1 标准辐射源简介 |
| 5.1.2 测试方案与指标 |
| 5.1.3 国产1 号设备结果分析 |
| 5.1.4 国产2 号设备结果分析 |
| 5.1.5 关于国产2 号设备的质控应用 |
| 5.1.6 测试方案总结 |
| 5.2 亮温质控算法冬奥会应用 |
| 5.2.1 数据通过率 |
| 5.2.2 数据可用率 |
| 5.2.3 冬奥会质控算法总结 |
| 5.3 综合质量控制算法效果分析 |
| 5.4 超大城市观测平台算法应用 |
| 5.4.1 项目背景 |
| 5.4.2 算法应用 |
| 5.5 IPC智能垂直廓线集成系统算法应用 |
| 5.5.1 项目背景 |
| 5.5.2 算法应用 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介 |
| 基本情况 |
| 攻读硕士学位期间课程学习情况 |
| 攻读硕士学位期间科研成果 |
| 致谢 |
（5）地表粗糙度的测量计算方法及其对微波辐射散射的影响分析（论文提纲范文）
| 1 引言 |
| 2 研究区概况 |
| 3 地表粗糙度测量与计算方法 |
| 3.1 地表粗糙度测量方法 |
| 3.1.1 土壤表面高度测量 |
| 3.1.2 透视变换 |
| 3.1.3 土壤表面高度提取 |
| 3.2 地表粗糙度计算方法 |
| 3.2.1 地表粗糙度参数计算 |
| 3.2.2 倾斜校正 |
| 3.2.3 周期校正 |
| 4 结果与分析 |
| 4.1 闪电河流域地表粗糙度空间分布特征 |
| 4.2 地表粗糙度对微波辐射散射的影响 |
| 5 结论 |
（6）大气粒子多层、多次散射及带电效应对散射特性的影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究进展 |
| 1.3 研究内容与目标 |
| 1.3.1 研究内容 |
| 1.3.2 研究目标 |
| 第二章 粒子散射理论基础和计算方法 |
| 2.1 电磁散射理论基础 |
| 2.1.1 麦克斯韦方程组 |
| 2.1.2 电磁波极化 |
| 2.1.3 散射振幅矩阵 |
| 2.1.4 消光截面、散射截面和吸收截面等光学参数 |
| 2.2 球形粒子电磁散射计算方法 |
| 2.2.1 Mie散射理论 |
| 2.2.2 Mie散射计算推导 |
| 2.3 Mie角度散射 |
| 2.4 小结 |
| 第三章 基于Mie散射冰晶粒子散射特性分析 |
| 3.1 使用的软件及冰晶粒子模型 |
| 3.1.1 OPAC介绍 |
| 3.1.2 粒子模型及计算的粒子 |
| 3.2 冰晶粒子散射理论计算 |
| 3.2.1 不同模型的冰晶粒子的散射特性计算 |
| 3.2.2 同温度的冰晶粒子散射特性计算 |
| 3.3 小结 |
| 第四章 双层粒子散射特性研究 |
| 4.1 双层粒子模型及计算原理推导 |
| 4.1.1 双层粒子模型 |
| 4.1.2 双层粒子散射计算原理推导 |
| 4.1.3 粒子群及消光系数的定义 |
| 4.2 双层粒子散射特性计算及分析 |
| 4.2.1 有水膜的粒子群与无水膜粒子群的散射特性分析 |
| 4.2.2 水包冰粒子散射与水膜厚度的关系 |
| 4.3 小结 |
| 第五章 带电粒子散射特性研究 |
| 5.1 带电粒子模型及计算原理 |
| 5.2 带电粒子散射特性的计算 |
| 5.2.1 冰球粒子与水球粒子散射特性的分析 |
| 5.2.2 水球粒子的散射效率随面电导率的变化 |
| 5.2.3 冰球粒子与水球粒子的Mie角度散射分析 |
| 5.3 小结 |
| 第六章 双个粒子群的多次散射特性的研究 |
| 6.1 使用的软件简介及计算的物理量 |
| 6.1.1 DDA简介及计算原理 |
| 6.1.2 HFSS简介及计算原理 |
| 6.1.3 雷达散射截面(RCS) |
| 6.1.4 软件计算的可靠性验证 |
| 6.2 DDA中双球系统散射特性与球心距离的关系 |
| 6.2.1 双球系统的消光效率与球心距离的关系 |
| 6.2.2 双球系统的散射效率与球心距离的关系 |
| 6.2.3 双球系统的后向散射效率与球心距离的关系 |
| 6.2.4 双球系统的不对称因子与球心距离的关系 |
| 6.2.5 双球系统的单次散射反照率与球心距离的关系 |
| 6.2.6 双球系统的多次散射特性与散射波段的关系 |
| 6.3 HFSS对六棱柱冰晶粒子的RCS分析 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 7.1 论文的研究工作及结论 |
| 7.2 论文的创新点 |
| 7.3 论文的不足与展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（7）青藏高原近20年NDVI动态变化及土壤水分分布格局研究（论文提纲范文）
| 摘要 |
| SUMMARY |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 研究现状与进展 |
| 1.3 研究内容与技术路线 |
| 1.4 论文特色 |
| 第二章 研究区概况及数据来源 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 行政区划 |
| 2.1.4 气候水文 |
| 2.1.5 自然资源 |
| 2.2 研究数据 |
| 2.2.1 遥感数据 |
| 2.2.2 青藏高原植被类型数据 |
| 2.2.3 青藏高原土壤水分实测数据 |
| 2.2.4 辅助地图数据 |
| 2.3 数据预处理 |
| 2.4 本章小结 |
| 第三章 研究方法 |
| 3.1 数据补偿研究——历史平均值法 |
| 3.2 空间趋势分析法 |
| 3.3 未来趋势分析法 |
| 3.4 归一化植被指数 |
| 3.5 植被覆盖度 |
| 3.6 温度植被干旱指数 |
| 3.7 一元线性回归 |
| 3.8 本章小结 |
| 第四章 青藏高原NDVI多年时空变化趋势分析 |
| 4.1 青藏高原2000—2019 年NDVI分布特征 |
| 4.2 青藏高原2000—2019 年植被覆盖变化特征 |
| 4.3 本章小结 |
| 第五章 青藏高原地表温度时空变化分析 |
| 5.1 地表温度的高程校正 |
| 5.2 青藏高原LST多年分布格局 |
| 5.3 青藏高原LST季节分布特征 |
| 5.4 本章小结 |
| 第六章 基于TVDI的土壤水分反演格局分析 |
| 6.1 青藏高原2000—2019 年TVDI分布特征 |
| 6.2 青藏高原TVDI未来变化趋势分析 |
| 6.3 青藏高原土壤水分线性相关分析 |
| 6.4 青藏高原土壤水分分布格局 |
| 6.5 本章小结 |
| 第七章 结论与讨论 |
| 7.1 结论 |
| 7.2 讨论 |
| 附表:1 青藏高原2000年3月—2020年2月逐月干、湿边拟合方程及拟合系数 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在读期间发表论文和研究成果等 |
| 导师简介 |
（8）雷电热效应的地基微波辐射计遥感研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景和意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 雷电热效应的光谱法研究进展 |
| 1.2.2 人工引雷技术 |
| 1.2.3 地基微波辐射计的遥感应用现状 |
| 1.3 问题的提出 |
| 1.4 本文研究的目标和内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 论文章节简介 |
| 第二章 雷电热效应的微波遥感探测原理与模拟计算研究 |
| 2.1 微波热辐射 |
| 2.2 雷电热效应的微波辐射探测原理 |
| 2.2.1 闪电高温气柱模型 |
| 2.2.2 地基微波辐射计对雷电热效应的亮温响应理论分析 |
| 2.2.3 亮温响应量与波束宽度的关系 |
| 2.2.4 亮温响应量与积分时间的关系 |
| 2.3 Mono RTM辐射传输模式 |
| 2.3.1 Mono RTM理论基础 |
| 2.3.2 程序简介 |
| 2.4 雷电热效应的微波遥感观测模拟分析 |
| 2.4.1 天线仰角与观测频率对亮温响应量的影响 |
| 2.4.2 高温气柱倾斜对亮温响应量的影响 |
| 2.4.3 观测距离对亮温响应量的影响 |
| 2.5 本章小结 |
| 第三章 地基微波辐射计探测雷电热效应的野外人工引雷观测实验与数据预处理研究 |
| 3.1 MWP967KV型地基微波辐射计 |
| 3.1.1 地基微波辐射计基本原理 |
| 3.1.2 地基微波辐射计性能 |
| 3.1.3 地基微波辐射计系统 |
| 3.2 广东野外雷电实验基地简介 |
| 3.2.1 雷电流测量设备 |
| 3.2.2 高温气柱位置的测量设备 |
| 3.3 2016 年“项目预研阶段”观测试验 |
| 3.3.1 地基微波辐射计的“引雷观测模式” |
| 3.3.2 2016 年“初步观测”带来的经验 |
| 3.4 2017-2019 年观测实践 |
| 3.4.1 2017-2019 年观测方案及亮温脉冲分析 |
| 3.4.2 2017-2019 年引雷观测数据概况 |
| 3.5 本章小结 |
| 第四章 基于微波辐射计观测数据的雷电热效应特征分析 |
| 4.1 雷电流作用积分和电荷量的计算 |
| 4.2 亮温脉冲幅度的变化特征 |
| 4.3 雷电热效应的持续时间 |
| 4.3.1 估算方法 |
| 4.3.2 误差分析 |
| 4.4 闪电高温气柱的温度增量 |
| 4.5 局地风对观测的影响 |
| 4.6 本章小结 |
| 第五章 雷电热效应实验结果与独立来源数据的对比分析 |
| 5.1 微波亮温脉冲与放电强度参数 |
| 5.2 雷电热效应与雷电流的持续时间对比 |
| 5.3 热柱温度增量与雷电流作用积分的相关性 |
| 5.4 微波辐射计与闪电定位系统的探测效率对比 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要结论 |
| 6.2 论文的创新点 |
| 6.3 存在的问题和未来的研究方向 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（9）基于机器学习的土壤湿度和气温遥感反演方法研究（论文提纲范文）
| 摘要 |
| Abstrct |
| 术语缩写 |
| 第一章 绪论 |
| 1.1 研究背景和需求 |
| 1.1.1 高时空分辨率遥感观测的需求 |
| 1.1.2 土壤湿度和气温遥感反演的不足 |
| 1.1.3 遥感反演中的先验知识与方法的适用性 |
| 1.2 土壤湿度遥感反演的研究现状 |
| 1.2.1 土壤湿度的测量与监测 |
| 1.2.2 土壤湿度遥感反演研究进展 |
| 1.2.3 存在的问题 |
| 1.3 气温遥感反演的研究现状 |
| 1.3.1 气温的测量与监测 |
| 1.3.2 气温遥感反演研究进展 |
| 1.3.3 存在的问题 |
| 1.4 研究目标与内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 论文章节安排 |
| 第二章 基于深度卷积神经网络的土壤湿度遥感反演模型 |
| 2.1 引言 |
| 2.2 研究区域与数据 |
| 2.2.1 SMOS数据 |
| 2.2.2 ASCAT数据 |
| 2.2.3 MODIS NDVI |
| 2.2.4 ERA-Interim数据 |
| 2.2.5 土壤湿度观测网络 |
| 2.3 基于深度卷积神经网络的土壤湿度遥感反演算法 |
| 2.3.1 土壤湿度遥感反演原理 |
| 2.3.2 模型构建 |
| 2.3.3 实验设计 |
| 2.4 结果分析与讨论 |
| 2.4.1 站点尺度上的误差分析 |
| 2.4.2 时间相关性分析 |
| 2.4.3 空间相关性分析 |
| 2.4.4 讨论 |
| 2.5 本章小结 |
| 第三章 基于多视图多任务学习的土壤湿度遥感反演模型 |
| 3.1 引言 |
| 3.2 研究区域与数据 |
| 3.2.1 研究区域 |
| 3.2.2 遥感数据 |
| 3.2.3 ERA-Interim数据 |
| 3.2.4 实况观测 |
| 3.3 基于多视图多任务学习的北美大陆土壤湿度遥感反演算法 |
| 3.3.1 模型架构 |
| 3.3.2 实验设置 |
| 3.4 结果分析与讨论 |
| 3.4.1 模型超参数 |
| 3.4.2 时空相关性分析 |
| 3.4.3 站点尺度上的误差分析 |
| 3.4.4 讨论 |
| 3.5 本章小结 |
| 第四章 精细化的多视图多任务土壤湿度遥感反演模型 |
| 4.1 引言 |
| 4.2 研究区域与数据 |
| 4.2.1 研究区域 |
| 4.2.2 模型输入和参考数据集 |
| 4.2.3 验证数据集 |
| 4.3 精细化的多视图多任务土壤湿度遥感反演算法 |
| 4.3.1 模型构建 |
| 4.3.2 土壤湿度遥感反演流程 |
| 4.3.3 实验设置 |
| 4.4 结果分析与讨论 |
| 4.4.1 时空相关性分析 |
| 4.4.2 时序误差分析 |
| 4.4.3 空间均值误差分析 |
| 4.4.4 遥感反演土壤湿度地适用性分析 |
| 4.4.5 讨论 |
| 4.5 本章小结 |
| 第五章 基于逐步卷积神经网络的气温遥感反演模型 |
| 5.1 引言 |
| 5.2 研究区域与数据 |
| 5.2.1 研究区域 |
| 5.2.2 气象数据 |
| 5.2.3 再分析数据 |
| 5.2.4 卫星数据 |
| 5.2.5 辅助数据 |
| 5.3 基于逐步卷积神经网络的气温遥感反演算法 |
| 5.3.1 模型构建 |
| 5.3.2 实验设计与质量评估 |
| 5.4 结果分析与讨论 |
| 5.4.1 不同数据增强策略的性能 |
| 5.4.2 逐小时气温评估 |
| 5.4.3 日尺度气温评估 |
| 5.4.4 月尺度气温评估 |
| 5.4.5 不同土地覆盖类型上的适用性 |
| 5.4.6 不同海拔、地理位置上的适用性 |
| 5.4.7 讨论 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结与创新点 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（10）极地海冰密集度和厚度遥感反演方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 被动微波海冰密集度研究现状 |
| 1.2.2 基于高度计的海冰厚度研究现状 |
| 1.2.3 极区海冰密集度时空变化研究现状 |
| 1.3 研究内容与技术路线 |
| 1.4 论文结构 |
| 第2章 海冰密集度和厚度遥感反演的理论基础与方法 |
| 2.1 微波辐射传输模型 |
| 2.2 海冰的微波辐射特性 |
| 2.3 被动微波海冰密集度反演方法 |
| 2.3.1 低频算法 |
| 2.3.2 高频算法 |
| 2.3.3 系点亮温 |
| 2.3.4 天气滤波 |
| 2.4 被动微波辐射计及海冰密集度产品 |
| 2.5 基于高度计的海冰厚度估算方法 |
| 2.5.1 卫星高度计工作原理 |
| 2.5.2 基于静力平衡方程的海冰厚度估算方法 |
| 2.6 ICESat系列星载激光高度计及ICESat-2 海冰干舷产品 |
| 2.7 本章小结 |
| 第3章 被动微波海冰密集度产品对比及评价 |
| 3.1 待评估被动微波海冰密集度产品及辅助数据 |
| 3.2 评估方法及误差指标 |
| 3.3 基于高分辨率影像的海冰密集度产品精度评估 |
| 3.4 被动微波海冰密集度产品一致性对比 |
| 3.4.1 日均海冰密集度对比 |
| 3.4.2 月均海冰密集度对比 |
| 3.4.3 年均海冰密集度对比 |
| 3.4.4 海冰范围和面积对比 |
| 3.5 算法偏差来源分析与讨论 |
| 3.6 本章小结 |
| 第4章 基于融合算法的海冰密集度反演 |
| 4.1 算法融合方案 |
| 4.2 系点亮温和天气滤波处理 |
| 4.3 基于融合算法的海冰密集度反演及精度验证 |
| 4.4 本章小结 |
| 第5章 被动微波海冰密集度产品的应用分析 |
| 5.1 研究区及数据情况介绍 |
| 5.2 北极地区海冰密集度时空分析 |
| 5.2.1 海冰密集度年均空间分布格局 |
| 5.2.2 海冰密集度季均空间分布格局 |
| 5.2.3 海冰密集度月均空间分布格局 |
| 5.2.4 海冰密集度年际变化趋势分析 |
| 5.3 南极地区海冰密集度时空分析 |
| 5.3.1 海冰密集度年均空间分布格局 |
| 5.3.2 海冰密集度季均空间分布格局 |
| 5.3.3 海冰密集度月均空间分布格局 |
| 5.3.4 海冰密集度年际变化趋势分析 |
| 5.4 极区海冰面积和范围变化分析 |
| 5.4.1 北极海冰面积和范围变化分析 |
| 5.4.2 南极海冰面积和范围变化分析 |
| 5.5 本章小结 |
| 第6章 基于ICESat-2 激光高度计的海冰厚度反演研究 |
| 6.1 海冰厚度反演参数方案和数据介绍 |
| 6.2 ICESat-2 海冰干舷的时空变化分析 |
| 6.3 基于不同参数方案的海冰厚度反演 |
| 6.4 海冰厚度精度评价及敏感性分析 |
| 6.5 ICESat-2与CryoSat-2 海冰厚度对比 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文的主要研究工作与结论 |
| 7.2 主要创新点 |
| 7.3 存在问题与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
四、微波遥感及其在气象学上的应用（论文参考文献）
- [1]青藏高原L波段微波辐射观测与土壤水分反演研究进展[J]. 杨奥莉,郑东海,文军,陆宣承,杨越,符晴. 遥感技术与应用, 2021(05)
- [2]SMAP土壤水分产品在淮河流域的适用性评估[J]. 王皓,郝莹,袁松,陈光舟,靳莉莉. 遥感技术与应用, 2021(05)
- [3]基于雷达和光学数据的土壤水分降尺度研究[D]. 吴颖菊. 中国矿业大学, 2021
- [4]地基微波辐射计质量控制和反演算法研究[D]. 陈银. 南京信息工程大学, 2021(01)
- [5]地表粗糙度的测量计算方法及其对微波辐射散射的影响分析[J]. 孟春红,郭鹏,赵天杰,杨纲,李西灿,王博,万红. 遥感技术与应用, 2021(03)
- [6]大气粒子多层、多次散射及带电效应对散射特性的影响研究[D]. 蔡嘉晗. 南京信息工程大学, 2021(01)
- [7]青藏高原近20年NDVI动态变化及土壤水分分布格局研究[D]. 陈宝林. 甘肃农业大学, 2021(09)
- [8]雷电热效应的地基微波辐射计遥感研究[D]. 姜苏麟. 南京信息工程大学, 2021(01)
- [9]基于机器学习的土壤湿度和气温遥感反演方法研究[D]. 葛玲玲. 南京信息工程大学, 2021(01)
- [10]极地海冰密集度和厚度遥感反演方法研究[D]. 梁爽. 中国科学院大学(中国科学院空天信息创新研究院), 2021(01)