人工智能驅(qū)動的土壤水分數(shù)據(jù)時空序列重建研究

目錄
第1章　緒論　1
1.1　研究背景與意義　1
1.2　國內(nèi)外研究進展　3
1.3　相關研究中存在的主要問題　23
1.4　研究內(nèi)容與技術路線　25
第2章　多源數(shù)據(jù)融合遙感土壤水分數(shù)據(jù)時空序列重建技術方法　27
2.1　衛(wèi)星遙感土壤水分數(shù)據(jù)質(zhì)量評價指標　27
2.2　基于皮爾遜相關系數(shù)與顯著性檢驗的時空序列重建因子選擇　28
2.3　重建因子空間濾波補全與時間序列平滑　29
2.4　基于多源數(shù)據(jù)融合的機器學習時空序列重建算法　31
2.5　本章小結　36
第3章　全球典型區(qū)遙感土壤水分產(chǎn)品驗證分析研究　38
3.1　全球典型區(qū)土壤水分監(jiān)測網(wǎng)絡　38
3.2　全球典型區(qū)遙感土壤水分產(chǎn)品比較　44
3.3　全球典型區(qū)遙感土壤水分產(chǎn)品時間序列驗證分析　57
3.4　本章小結　63
第4章　遙感土壤水分數(shù)據(jù)時空序列重建因子選擇研究　65
4.1　解釋變量體系建立的理論依據(jù)　66
4.2　皮爾遜相關系數(shù)與顯著性檢驗　69
4.3　本章小結　75
第5章　遙感土壤水分產(chǎn)品時間序列重建及精度評價　77
5.1　土壤水分重建值綜合驗證　77
5.2　土壤水分空間重建結果　92
5.3　本章小結　101
第6章　多源數(shù)據(jù)融合的遙感土壤水分產(chǎn)品空間降尺度及精度評價　104
6.1　降尺度流程　104
6.2　多源數(shù)據(jù)融合的衛(wèi)星土壤水分產(chǎn)品空間降尺度結果　106
6.3　土壤水分降尺度數(shù)據(jù)綜合評價　121
6.4　誤差來源與分析　147
6.5　本章小結　152
第7章　亞洲及歐洲、非洲部分地區(qū)土壤水分降尺度重建　153
7.1　基于RF算法的土壤水分降尺度重建　153
7.2　土壤水分降尺度產(chǎn)品評價驗證與分析　158
7.3　土壤水分降尺度產(chǎn)品時空分布特征　170
7.4　本章小結　171
第8章　風云衛(wèi)星土壤水分數(shù)據(jù)真實性驗證分析研究　172
8.1　風云衛(wèi)星系列土壤水分產(chǎn)品　172
8.2　站點實測數(shù)據(jù)　172
8.3　真實性驗證分析方法　175
8.4　結論　176
8.5　本章小結　191
第9章　衛(wèi)星土壤水分數(shù)據(jù)插補重建方法研究——以美國俄克拉何馬州區(qū)域為例　192
9.1　ECV土壤水分數(shù)據(jù)　192
9.2　插補重建方法　193
9.3　土壤水分重構技術流程　195
9.4　特征空間三角形與RF重建結果分析　196
9.5　本章小結　212
第10章　決策樹驅(qū)動的土壤水分降尺度方法研究——以法國南部區(qū)域為例　213
10.1　ECV、SMAP數(shù)據(jù)原始精度　213
10.2　研究區(qū)與數(shù)據(jù)源　219
10.3　降尺度模型構建　221
10.4　結果分析　223
10.5　本章小結　239
第11章　討論與結論　240
11.1　討論　240
11.2　結論　244
11.3　創(chuàng)新點　246
11.4　展望　247
參考文獻　249