第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 GNSS-R发展历程
1.2.2 星载GNSS-R及其应用发展现状
1.2.3 星载GNSS-R植被参数反演研究现状
1.2.4 星载GNSS-R土壤湿度反演研究现状
第2章 星载GNSS-R理论基础及卫星任务
2.1 GNSS概述
2.1.1 GPS
2.1.2 BDS
2.1.3 GLONASS
2.1.4 Galileo
2.2 GNSS信号结构及处理
2.2.1 GNSS信号结构
2.2.2 C/A码及其相关特性
2.2.3 GNSS反射信号处理技术
2.3 GNSS反射信号特性
2.3.1 电磁波
2.3.2 电磁波的极化
2.3.3 反射信号数学描述
2.3.4 GNSS-R反射系数
2.3.5 菲涅耳反射区特征
2.4 双基雷达方程及GNSS-R散射模型
2.4.1 双基雷达方程
2.4.2 GNSS-R海洋散射模型
2.4.3 GNSS-R陆地散射模型
2.5 星载GNSS-R卫星
2.5.1 UK-DMC卫星
2.5.2 TDS-1卫星
2.5.3 CYGNSS卫星
2.6 本章小结
第3章 顾及土壤湿度校正的星载GNSS-R地上生物量与树冠高反演方法
3.1 地上生物量与树冠高反演数据及预处理
3.1.1 CYGNSS数据
3.1.2 验证数据及预处理
3.1.3 数据预处理方法
3.2 顾及土壤湿度校正的植被参数反演
3.2.1 反射率观测量校正
3.2.2 地上生物量与树冠高反演模型建立
3.3 地上生物量与树冠高反演结果与分析
3.3.1 数据处理策略
3.3.2 地上生物量反演结果与分析
3.3.3 树冠高反演结果与分析
3.4 本章小结
第4章 多源数据联合反演地上生物量方法
4.1 地上生物量反演数据及预处理
4.2 基于单源/多源数据的地上生物量反演模型
4.2.1 单源树冠高反演地上生物量
4.2.2 多源数据反演地上生物量
4.3 地上生物量反演结果与分析
4.3.1 数据处理策略
4.3.2 基于GMF模型的单源反演结果
4.3.3 基于ANN模型的多源反演结果
4.4 本章小结
第5章 星载GNSS-R植被归一化指数反演方法
5.1 数据集与数据预处理
5.1.1 MODIS数据
5.1.2 数据预处理方法
5.2 植被归一化指数反演
5.2.1 GNSS-R截距特征B植被观测量
5.2.2 植被归一化指数反演方法
5.3 植被归一化指数反演结果与分析
5.3.1 数据处理策略
5.3.2 新观测量与NDVI的相关性分析
5.3.3 线性及ANN模型NDVI反演结果
5.4 本章小结
第6章 星载GNSS-R植被含水量反演方法
6.1 数据集和数据预处理
6.1.1 VWC数据集
6.1.2 土壤湿度数据集
6.1.3 土地覆盖类型
6.2 植被观测量推导及其相关性分析
6.2.1 CYGNSS植被观测量推导
6.2.2 GNSS-R观测值与植被参数(VWC、AGB)的相关分析
6.3 植被含水量反演模型
6.3.1 线性模型
6.3.2 神经网络模型
6.4 植被含水量反演结果
6.5 本章小结
第7章 顾及方位角变化的星载GNSS-R土壤湿度反演方法
7.1 实验数据及数据质量控制
7.2 地表反射率与方位角的关系
7.3 反演模型及流程
7.4 结果与讨论
7.5 本章小结
第8章 顾及地理差异的土壤湿度反演方法
8.1 实验数据及数据质量控制
8.2 反演模型及流程
8.3 地理差异分析
8.4 结果与讨论
8.5 本章小结
第9章 季节效应下的土壤湿度反演方法
9.1 实验数据及数据质量控制
9.2 环境因子影响分析
9.3 反演模型及流程
9.4 结果与讨论
9.5 本章小结
第10章 CYGNSS土壤湿度误差改正新方法
10.1 实验数据
10.1.1 UCAR-CU数据
10.1.2 SMAP数据
10.1.3 ISMN数据
10.2 基于滑动窗口的土壤湿度误差改正新方法
10.2.1 UCAR-CU土壤湿度产品误差分析
10.2.2 滑动窗口算法
10.2.3 小波去噪
10.3 误差改正结果及讨论
10.3.1 准全球误差改正结果
10.3.2 局部误差改正结果
10.3.3 ISMN站点验证
10.4 本章小结
第11章 结论与展望
11.1 结论
11.2 展望
参考文献
附录