基于多源遙感反演與數(shù)據(jù)融合同化的精細(xì)化洪水預(yù)報(bào)

第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究進(jìn)展
1.2.1 多源降水融合技術(shù)
1.2.2 土壤濕度遙感反演方法
1.2.3 蒸散發(fā)遙感反演方法
1.2.4 模型一數(shù)據(jù)同化方法
1.2.5 水文模型
1.3 全書主要內(nèi)容
第二章 基于混合地理加權(quán)回歸的多源降水融合方法
2.1 引言
2.2 多源降水融合原理與方法
2.3 星地多源降水融合實(shí)例分析
2.3.1 研究區(qū)域概況與多源數(shù)據(jù)
2.3.2 融合結(jié)果對比分析
2.4 本章小結(jié)
第三章 基于物理機(jī)制與數(shù)據(jù)驅(qū)動(dòng)的多衛(wèi)星平臺(tái)土壤濕度遙感反演
3.1 引言
3.2 原理與方法
3.2.1 土壤濕度的定義與測定
3.2.2 基于物理機(jī)制的土壤濕度反演原理
3.2.3 基于數(shù)據(jù)驅(qū)動(dòng)的土壤濕度反演方法
3.3 基于多衛(wèi)星平臺(tái)的土壤濕度反演
3.3.1 基于物理機(jī)制的全國逐日土壤濕度遙感反演驗(yàn)證與分析
3.3.2 基于數(shù)據(jù)驅(qū)動(dòng)的土壤濕度遙感反演驗(yàn)證與分析
3.4 本章小結(jié)
第四章 基于過程的陸表實(shí)際蒸散發(fā)可見光—近紅外遙感反演方法
4.1 引言
4.2 原理與方法
4.2.1 基于過程的陸表實(shí)際蒸散發(fā)原理與算法
4.2.2 基于貝葉斯理論的參數(shù)優(yōu)化
4.3 日尺度蒸散發(fā)遙感反演實(shí)例分析
4.3.1 模型構(gòu)建、參數(shù)率定以及不確定性分析
4.3.2 基于水量平衡的流域?qū)嶋H蒸散發(fā)不確定分析
4.4 本章小結(jié)
第五章 多源水文信息精細(xì)化空間展布技術(shù)研究
5.1 引言
5.2 原理與方法
5.2.1 距離反比法
5.2.2 克里金插值法
5.2.3 混合地理加權(quán)回歸方法
5.2.4 基于地形濕度指數(shù)的土壤濕度降尺度
5.3 基于地形和氣象因子的多源水文信息空間展布
5.3.1 衛(wèi)星降水的空間展布
5.3.2 衛(wèi)星土壤濕度的空間展布
5.4 本章小結(jié)
第六章 基于DEM柵格和地形的分布式水文模型
6.1 引言
6.2 模型原理與構(gòu)建
6.2.1 單元匯流帶的定義
6.2.2 GTOPMODEL模型基本假設(shè)與方程
6.2.3 GTOPMODEL模型的蒸散發(fā)模型
6.2.4 GTOPMODEL模型的產(chǎn)流模型
6.2.5 GTOPMODEL模型的匯流模型
6.2.6 GTOPMODEL模型地形指數(shù)計(jì)算方法
6.2.7 GTOPMODEL模型計(jì)算流程與參數(shù)
6.2.8 TDPMODEL模型及新安江模型的改進(jìn)
6.2.9 模型參數(shù)優(yōu)化方法
6.3 GTOPMODEL模型參數(shù)優(yōu)化與應(yīng)用
6.3.1 基礎(chǔ)資料處理
6.3.2 GTOPMODEL模型的應(yīng)用
6.3.3 改進(jìn)的新安江模型和TOPMODEL模型的應(yīng)用
6.4 本章小結(jié)
第七章 水文多源信息同化技術(shù)研究
7.1 引言
7.2 數(shù)據(jù)同化算法
7.2.1 卡爾曼濾波算法
7.2.2 集合卡爾曼濾波算法
7.2.3 粒子濾波算法
7.2.4 三維變分算法
7.2.5 四維變分算法
7.2.6 層狀貝葉斯方法
7.3 本章小結(jié)
第八章 多源數(shù)據(jù)融合與數(shù)據(jù)同化技術(shù)在洪水預(yù)報(bào)中的集成應(yīng)用
8.1 概述
8.2 數(shù)據(jù)融合與數(shù)據(jù)同化方案設(shè)計(jì)
8.2.1 土壤濕度遙感數(shù)據(jù)的偏差校正方法
8.2.2 基于EnKF算法的土壤濕度遙感數(shù)據(jù)同化方案
8.3 數(shù)據(jù)融合與數(shù)據(jù)同化技術(shù)在GTOPMODEL模型中的應(yīng)用
8.3.1 結(jié)果評價(jià)指標(biāo)
8.3.2 數(shù)據(jù)同化結(jié)果分析
8.4 本章小結(jié)
參考文獻(xiàn)