●第1章 緒論
1.1 研究背景與意義
1.2 國內外研究進展
1.3 相關研究中存在的主要問題
1.4 研究內容與技術路線
第2章 多源數據融合遙感土壤水分數據時空序列重建技術方法
2.1 衛星遙感土壤水分數據質量評價指標
2.2 基於皮爾遜相關繫數與顯著性檢驗的時空序列重建因子選擇
2.3 重建因子空間濾波補全與時間序列平滑
2.4 基於多源數據融合的機器學習時空序列重建算法
2.5 本章小結
第3章 全球典型區遙感土壤水分產品驗證分析研究
3.1 全球典型區土壤水分監測網絡
3.2 全球典型區遙感土壤水分產品比較
3.3 全球典型區遙感土壤水分產品時間序列驗證分析
3.4 本章小結
第4章 遙感土壤水分數據時空序列重建因子選擇研究
4.1 解釋變量體繫建立的理論依據
4.2 皮爾遜相關繫數與顯著性檢驗
4.3 本章小結
第5章 遙感土壤水分產品時間序列重建及精度評價
5.1 土壤水分重建值綜合驗證
5.2 土壤水分空間重建結果
5.3 本章小結
第6章 多源數據融合的遙感土壤水分產品空間降尺度及精度評價
6.1 降尺度流程
6.2 多源數據融合的衛星土壤水分產品空間降尺度結果
6.3 土壤水分降尺度數據綜合評價
6.4 誤差來源與分析
6.5 本章小結
第7章 亞洲及歐洲、非洲部分地區土壤水分降尺度重建
7.1 基於RF算法的土壤水分降尺度重建
7.2 土壤水分降尺度產品評價驗證與分析
7.3 土壤水分降尺度產品時空分布特征
7.4 本章小結
第8章 風雲衛星土壤水分數據真實性驗證分析研究
8.1 風雲衛星繫列土壤水分產品
8.2 站點實測數據
8.3 真實性驗證分析方法
8.4 結論
8.5 本章小結
第9章 衛星土壤水分數據插補重建方法研究——以美國俄克拉何馬州區域為例
9.1 ECV土壤水分數據
9.2 插補重建方法
9.3 土壤水分重構技術流程
9.4 特征空間三角形與RF重建結果分析
9.5 本章小結
第10章 決策樹驅動的土壤水分降尺度方法研究——以法國南部區域為例
10.1 ECV、SMAP數據原始精度
10.2 研究區與數據源
10.3 降尺度模型構建
10.4 結果分析
10.5 本章小結
第11章 討論與結論
11.1 討論
11.2 結論
11.3 創新點
11.4 展望
參考文獻

土壤水分能夠直接影響植被蒸騰及光合作用，開展土壤水分監測對於農作物長勢分析與產量估算具有重要意義。衛星微波遙感技術是獲取全球尺度、連續時間序列的陸地表層土壤水分數據的重要手段，但是當前衛星土壤水分數據難以滿足農業生產領域的監測應用與研究分析需求。本書利用人工智能算法在多維數據非線性特征映射中的優勢，發展高分辨率高精度土壤水分重構模型，研制可靠的高時空分辨率土壤水分數據，解決遙感土壤水分數據時空分辨率低、區域尺度適用性差等問題。這不僅對於提高星載微波土壤水分數據的質量和精度，推進土壤水分數據重建算法的構建具有重要的參考價值，而且對於農田旱澇預警及作物估產研究、全球生態繫統演替及水循環研究也具有重要的科學意義。本書主要面向高等院校和科研院所地球科學相關專業的師生與科研人員。通過閱讀本書，讀者可以認識高分辨率高精度土壤水分數據獲取的復雜性和重要性，並在此基礎上獲得新的知識，發現新的問題。