基于多源遥感反演与数据融合同化的精细化洪水预报

章 绪论
1.1 研究背景与意义
1.2 国内外研展
1.2.1 多源降水融合技术
1.2.2 土壤湿度遥感反演方法
1.2.3 蒸散发遥感反演方法
1.2.4 模型一数据同化方法
1.2.5 水文模型
1.3 全书主要内容
第二章 基于混合地理加权回归的多源降水融合方法
2.1 引言
2.2 多源降水融合原理与方法
2.3 星地多源降水融合实例分析
2.3.1 研究区域概况与多源数据
2.3.2 融合结果对比分析
2.4 本章小结
第三章 基于物理机制与数据驱动的多台土壤湿度遥感反演
3.1 引言
3.2 原理与方法
3.2.1 土壤湿度的定义与测定
3.2.2 基于物理机制的土壤湿度反演原理
3.2.3 基于数据驱动的土壤湿度反演方法
3.3 基于多台的土壤湿度反演
3.3.1 基于物理机制的全国逐日土壤湿度遥感反演验证与分析
3.3.2 基于数据驱动的土壤湿度遥感反演验证与分析
3.4 本章小结
第四章 基于过程的陆表实际蒸散发可见光红外遥感反演方法
4.1 引言
4.2 原理与方法
4.2.1 基于过程的陆表实际蒸散发原理与算法
4.2.2 基于贝叶斯理论的参数优化
4.3 日尺度蒸散发遥感反演实例分析
4.3.1 模型构建、参数率定以及不确定性分析
4.3.2 基于水衡的流域实际蒸散发不确定分析
4.4 本章小结
第五章 多源水文信息精细化空间展布技术研究
5.1 引言
5.2 原理与方法
5.2.1 距离反比法
5.2.2 克里金插值法
5.2.3 混合地理加权回归方法
5.2.4 基于地形湿度指数的土壤湿度降尺度
5.3 基于地形和气象因子的多源水文信息空间展布
5.3.1 降水的空间展布
5.3.2 土壤湿度的空间展布
5.4 本章小结
第六章 基于DEM栅格和地形的分布式水文模型
6.1 引言
6.2 模型原理与构建
6.2.1 单元汇流带的定义
6.2.2 GTOPMODEL模型基本假设与方程
6.2.3 GTOPMODEL模型的蒸散发模型
6.2.4 GTOPMODEL模型的产流模型
6.2.5 GTOPMODEL模型的汇流模型
6.2.6 GTOPMODEL模型地形指数计算方法
6.2.7 GTOPMODEL模型计算流程与参数
6.2.8 TDPMODEL模型及新安江模型的
6.2.9 模型参数优化方法
6.3 GTOPMODEL模型参数优化与应用
6.3.1 基础资料处理
6.3.2 GTOPMODEL模型的应用
6.3.3 的新安江模型和TOPMODEL模型的应用
6.4 本章小结
第七章 水文多源信息同化技术研究
7.1 引言
7.2 数据同化算法
7.2.1 卡尔曼滤波算法
7.2.2 集合卡尔曼滤波算法
7.2.3 粒子滤波算法
7.2.4 三维变分算法
7.2.5 四维变分算法
7.2.6 层状贝叶斯方法
7.3 本章小结
第八章 多源数据融合与数据同化技术在洪水预报中的集成应用
8.1 概述
8.2 数据融合与数据同化方案设计
8.2.1 土壤湿度遥感数据的偏差校正方法
8.2.2 基于EnKF算法的土壤湿度遥感数据同化方案
8.3 数据融合与数据同化技术在GTOPMODEL模型中的应用
8.3.1 结果评价指标
8.3.2 数据同化结果分析
8.4 本章小结
参考文献