第1章 緒論
1．1 本書的研究背景與意義
1．2 遙感反演地表參數(shù)的主要過程
1．3 遙感反演土壤水分研究進(jìn)展

第2章 光學(xué)遙感反演地表土壤水分的方法
2．1 熱慣量法
2．2 植被指數(shù)法
2．3 溫度指數(shù)法
2．4 蒸散與作物缺水指數(shù)
2．5 植被一溫度空間
2．6 高光譜法
2．7 其他方法

第3章 SAR遙感反演地表土壤水分的方法研究
3．1 電磁學(xué)基礎(chǔ)理論
3．2 介電常數(shù)
3．3 粗糙度
3．4 裸露地表微波遙感反演地表土壤水分模型
3．5 植被覆蓋地表微波遙感反演土壤水分模型
3．6 被動(dòng)微波遙感反演土壤水分

第4章 裸露地表微波反演土壤水分方法的研究
4．1 隨機(jī)粗糙地表的雙尺度微波散射模型研究
4．2 SAR反演裸露地表土壤水分的方法

第5章 基于云參數(shù)的大區(qū)域地表土壤水分反演方法研究
5．1 中國氣象衛(wèi)星系列
5．2 FY-2C數(shù)據(jù)預(yù)處理研究
5．3 模型簡介
5．4 模型中各參數(shù)的處理及確定
5．5 大空間尺度下遙感旱情監(jiān)測(cè)模型的改進(jìn)
5．6 實(shí)驗(yàn)與驗(yàn)證
5．7 本章小結(jié)

第6章 地表土壤水分定量遙感實(shí)驗(yàn)設(shè)計(jì)及數(shù)據(jù)獲取
6．1 黑河定量遙感實(shí)驗(yàn)
6．2 研究區(qū)概況
6．3 數(shù)據(jù)采集及預(yù)處理
6．4 地表土壤水分的觀測(cè)方法
6．5 地表粗糙度的觀測(cè)

第7章 基于貝葉斯理論和馬爾可夫隨機(jī)場(chǎng)的主被動(dòng)遙感數(shù)據(jù)協(xié)同分類
算法研究
7．1 入射角歸一化方法研究
7．2 基于貝葉斯理論和MRF的分類器設(shè)計(jì)
7．3 實(shí)驗(yàn)
7．4 結(jié)論

第8章 基于數(shù)據(jù)融合的主被動(dòng)遙感協(xié)同反演地表土壤水分
8．1 光學(xué)遙感與雷達(dá)數(shù)據(jù)的融合
8．2 貝葉斯網(wǎng)絡(luò)分類
8．3 貝葉斯分類提取土壤水分信息
8．4 結(jié)果驗(yàn)證
8．5 本章 小結(jié)

第9章 基于模型耦合的主被動(dòng)遙感協(xié)同反演地表土壤水分
9．1 模型研究
9．2 待定參數(shù)敏感性分析
9．3 植被覆蓋地表土壤水分反演實(shí)驗(yàn)
9．4 結(jié)果驗(yàn)證
9．5 本章小結(jié)

第10章 基于優(yōu)化算法的主被動(dòng)遙感協(xié)同反演地表土壤水分
10．1 遺傳-BP神經(jīng)網(wǎng)絡(luò)算法研究
10．2 優(yōu)化算法的光學(xué)雷達(dá)遙感土壤水分反演實(shí)驗(yàn)
10．3 結(jié)果驗(yàn)證
10．4 本章小結(jié)

參考文獻(xiàn)
附錄