数据驱动的多源遥感SST产品层次贝叶斯时空融合 本书特色

本书是作者在从事遥感时空统计与不确定性研究的基础上编写完成的。书中主要介绍了层次贝叶斯融合理论、基于稳健固定阶数Ｋｒｉｇｉｎｇ 数据重建、基于稳健的固定阶数滤波过程模型和时空序列加法过程模型的层次贝叶斯融合方法,并以ＭＯＤＩＳ、ＡＭＳＲ￣Ｅ 海面温度遥感产品为例,以亚洲、印度洋、太平洋交汇区为研究区域,对上述方法进行了实证研究.研究结果表明:上述方法均能较准确地描述海表面温度的时空过程,Ｋｒｉｇｉｎｇ 方法更有助于突出空间趋势，而层次贝叶斯方法则更有助于突出细节信息，将尺度变换、产品及模型的不确定性很好地融合在一起。

数据驱动的多源遥感SST产品层次贝叶斯时空融合 目录

目录
前言
第1章 绪论 1
1.1 背景与意义 1
1.2 SST遥感产品现状 5
1.3 多源定量遥感产品融合方法研究进展 6
1.4 层次贝叶斯数据融合方法研究进展 13
1.5 研究目标 14
1.6 主要内容 15
1.7 研究方法及技术路线 17
1.8 章节组织结构 20
第2章 层次贝叶斯融合理论与方法 22
2.1 贝叶斯原理 22
2.2 贝叶斯推断的马尔可夫链蒙特卡罗算法(MCMC) 24
2.3 层次贝叶斯融合理论 27
2.4 层次贝叶斯方法的优势 32
2.5 本章小结 32
第3章 卫星SST数据产品的评价与预处理 34
3.1 研究区域 34
3.2 融合及验证数据 35
3.3 偏差校正 46
3.4 本章小结 50
第4章 基于稳健固定阶数Kriging的数据重建 52
4.1 研究区与数据 53
4.2 方法 55
4.3 结果评价 63
4.4 本章小结 69
第5章 基于稳健固定阶数滤波过程模型的层次贝叶斯融合 71
5.1 SST时空过程的层次结构建模 73
5.2 时空随机效应模型 73
5.3 稳健固定阶数滤波(R-FRF)过程的估计 75
5.4 参数估计 75
5.5 多分辨率空间基函数的选择 78
5.6 基于R-FRF过程模型的时空层次贝叶斯融合 79
5.7 融合结果评价 87
5.8 本章小结 93
第6章 基于时空序列加法过程模型的层次贝叶斯融合 95
6.1 卫星SST数据时空特征探索性分析 96
6.2 时空层次贝叶斯融合概念模型 99
6.3 SST时空层次贝叶斯融合 105
6.4 融合结果评价 109
6.5 本章小结 114
第7章 讨论与展望 116
7.1 不同过程模型的贝叶斯融合结果比较 116
7.2 稳健固定阶数Kriging与层次贝叶斯融合比较 121
7.3 主要结论 121
7.4 问题与展望 124
参考文献 127

自然科学 地球科学 测绘学

在线阅读