（2）根据遥感影像数据源的特点选取温度子网络的输入特征值，根据宁夏地区的地域特征选取土壤湿度子网络的输入特征值。对模型中所用的数据进行了预处理并制作了用于模型训练和测试的数据集。
（3）利用深度置信网络构建了用于反演地表温度和土壤湿度的网络结构，并组成一个完整的土壤湿度反演模型 SM-DBN，该模型能够直接从 FY-3D 数据中获取土壤湿度数据。
（4）利用线性回归模型与 BP 神经网络设计与 SM-DBN 结构相似的反演模型用来作为对比模型，与本文提出的 SM-DBN 模型基于同一组样本进行训练和测试，然后对比三个模型的反演结果。结果表明，本文提出的 SM-DBN 模型在反演土壤湿度方面具有优势，而且拟合精度高，模型的鲁棒性也比较好。
参考文献（略）
