热红外遥感多参数人工智能一体化反演范式理论与技术

• 全文链接
• 请求原文

作   者：

毛克彪;  王涵;  袁紫晋;  施建成;  覃志豪;  武胜利; 

作者机构：

中国科学院国家空间科学中心;  国家卫星气象中心;  南宁师范大学地理科学与规划学院;  中国农业科学院农业资源与农业区划研究所/北方干旱半干旱耕地高效利用全国重点实验室; 

关键词：

一体化反演;  人工智能;  多参数反演;  热红外遥感; 

期刊名称：

中国农业信息

i s s n：

1672-0423

年卷期：

2024 年 36 卷 003 期

页   码：

63-80

摘   要：

[目的]提高地—气能量交换参数地表温度(Land Surface Temperature,LST)、地表发射率(Land Surface Emissivity,LSE)、大气水汽含量(Water Vapor Content,WVC)和近地表空气温度(Near Surface Air Temperature,NS AT)的反演精度.[方法]文章提出了基于人工智能(Artificial Intelligence,AI)的热红外遥感多参数一体化反演范式理论和技术,通过物理逻辑推理证明深度学习输入和输出参数之间能够构造闭合的物理方程组使得AI遥感多参数一体化反演具有物理意义和可解释性,即输入变量能够唯一确定输出变量.对于输入变量和输出变量之间具有强相关性的情况,参数可以高精度地直接反演;对于只存在弱相关性的情况,加入强相关的先验知识可以提高反演精度.[结果]物理逻辑推理表明热红外遥感多参数反演至少需要4个热红外波段构建4个辐射方程组以确保输入变量唯一确定输出变量.根据输入变量和输出变量之间的因果关系,确定了一体化反演的两种参数反演技术模式,即"直接同步反演"与"迭代反演".利用MODIS数据5波段(27、28、29、31和32波段)对4个参数进行一体化反演应用示范.反演结果显示,LST的平均理论误差在0.5 K以下,发射率在0.008以下,WVC误差在0.1 g/cm2以下,NSAT反演应用平均误差在2.0K以下.[结论]直接同步反演和迭代反演的合理应用可最大化多参数的反演精度,同时可以优化卫星传感器设计,因此基于AI的热红外遥感多参数一体化反演理论提出和技术实现对推动热红外遥感参数反演研究具有里程碑意义.