近日，中国农业科学院农业资源与农业区划研究所农业遥感创新团队提出了一种物理模型与机器学习协同反演的新方法。相关研究成果发表在《环境遥感（Remote Sensing of Environment）》上。
地表温度影响着地球上的天气、植物生长、水分蒸发等很多过程。准确知道地表温度，对气象预报、生态保护、水文研究都非常关键。但现有的地表温度遥感反演方法面临诸多挑战，物理模型精度与效率有限，机器学习方法又缺乏机理支撑和泛化能力。
该研究提出一种“物理模型+机器学习”耦合反演新框架。先由物理模型给出初步温度，再让机器学习模型估算并修正剩余偏差。这种方法在高温高湿、裸露地表等复杂条件下依然表现出高精度和强稳定性。研究还利用模型框架分析了误差来源，让“黑箱”机器学习变得可解释。该研究为复杂地表和大气的温度精准监测提供了可靠技术路径，对气候变化与陆气相互作用研究具有重要支撑价值。
该研究得到国家自然科学基金等项目的支持。
原文链接：https://www.sciencedirect.com/science/article/pii/S0034425726001823
来源： 中国农业科学院农业资源与农业区划研究所