摘要：[目的/意义]人工智能(Artificial Intelligence,AI)技术已在学术和工程应用领域掀起了研究高潮,在地球物理参数和农业气象遥感参数反演方面也表现出了强大的应用潜力。目前大部分AI技术在地学和农学的应用还是“黑箱”,没有物理意义或缺乏可解释性及通用性。为了促进AI在地学和农学的应用和培养交叉学科的人才,本研究提出基于AI耦合物理和统计方法的地球物理参数反演范式理论。[方法]首先基于物理能量平衡方程进行物理逻辑推理,从理论上构造反演方程组,然后基于物理推导构建泛化的统计方法。通过物理模型模拟获得物理方法的代表性解以及利用多源数据获得统计方法代表性的解作为深度学习的训练和测试数据库,最后利用深度学习进行优化求解。[结果和讨论]判定形成具有通用性和物理可解释的范式条件包括:(1)输入与输出变量(参数)之间必须存在因果关系;(2)输入和输出变量(参数)之间理论上可以构建闭合的方程组(未知数个数少于或等于方程组个数),也就是说输出参数可以被输入参数唯一确定。如果输入参数(变量)和输出参数(变量)之间存在很强的因果关系,则可以直接使用深度学习进行反演。如果输入参数和输出参数之间存在弱相关性,则需要添加先验知识来提高输出参数的反演精度。此外,本研究以农业气象遥感中的关键参数地表温度、发射率、近地表空气温度和大气水汽含量联合反演作为案例对理论进行了证明,分析结果表明本理论是可行的,并且可以辅助优化设计卫星传感器波段组合。[结论]本理论和判定条件的提出在地球物理参数反演史上具有里程碑意义。

摘要：始于20世纪80年代的系列大型遥感试验开始系统研究地表物质和能量交换过程,对遥感与地球系统科学研究的结合起到重要作用,但是尚无综合利用多源遥感数据解决碳、水、能量循环问题的有效方案。遥感科学国家重点实验室于滦河上游地区组织开展基础性、多学科、多尺度的“碳、水循环和能量平衡遥感综合试验”。本次试验面向地球系统科学对遥感观测的最新要求,以遥感如何服务地—气过程研究为关键科学问题,开展星—机—地多尺度遥感综合观测和地面测量,论证中国自主设计的碳、水、能量相关卫星的技术指标,基于大场景真实结构模拟和多尺度综合观测构建虚拟遥感试验场,验证全波段遥感机理模型和复杂地表辐射传输机理。核心试验区位于地势较为平坦的闪电河流域和地形复杂的小滦河流域。闪电河流域主要地类为农田和草地,开展的试验以水循环和能量平衡遥感综合观测为主。小滦河流域主要地类为森林和草地,以碳循环遥感综合观测为主。两个试验区都开展了系统性的多架次飞行试验,并同步开展地面全波段、主被动协同观测。特别设计了一次长达165 km的大跨度飞行试验,横跨两个试验区,包含了地表类型和海拔高度的逐渐过渡。从2017年的预实验开始,整个试验为期5年。基于科学目标驱动、开放、协作、共享的原则,本次试验吸引了10个大型国家科研项目,4个卫星计划团队,19家单位200人次参加,是中国主导的又一次具有明确科学目标的大型多学科交叉遥感综合试验。