上次做完基于人工智能地表温度-发射率-近地表空气温度反演范式讲座后，很多老师和同学希望我把基于人工智能和微波数据同时反演土壤水分和地表温度的范式也讲一下。趁五一假期，我就简单做了一个PPT，向大家汇报一下我们的工作。为了方便研究生进一步理解，我让学生将基于人工智能和被动微波遥感同时反演土壤水分和地表温度范式视频讲座上载到哔哩哔哩，供参考。

视频地址： https://b23.tv/Ln7PQhO 

我们通过构建深度学习耦合物理和统计方法，先反演土壤水分作为先验知识，然后反演地表温度，通过交叉迭代从人工智能的角度解决了被动微波遥感反演土壤水分和地表温度的理论和技术问题，特别是我们在文中提出了基于人工智能反演地球物理参数的范式理论和两个判定条件，具有里程碑的意义。但从理论到工程应用还有很长的路要走，工程需要针对具体的不同情况进行细化和处理。我们希望得到国家科技部和国家基金委的支持，将研究成果进一步推向实用，也期望与各相关单位和科技公司合作，使得成果转化。

基于人工智能地球物理参数反演范式理论和判定条件形成有一个长期的历程，请按照下面这个顺序看：

1. Kebiao Mao, Qin Z., Shi J., Gong P., A Practical Split-Window Algorithm for Retrieving Land Surface Temperature from MODIS Data, International Journal of Remote Sensing, 2005, 26, 3181-3204.

2. 毛克彪*，施建成, 覃志豪, 宫鹏, 徐斌, 蒋玲梅, 一个针对ASTER数据同时反演地表温度和比辐射率的四通道算法，遥感学报，2006, 4, 593-599.

3. 毛克彪*, 唐华俊, 陈仲新, 王永前 , 一个用神经网络优化的针对ASTER数据反演地表温度和发射率的多波段算法, 国土资源遥感，2007, 73 (3), 18-22.

4. 毛克彪*, 唐华俊, 李丽英, 许丽娜, 一个从MODIS数据同时反演地表温度和发射率的神经网络算法, 遥感信息, 2007,92(4), 9-15.

5. Kebiao Mao*, Jiancheng Shi, Huajun Tang, Zhao-Liang Li, Xiufeng Wang, Kunshan Chen, A Neural Network Technique for Separating Land Surface Emissivity and Temperature from ASTER Imagery, IEEE Trans. Geosci. Remote Sensing, 2008, 46(1), 200-208.

6. Kebiao Mao*, J. Shi, Z. Li, and H. Tang, An RM-NN algorithm for retrieving land surface temperature and emissivity from EOS/MODIS data, Journal of Geophysical Research-atmosphere, 2007, 112, D21102, 1-17.

7. Kebiao Mao*, Huajun Tang, Xiufeng Wang, Qingbo Zhou, Daolong Wang, Near-Surface Air Temperature Estimation from ASTER Data Using Neural Network, International Journal of Remote Sensing,2008, 29(20), 6021-6028.

8. Kebiao Mao*, SanMei Li, DaoLong Wang, LiXin Zhang, Huajun Tang, Xiufeng Wang, Zhaoliang Li, Retrieval of Land Surface Temperature and Emissivity from ASTER1B data Using Dynamic Learning Neural Network, international journal of remote sensing, 2011, 32(19), 5413-5423.

9. 毛克彪*，杨军，韩秀珍，唐世浩，袁紫晋，高春雨，基于深度动态学习神经网络和辐射传输模型地表温度反演算法研究，中国农业信息，2018,30（5），47-57.

10. 毛克彪*，马莹，夏浪，沈心一，用MODIS数据反演近地表空气温度的RM-NN算法，高技术通讯，2013, 23(5), 462-466.

11. Han, Wang , Kebiao Mao#*, Yuan Zijin, Jiancheng Shi, Mengmeng Cao, Qin, Z., Duan, S., Tang, B., A method for land surface temperature retrieval based on model-data-knowledge-driven and deep learning, Remote Sensing of Environment, 2021, 265, 1-19.

12. Du B., Kebiao Mao o#*, Bateni S.M., Meng F., Wang X. M., Guo Z., Jun C., Du G., A Novel Fully Coupled Physical–Statistical–Deep Learning Method for Retrieving Near-Surface Air Temperature from Multisource Data. Remote Sens. 2022, 14, 5812, 1-23.

13. Kebiao Mao*, Han Wang, Jiancheng Shi, Essam Heggy, Shengli Wu, Sayed M. Bateni, Guoming Du, A General Paradigm for Retrieving Soil Moisture and Surface Temperature from Passive Microwave Remote Sensing Data Based on Artificial Intelligence, Remote Sens. 2023, 15, 1793, 1-20.