几位老师和多个研究生给我发邮件和打电话讨论深度学习反演及范式，......没有时间一一回答。我们这里也只是一孔之见，可能还有很多更好的方法，我们的见解也不见得完全对，表述不当的地方请见谅。这里主要是分享给大家，特别是给研究生提供一些思路，抛砖引玉，为解决遥感参数反演方面的卡脖子技术提供一些参考。好多研究生不是非常清楚为什么我们要进行物理逻辑推理和范式形成过程，我没有时间一个个解释。建议可以先看看我们的中文论文，然后再看我们发表的英文。整个体系的形成有一个过程，我们的思考也是逐步成熟的......我都上载到这里，建议按时间序列看，这样可以更好地理解我们的思路.......请按下面这个顺序读：

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. Wang, H, Kebiao Mao#*, Yuan Zijin, Shi, J, Cao, M., 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.

我们最初是想构建物理算法反演地表温度和发射率，想通过物理求解来解决这个问题，但通过理论模拟和实际反演分析发现，传统方法是已经针对实际做了简化。如果要解方程组，需要进一步简化。每一步的简化都会带来误差，特别是用数学公式严格计算时会放大误差，而且未知数多于方程个数，必须利用先验知识构建新的方程，特别是对于混合像元中的发射率处理以及相对入射角处理是一个难题。因此，在这篇论文中，虽然我们当时也陷入了困境，很多传统方法通过构建一些比值试图克服大部分情况，我们也是构建邻近波段发射率之间的线性关系减少未知数，但这些处理方式对于混合像元以及相对入射角无能为力，..........，这些为后面地球物理参数范式理论形成中的物理逻辑推理部分创造了条件......

一个针对ASTER数据同时...温度和比辐射率的四通道算法.pdf