论文: Ruyu Mei, Kebiao Mao, Jiancheng Shi, Jeffrey Nielson, Sayed M. Bateni, Fei Meng, Guoming Du, A Novel Physics-Statistical Coupled Paradigm for Retrieving Integrated Water Vapor Content Based on Artificial Intelligence. Remote Sens. 2023, 15, 4250, 1-22. https://doi.org/10.3390/rs15174250

论文下载：https://www.mdpi.com/2072-4292/15/17/4250

PDF：A Novel Physics-Statistical Coupled Paradigm for Retrieving Integrated Water Vap.pdf

​本论文我以为会在RSE环境遥感上顺利地发表出来，第一审的时候大修后重投，第二审的时候审稿人全换了，三个审稿人，两个审稿人应该没有看太明白，其中一个审稿人应该是故意刁难，因此我觉得没有解释的必要了。恰好remote sensing邀请我做一期人工智能参数反演的专刊，就改投remote sensing了。从审稿的意见来看，有一半的审稿人没有清楚地理解我们的方法思维，他们认为我们耦合的传统物理方法是别人发表的方法，耦合的统计方法也是别人的方法，而且是已经有现成了的方法。要求我们将物理方法和统计方法分别反演的结果与深度学习耦合的反演结果做对比，没有看懂我们的论文。我们论文中提到的物理方法不是别人的方法，虽然我们也是用辐射传输方程构造的方程组，但是这个物理方法只是理论上可以构造，但其实无法用普通方法求解，我们也没有求解，目的就是进行物理逻辑推理，证明理论上存在。我们的统计方法也不是别人的方法，而是自己在物理逻辑推理的物理方法基础上构建的泛化统计方法。统计方法的系数是非常复杂的，也是其系数比较难计算的，构建统计方法的目的是利用多源数据补充和获得物理方法的解，从而形成深度学习的训练和测试数据，完成耦合。我相信这个方法是目前热红外反演大气水汽含量最好的方法之一，我会做一个PPT简单向大家汇报一下这个工作。