基于人工智能的大气水汽含量反演范式讲座

 导读：​本论文“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.”最开始投稿在RSE环境遥感上，本以为能顺利地发表出来。第一审耗时3个月大修后重投，第二审的时候审稿人全换了，耗时4个月。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，两个期刊，9个审稿人，差不多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，很明显没有看懂我们的论文思维。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。基于人工智能农业气象遥感关键参数反演范式理论最早是从我2007年博士期间做博士论文开始，博士论文中的地表温度反演这部分就是这么做的，大家可以去参看我的博士论文（基于热红外和微波数据的地表温度和土壤水分反演算法研究）或者早期发表的相关论文（1. Kebiao Mao*, Jiancheng 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；2. 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；3. 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；4. 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.），现在一些利用人工智能反演遥感参数的思维主要源自这几篇论文，大家可以下载参看一下，包括后来我们形成的人工智能地球物理参数反演理论（1. 毛克彪*, 张晨阳, 施建成, 王旭明, 郭中华, 李春树, 董立新, 吴门新, 孙瑞静, 武胜利, 姬大彬, 蒋玲梅, 赵天杰, 邱玉宝, 杜永明, 徐同仁. 基于人工智能的地球物理参数反演范式理论及判定条件,智慧农业(中英文), 2023,5(02), 161-171；2. 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.）。如果大家觉得我们的论文对自己有启发，建议引用我们的论文，原创不易，谢谢。

如果国家在15年前支持我们做这个工作，我们的产品不会比美国NASA产品差。在过去15年中，我们在人工智能农业气象遥感参数反演理论上一直处于领先位置（我们的理论和技术投稿时，很多审稿人没有看明白，因此有些论文最后选择投稿了Remote Sensing。给大家建议，如果你认为你的理论或方法没有问题，哪怕是投一个一般的期刊，也要先发表……,因为新的思想或idea刚开始一般很难被主流认可，有些时候跟一些审稿人解释没有用，我们有的论文审稿拖了好几年）。理论只是解决了方法思维认知，形成技术产品需要工匠精神，产品有很多细节要具体处理，通常一个遥感产品需要耗费5-10年才能成熟，而且前提是产品需要对社会开放，让用户下载使用和反馈……。从理论到技术产品实现，还有很长的一段路要走，很多人往往认为论文发表了，就不需要做了，其实更需要加大力度支持和解决实际产品问题，推向实用……理论和算法也要经过多次反复迭代和应用，多次升级后才能形成稳定产品……像美国NASA早期的单个产品，最开始有些产品一年升级多次，随着技术和产品的成熟，升级的频率开始降低，这点我们要向别人学习，……我跟很多人讲这个道理，有些人简单地以为等过5年，用我们的算法做出产品就没有问题了，简单的照搬而没有深刻的领悟是做不到的.......是需要持续资助我们至少专注做这个产品5年，才能有成熟的产品……没有人力和物力的投入，没有技术细节的突破和积累，做不到像美国那样的精品的……，做研究专注很重要。

这里我做了一个视频讲座，对本研究做一个简单的介绍，我们一起推动人工智能在地学和农学的应用：

视频讲座网址：

https://b23.tv/o7YIIs4

      为了更加清楚地了解我们在人工智能遥感应用研究方面的艰辛历程，大家可以参看从2003年到2023年人工智能地球物理参数反演理论及判定条件形成相关论文如下：

1. 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.

2. 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.

3. Du B., Mao Kebiao*#, 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.

4. Han Wang, Kebiao Mao#*, Zijin Yuan, 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.

5. Jiancan Tan, Nusseiba NourEldeen, Kebiao Mao*, Jiancheng Shi, Zhaoliang Li, Tongren Xu，Zijin Yuan, Deep Learning Convolutional Neural Network for the Retrieval of Land Surface Temperature from AMSR2 Data in China, Sensors, 2019, 19, 2987, 1-20.

6. Kebiao Mao*, Zhiyuan Zuo, Xinyi Shen, Tongren Xu, Chunyu Gao, Guang Liu, Retrieval of Land-surface Temperature from AMSR2 Data Using a Deep Dynamic Learning Neural Network, Chinese Geographical Science. 2018, 28,1, 1–11.

7. Jiaqi Han, Kebiao Mao*, Tongren Xu, Jingpeng Guo, Zhiyuan Zuo, Chunyu Gao, A Soil Moisture Estimation Framework Based on the CART Algorithm and its Application in China, Journal of Hydrology, 2018, 561, 65-75.

8. Kebiao Mao*, Xinyi Shen, Zhiyuan Zuo, et al., An Advanced Radiative Transfer and Neural Network Scheme and Evaluation for Estimating Water Vapor Content from MODIS Data, Atmosphere, 2017, 139(8), 1-11.

9. Kebiao Mao*, Y. Ma, L, Xia, X. Shen, et al., A Neural Network Method for Monitoring Snowstorm: A Case Study in Southern China. Chinese Geographical Science, 2014, 24(5), 599-606.

10. Kebiao Mao*, Y. Ma, X. Shen, et al., Estimation of Broadband Emissivity (8-12um) from ASTER Data by Using RM-NN, Optics Express, 2012, 20(18), 20096-20101.

11. 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.

12. Kebiao Mao*, H. T. Li, D. Y. Hu, J. Wang, J. X. Huang, Z. L. Li, Q. B. Zhou, and H. J. Tang, Estimation of Water Vapor Content in Near-infrared Bands around 1 μm from MODIS Data by Using RM–NN, Optics Express, 2010, 18(9), 9542–9554.

13. 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.

14. 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.

15. 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.

16. Kebiao Mao*, Jiancheng Shi, Zhaoliang Li, Zhihao Qin, Manchun Li, Bin Xu, A Physics-based Statistical Algorithm for Retrieving Land Surface Temperature from AMSR-E Passive Microwave Data, Science in China (Series D)，2007,7, 1115-1120.

17. Kebiao Mao*, Tang H. J., Zhang L. X., Li M. C., Guo Y., Zhao D. Z., A Method for Retrieving Soil Moisture in Tibet Region by Utilizing Microwave Index from TRMM/TMI Data, International Journal of Remote Sensing, 2008，29(10), 2905-2925.

18. 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.

19. Kebiao Mao*, Jiancheng Shi, Huajun Tang, Ying Guo, Yubao Qiu, Liying Li, A Neural –Network Technique for Retrieving Land Surface Temperature from AMSR-E Passive Microwave Data, International Geoscience and Remote Sensing Symposium (IGARSS07), 23-28 July 2007, 7, 4422-4425.

20. Kebiao Mao*,Jiangcheng Shi, Zhaoliang Li,  Zhihao Qin,  Xiufeng  Wang,  Lingmei  Jiang,  A Multiple-Band Algorithm for Separating Land Surface Emissivity and Temperature from ASTER Imagery, International Geoscience and Remote Sensing Symposium (IGARSS06).

21. Kebiao Mao*, Jiancheng Shi, Zhihao Qin, Peng Gong, Wei Liu, Lina Xu, A Multiple-band Algorithm for Retrieving Land-Surface Temperature and Emissivity from MODIS Data, International Geoscience and Remote Sensing Symposium (IGARSS05), 25-29 July 2005, 5, 3269 - 3272.

22. 毛克彪*, 张晨阳, 施建成, 王旭明, 郭中华, 李春树, 董立新, 吴门新, 孙瑞静, 武胜利, 姬大彬, 蒋玲梅, 赵天杰, 邱玉宝, 杜永明, 徐同仁. 基于人工智能的地球物理参数反演范式理论及判定条件,智慧农业(中英文), 2023,5(02), 161-171

23. 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.

24. 付秀丽，黎玲萍，毛克彪*，谭雪兰，李建军，孙旭，左志远，基于卷积神经网络模型的遥感图像分析，高技术通讯，2017, 27(3), 203-212.

25. 毛克彪*，王道龙，李滋睿，张立新，周清波，唐华俊，李丹丹，利用AMSR-E被动微波数据反演地表温度的神经网络算法, 高技术通讯，2009，19(11), 1195-1200.

26. 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.

27. 毛克彪*, 唐华俊, 周清波，陈仲新, 陈佑启，覃志豪, 用辐射传输方程从MODIS数据中反演地表温度的方法，兰州大学学报(自然科学版)，2007, 43(4), 12-17.

28. 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.

29. 毛克彪*, 唐华俊, 周清波，陈仲新，陈佑启，赵登忠, AMSR-E微波极化指数与MODIS植被指数关系研究, 国土资源遥感, 2007, 1, 27-31.

30. 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.

31. 毛克彪*, 覃志豪,张万昌,针对ETM基于BP网络模型的像元分解研究,遥感信息, 2004, 74(2), 27-30.

32. 毛克彪*, 覃志豪,张万昌,一个基于SOFM网络模型的遥感图象分类方法,遥感技术与应用，2003, 6, 399-402.