2026-9-27

又是一年中秋时，岁岁年年人不同。就在2026年中秋佳节的尾巴里，我的脑海中突然冒出这么两个不同词句的奇怪组合，不过似乎也挺符合怀旧的意境。人到中年，天天如履薄冰，只盼所有人平平安安、健健康康。

1）满月中的遥感机理

每到中秋，就会想起李老师以前经常以“明月几时有”的满月作为案例阐明热点效应的事情。实际上，月食一定发生在满月，但满月不一定发生月食。月食是满月的一种「特殊情况」，满月时月球恰好进入地球阴影区（地影），因此阴影是关键原因。满月约每 29.5 天一次（每月都有，月亮多数不落在阴影区里面），而月食平均每年 2～5 次，并非每月都有。月食之所以不是每月都有，正是因为月球轨道相对黄道倾斜（约 5.14°），只有当满月「撞上」交点那一小段区间，三者才精确共线、月球进入地影。

图1.满月的热点效应与月全食 

在实际野外遥感观测中，因为阴影的存在，热点效应也很难看到。我们近期的RAPID-RTX论文和在莫干山发布的遥感数字孪生平台，应用RAPID-RTX模型分析了无人机传感器阴影对热点效应的影响。可以看出，飞行高度越高，影响越小。FOV越大越有利于平滑降低热点影响。

图2.由于无人机阴影带来的热点位置的反射率相对变化率，横轴为飞行高度

提醒：RAPID-RTX模型是代码开源的，大家可以到github上搜索并下载，需要RTX显卡哦。B站也有视频教程。

rapid-rtx.mp4

2）诗词中的遥感机理

 李老师生前喜欢用诗词来解释遥感。团队李林源老师撰写的《诗词遥感》，于教师节在readthedocs上发布，既是对李老师的纪念和传承，也是对定量遥感的深刻理解和总结。如果有出版社愿意帮助正式出版，也非常欢迎。

图3.诗词遥感封面 

3）智能体支持遥感机理的理解

 怀旧能增进感悟和理解，但是时代的车轮在滚滚向前，所以眼光得向前看。人工智能的出现，包括传统机器学习、大语言模型、遥感大模型、智能体，迭代速度越来越快，必须紧跟步伐才能不掉队。我用Workbuddy做了一个月亮运动的三维演示文件html，见（满月和月食三维示意.html），先看看动画吧，热点效应和月全食很清晰。

图3.月亮运动动画

4）遥感机理前沿在哪里

整个电磁辐射辐射传输过程，尤其是光学部分，软硬件都已经完成的很好了，AI帮助进行实时光线追踪、自动降噪。微波雷达部分虽然难度更大一些，但是一些近似的算法也是可以实现的，我们正在让RAPID-RTX实现叶片尺度的SAR实时模拟。

因此，我们要回答一个问题：当电磁波成像过程的建模仿真已经不是难点的时候，遥感机理研究的价值在哪里？这也是我最近一直在思考的问题。

通过与AI对话思辨，现在思路渐渐清晰。成像过程机理清楚、建模仿真不难通常只意味着正演问题成熟了。但最优反演、尺度问题、不确定性和观测设计等问题仍然存在。就好比小尺度基本原理虽然清楚了，但是大尺度应用中复杂性提升带来很多非线性的变化。

为了容易理解，就用牛顿三大定律来类比，虽然奠定了经典物理学的基石，但是也存在很多需要攻克的问题。知道牛顿定律，不等于解决了宏观物理；知道成像正演，也不等于解决了遥感。具体类比的思考如下，还是有一些启发的：

1. 多体、非线性与混沌

两体问题可解，三体问题就不可积。牛顿方程写下来容易，但多体系统会出现混沌，对初值极端敏感。天气预报、行星轨道长期演化、湍流，都很难预测。因此后续研究还需要针对可解性、稳定性、长期行为、预测极限。遥感机理建模也面临着光线传播规律已知，但复杂场景变化可能很大的现实问题。此外，对于地表异常等突发事件的即时遥感检测，遥感机理模型还必须解决弱信号的预测问题。

2. 统计力学与涌现

大量粒子在统计平均与热力学极限下，会涌现出温度、压强、熵、相变、临界现象等宏观性质。其中温度、压强可由分子运动论直接定义（仍需对大量粒子平均），而熵、相变、临界现象则依赖概率统计与热力学极限，无法通过对单个粒子直接套用牛顿定律得到——它们是最典型的集体涌现行为。对遥感反射率而言，从细胞到叶片尺度就存在这种统计的涌现行为。从冠层尺度，到景观尺度和区域尺度，也存在混合像元，非线性混合、多次散射、地形遮蔽、邻近效应等现象，是不是也有集体平均行为呢。尺度转换可能不是纯计算问题，而是物理问题。

3. 连续介质与有效理论

流体力学、弹性力学、塑性力学、断裂力学，底层都服从牛顿定律，但直接算每个分子不现实。于是需要连续介质假设、本构方程、边界条件。Navier-Stokes 方程有牛顿第二定律在流体中的体现，但湍流至今仍是难题。遥感中的 BRDF 模型、土壤和积雪等连续介质散射模型、大气辐射传输模型，也类似有这种等效或者有效理论。

4. 反问题与参数识别

知道方程，不代表知道参数。给定运动轨迹反演力、反演材料参数、反演边界条件，往往是病态问题。遥感反演叶面积指数、土壤水分、气溶胶、冠层结构，也是同样的逻辑：正演成熟不等于反演可靠。知道正演函数不等于能稳定求x变量。哪些参数可分离？需要几个角度、几个波段、什么偏振配置？信噪比要多高？这些由机理决定。

5. 不确定性与可预测性

牛顿力学是决定论的，但混沌系统使长期预测实际不可能。误差会指数增长。宏观物理研究要量化不确定性、研究误差传播、给出预测置信区间。正向遥感模拟在瞬时状态也是确定性的，但随着时间的变化，现实世界也发生了很多确定的变化，遥感反演也需要同化方法来消除不一致的地方。

6. 实验与观测设计

知道定律之后，还要回答：测什么？怎么测？分辨率多高？信噪比多少？采样频率多少？这对应特定遥感系统的观测设计，包括波段、角度、偏振、重访周期、空间分辨率怎么选等问题。

7. 新现象与有效自由度

固体物理中的声子、能带、准粒子，超导、超流、拓扑物态，都不是牛顿三大定律能直接给出的。它们是在更底层规律上涌现出的有效理论。遥感中的新波段、新体制、偏振、荧光、微波散射，也需要新的机理认识。这些是遥感建模中的硬骨头和增量。

8. 工程与跨学科应用

桥梁、飞机、气候、地震、材料、机器人，都建立在牛顿定律之上，但知道基本定律不表明就能造飞机、预报地震。因此，还需要把基本规律转化为可计算、可设计、可控制、可决策的知识。遥感成像理论和数字孪生、具身智能结合，才可能和现实世界更好交互，用遥感来指导实践。

4）AI和遥感机理如何结合

最近大家基本形成共识，遥感机理和AI要融合。遥感机理解决“为什么能观测、信号怎么来”的问题，AI 则从高维观测中学习复杂映射、融合多源信息、加速反演和发现模式，并且智能体提升自动化的问题。AI不用替代物理，而是用物理来引导。

为什么遥感不能像自然图像那样，很容易就由AI全面接管呢。主要是有几个天然难点：

l 标注稀缺：像素级标注贵，跨区域泛化难。自然灾害图像更难获取。

l 域偏移：不同传感器、季节、大气、地形，分布变化大。

l 多模态：除了RGB，还有多光谱、高光谱、SAR、LiDAR、微波等不同模态数据，物理机制不同。

l 多尺度：叶片、冠层、像元、区域、全球尺度差异太大。相似的纹理，可能对应完全尺度不同的东西。

l 病态反演：一个观测对应多个参数组合。

l 不确定性：不同行业面对同一个遥感图像要信息，实际上表面信息难以触及深层业务。

把遥感机理嵌入网络，是物理引导的常用方式。残差预测、合理初值、物理模型加权等是常用方式。但是最新的一些热点方向值得关注：

l 遥感基础模型：自监督、多模态、少样本、跨传感器迁移。比如WV-Net，SAR海洋自监督基础模型，SpectralEarth模型，武汉大学的SkySense、LuoJia.SmartSensing等模型。

l 物理引导神经网络：PINN、物理约束、算子学习。这个非常多，比如GPNet、HPGNN、PINNPI等。

l 生成式 AI：去云、超分、缺失重建、仿真到真实迁移，比如Pix2Pix 、SAR-DeCR、GANFilling等。

l 多模态大模型：光学 + SAR + 文本 + 地理知识。比如，TerraMind，任意模态地球观测大模型。

l 在轨 AI：星上实时检测、压缩、预警。比如，海哨一号，SAR载荷在轨实时目标检测与重构。还有武大的珞珈卫星，北师大刚发射的木铎卫星。

l 数字孪生地球：物理模型 + AI + 实时观测，包括欧盟 DestinE（Destination Earth）、英伟达的 Earth-2 气候数字孪生云平台。

l 因果推断：从相关到因果，服务气候、生态、社会应用，比如因果启发的神经网络（CIGNNs），用于大豆产量和野火预测。

写到这里，中秋节假期也马上结束了。伸个懒腰，明天继续干活，后面国庆节马上就到了！

支持单位：