摘要－结合对地观测卫星AQUA多传感器/多分辨率的特点,研究了利用AMSR-E被动微波数据反演地表温度的神经网络算法。MODIS地表温度产品(LST)被作为地表温度实测数据，对应的平均温度被用来当作对应AMSR-E像元的实际地表温度，从而克服由于AMSR-E像元尺度太大和云的影响而难以获得地表实测数据的难点。反演结果分析表明,利用神经网络能够被用来精确地从AMSR-E中反演地表温度。当使用5个频率10个通道作为反演通道时，反演精度最高，说明使用更多的通道能更好地消除土壤水分、粗糙度、大气和其它因素的影响。相对于MODIS温度产品，反演的平均精度大约2 K。

在文中，作者提到了关于参数反演和气候变化研究的两个个人观点，供大家参考：

对大尺度参数反演:

由于大尺度像元基本上都存在混合像元问题,很难准确地用方程描述出来。因此，从大尺度复杂的混合像元中准确地反演地表参数，需要我们做到：第一从物理的角度观察自然现象；第二用数学的方法去描述物理现象；第三从工程（优化）的角度解数学方程组。这样才能更好地提高大尺度参数反演的精度。

气候变化研究：