基于专家混合模型的热红外遥感地表温度与发射率反演优化研究

《Remote Sensing Letters》：Research on optimizing the inversion of thermal infrared remote sensing surface temperature and emissivity based on mixture of experts

提出基于混合专家模型的迭代优化策略，有效提升MODIS数据地表温度（MAE降低38.5%）和地表发射率反演精度（PCC提高1.79%），在气候监测、环境评估及农业灾害预警中具有广泛应用前景。

　　

摘要

为了进一步提高中分辨率成像光谱辐射计（MODIS）数据的地表温度（LST）和地表发射率（LSE）的反演精度，本文提出了一种基于专家混合（MoE）的迭代优化策略。在模拟实验中，与4波段组合相比，5波段输入的地表温度反演平均绝对误差（MAE）从0.7572 K降低到0.5089 K，皮尔逊相关系数（PCC）从0.9812提高到0.9989。地表发射率的反演精度也显著提高，优化后的扰动模拟数据与原始模拟数据之间的误差非常小。在实际数据验证中，优化后地表温度反演的MAE从1.7768 K降低到1.1237 K，PCC从0.9816提高到0.9946。本研究提出的迭代优化策略显著提高了MODIS数据中LST和LSE的精度，为气候变化、环境评估和农业灾害监测提供了可靠的数据支持，并具有广泛的应用前景。