卫星遥感是获取云物理特性的重要手段。然而，现有的静止卫星官方云产品在计算效率和精度方面存在一定局限性。本研究结合静止卫星和极轨卫星的观测优势，针对静止卫星风云四号成像仪AGRI开发了一种基于图像的迁移学习模型(TLM)，该模型以观测的热红外亮温及辅助气象场为输入，分别以静止卫星Himawari-8号成像仪（AHI）和极轨卫星Aqua/Terra的中分辨率成像光谱仪（MODIS）的官方云产品为目标进行预训练和迁移训练，实现全天时的快速云物理特性反演。以MODIS官方产品为基准，TLM对云相态的识别准确率为79.93%，对云顶高度、云有效半径和云光学厚度反演的均方根误差分别为1.85 km、6.72µm和12.79，优于AGRI和AHI官方云产品。与主动探测遥感数据相比，TLM在夜间和不同季节表现出稳定的性能。此外， MODIS和AHI官方云产品在描述青藏高原云变化特征方面不具有代表性。因此，我们基于TLM反演的时空连续和高精度云产品，重新描述了日间和夜间云的空间分布特征，并首次给出了青藏高原不同季节总云和深对流云的全日变化特征。

全天时,云遥感,机器学习