本文耦合物理机理模型和机器学习算法，从VIIRS大气层顶反射率数据同时估算七种陆表和大气变量，包括叶面积指数(LAI)、光合有效辐射吸收比例(FAPAR)、地表反照率、地表反射率、下行短波辐射(ISR)、光合有效辐射(PAR)和大气层顶反照率。该方法通过三个步骤实现：1) SCE优化方法从VIIRS大气顶反射率参考数据中估算这些变量，生成训练数据集；2) 探索两种多输出机器学习算法模拟VIIRS大气顶反射率回归多参量的性能，包括反向传播神经网络和随机森林；3) 将性能最佳的模型应用于从VIIRS大气层顶数据生成全球多参量估计。使用ImagineS、SURFRAD、ICOS 、AmeriFlux及OzFlux等站点的实测数据对估算结果进行了验证，结果表明：反演的变量精度较高，LAI、FAPAR、短波反照率、ISR和PAR的RMSE分别为0.629、0.089、0.058、102.127和50.125。这一创新方法有潜力用于从多种卫星数据源估算不同空间尺度的全球陆表变量。
 

机理,机器学习,VIIRS,多参量