大气水汽是大气圈和水圈的重要组成部分，其时空分布及三相变化与天气演变和气候变化密切相关。卫星遥感是观测全球尺度水汽含量的最重要手段，其中微波被动遥感具有穿透云的能力，可实现全天候全球水汽总量反演，是全球水汽观测系统的重要组成部分。

　　虽然微波反演洋面水汽已经实现业务化，但陆地水汽反演仍有较大的改进空间。传统方法主要通过建立水汽与微波辐射水汽指数的经验关系来反演水汽，但这些方法仅适用于裸露地表，在植被和冰雪覆盖区域存在局限。作为新兴技术的机器学习在这一领域具有潜力，但其成功与否极大地依赖于训练数据的质量和完整性，以及超参数的合理选择。

　　本研究创新性地建立了一种基于星载微波辐射计的机器学习算法，用于反演陆地水汽。研究的创新点包括：1）使用全球1.2万站点近百万水汽数据作为目标变量，构建迄今为止最大和最全的训练数据集；2）引入对地表条件敏感的新特征变量；3）采用自动机器学习算法确定模型的超参数。该方法无需其他外部数据，可应用于所有星载微波辐射成像仪，在所有地表类型上都有较好表现。

　　研究成果发表在《Geophysical Research Letters》，研究生夏昕然和傅迪松博士作为共同作者，通讯作者为中国科学院大气物理研究所夏祥鳌研究员，合作者包括来自中国科学院大气物理研究所、中国气象局国家卫星气象中心和南京信息工程大学学者。该工作得到国家自然科学基金重点项目（42030608）和面上项目（42075079、42105128）资助。

引用：Xia, X., Fu, D., Shao, W., Jiang, R., Wu, S., Zhang, P., Yang, D., & Xia, X. (2023). Retrieving Precipitable Water Vapor Over Land From Satellite Passive Microwave Radiometer Measurements Using Automated Machine Learning. Geophysical Research Letters, 50(22), 1–9. https://doi.org/10.1029/2023GL105197

数据链接：Xia, X., & Fu, D. (2023). The AMSR2 global daily PWV retrievals (0.1°×0.1° resolution, land)[DS/OL]. V1 [Dataset]. Science Data Bank. https://doi.org/10.57760/sciencedb.09294

图1. 16类地表类型上卫星和地基遥感反演水汽对比验证

图2. 2012年至2020年冬季和夏季季节平均大气水汽含量（mm），从上到下依次为（a、b）夏季、冬季星载微波辐射计（AMSR2）水汽总量；（c、d）夏季、冬季欧洲再分析（ERA5）水汽总量；（e、f）夏季和冬季卫星红外遥感（AIRS）水汽总量。