来源：期刊VIP网 时间：
作者：姬长铭;丁海勇;
单位：南京信息工程大学遥感与测绘工程学院;
摘要：针对传统物理算法与统计算法反演海表温度(sea surface temperature, SST)存在效率低、偏差大等问题，提出了一种多模型集成的机器学习模型反演SST。首先，对单一机器学习模型进行超参数优化、训练以及评价；然后，利用Stacking方法将多个单一机器学习模型集成为新的模型；最后，使用包含AMSR2辐射计亮温数据和ARGO浮标数据的时空匹配数据完成Stacking模型的训练以及验证。同时，将单日AMSR2亮温数据输入所得模型内反演全球SST,并与OISST数据进行对比。结果表明，与传统回归算法和单一机器学习模型相比，Stacking模型具有更高的精确度和反演效果。将反演所得SST与OISST进行对比分析，发现二者具有良好的一致性。
关键词：海表温度;;机器学习;;Stacking;;AMSR2;;被动微波;;反演
基金资助：国家重点研发计划(2022YFC3004200);; 江苏省研究生实践创新计划(SJCX23＿0419);; 杭州市科技发展计划项目杭州市农业与社会发展一般项目(202203B36)
