一种基于物理约束与机器学习的全球地表最大相对湿度反演方法

本发明提供了一种基于物理约束与机器学习的全球地表最大相对湿度反演方法，涉及水文学及计算机科学技术领域。本发明包括以下步骤：构建候选数据集并获取通量观测站点的实测潜热通量及同步气象要素；将候选数据集与同步气象要素输入物理约束模型，计算模拟潜热通量并选取误差最小的值确定最优地表最大相对湿度；以最优湿度及同步气象要素为样本训练机器学习反演模型；利用训练后的模型与遥感地表温度、地表覆盖类型和再分析气象数据融合，推算并输出全球栅格化结果。此方法实现了全球尺度下的地表最大相对湿度反演，提供量化的新方式。