大气运动矢量（Atmospheric Motion Vector，AMV）的高精度反演对数值天气预报有重要意义。针对极轨卫星微波观测数据在精细化反演AMV方面存在的技术挑战，本研究提出了一套系统的反演与评估方法。研究基于NOAA-20/21卫星平台ATMS传感器183.31 GHz水汽通道观测，在光流理论框架下构建了时空序列融合反演模型，实现了850至450 hPa五个标准等压面上像元级分辨率的AMV反演。为提升反演精度与空间适应性，提出混合尺度追踪区域策略，依据背景风场中高风速样本比例，动态选用10°×10°大尺度网格或3°×3°精细窗口进行特征追踪。验证结果显示，该模型反演风速与ERA5再分析数据的偏差为0.16-0.64 m/s，均方根误差为3.45-3.81 m/s，风向偏差小于30°，其精度与现有业务化红外AMV产品相当。经混合尺度优化后，各层风矢量样本数量提高超过10%，风向标准差降低超过1°。
为进一步评估算法在多源数据条件下的性能，在ATMS观测外本研究引入FY-3D/MWHS-II同频段观测，开展了多源协同反演实验，系统分析动态高度指定、传感器间亮温订正、轨道重叠刈幅、时间间隔、云量及季节变化对反演结果的影响。结果表明，动态高度指定可显著降低系统偏差与角度误差，部分层次偏差改善超过20%，角度偏差减少0.5–1.7°，且未引入明显的随机误差；传感器间亮温订正对整体误差改善有限，主要对长时间间隔的近地面通道产生影响。同时，增加观测时空覆盖有助于提升反演可靠性；云量对平均误差影响不显著，体现了微波数据在有云天气下进行风场反演的优势；反演误差存在季节性差异，近地面层冬季偏差较高，中高层夏季偏差较高。典型天气个例表明，该方法能有效捕捉大尺度环流形态及台风宏观涡旋结构。
 

全球三维大气运动矢量,极轨卫星序列微波湿度探测,像元分辨率的Hybrid稠密光流反演