热带气旋（TC）是影响人类生产、生活以及人身安全的极端天气现象。不同的微波探测仪器因其空间分辨率和扫描模式的差异，可能会对所观测到的TC暖心强度的估计产生影响。
因此，本研究利用BGI算法、AAPP滤波算法和N×N像元（FOV）平均算法对ATMS数据进行重采样处理，比较了各种重采样算法在调整FOV分辨率方面的能力。通过使用一维变分算法，本研究将ATMS数据及其重采样后的数据用于反演TC南玛都的暖心结构。最后，本研究调整了ATMS的分辨率和采样方式，构建出与AMSU-A一致的亮度温度数据，称之为类-AMSU数据，通过反演多个TCs的暖心，对比类-AMSU数据与ATMS数据的在TC暖心结构反演结果上的差异。
研究结果表明，使用BGI算法重采样的数据与原始亮度温度差距最小，并且在边界处重采样效果更好。通过对重采样前后数据进行TC暖心结构的反演分析发现，分辨率的降低导致的数据噪声减少显著改善了TC暖心边缘的异常波动，并提高了一维变分反演大气参数的速度。分辨率的降低使得TC南玛都在不同高度层上最大暖心强度降低了0.5-2 K。与使用AAPP滤波算法相比，采用BGI算法反演的TC南玛都暖心结果与原始ATMS亮度温度的结果更为接近，且更接近WRF模拟的TC暖心结果。此外，在ATMS数据重新采样到AMSU-A的采样间隔后，250 hPa上的TC南玛都暖心最大强度降低了约2.5 K，其暖心范围显著变小。使用ATMS数据反演的TC暖心强度普遍高于类-AMSU数据的反演结果，尤其在暖心最大强度位于4-8 K之间，两者之间的差距十分显著。此外，ATMS数据反演还提供了更详细和清晰的TC暖心结构信息，特别是对于TC眼区和云带特征的描绘更为细致。
 

热带气旋,重采样,一维变分,垂直观测