🔍 耿同学打假报告

论文信息

• 论文来源：IEEE TGRS.pdf (投稿稿件)
• 标题：“Onion peeling” Method for MIGHTI Temperature Retrieval with Enhanced Precision and Full Coverage
• 作者：Weiwei He, Kanglei Liu, Haiyan Luo, Jiarui Su, Wangwang Wang, Zhongyi Fu, and Kuijun Wu
• 期刊：IEEE Transactions on Geoscience and Remote Sensing (TGRS)
• 发表年份：预印本/投稿状态（当前日期为 2026-06-19，文中使用了 2022 年的全年的数据进行对比，时间线合理）

综合评定：🟡 存疑

(注：因仅提供文本而缺乏原始高清图片和底层 Excel 数据，无法进行像素级和末位数字的“耿同学六式”满血检测。但仅从文本逻辑和方法学描述来看，已发现数处令人费解的“低级失误”。)

详细发现

发现 1：文本逻辑矛盾（复制粘贴/文本拼凑痕迹）

• 位置：Page 11，Section IV. A. Compared to MSIS 2.0
• 描述：在解释 B&C 和 C&D 通道反演温度差随高度增加的原因时，作者在文中列出了 四个 可能的解释：“(1) the intensity... decreases... (2) the temperature sensitivity... decreases... (3) there is airglow radiation of the N2 1Pg 3–1 band... and (4) inaccurate flat-field correction.” 然而在紧接着的下一段，作者写道：“The above three reasons all can explain why temperature difference increases with altitude.”
• 证据：前文明明列出了 4 条原因，后文却总结为“上述 3 条原因”。这种错误强烈暗示作者可能在拼凑或删改文本时，没有更新后续的总结陈词。作为严谨的遥感算法反演论文，这种算数级别的文本错误会让审稿人直接怀疑你的科研严谨性。
• 严重程度：🟡

发现 2：数据阈值与物理意义的冲突（太完美的“截断”）

• 位置：Page 13，Section IV. F. Comparison with the ICON official coverage
• 描述：作者提到为了改善可视化效果，“we removed the temperature anomalies below 150 K”（我们去除了低于 150 K 的温度异常值）。但通读前文，本文探讨的中层-低热大气（MLT，90-140 km）温度往往在 180-280 K 之间，甚至在图 22 中明确写道 “majority of sample points are concentrated between 180-200 K”。
• 证据：如果背景大气温度普遍在 180K 以上，150K 是极其极端的低温。这种粗暴的“一刀切”阈值剔除法，不仅可能掩盖了算法在某些区域（如南大西洋异常区或极区）的真实波动，还带有“为了凑出好图而人为删减不利数据”的嫌疑。真实的遥感数据处理通常基于物理边界（如信噪比阈值）来剔除数据，而不是直接给温度划个绝对值硬线。
• 严重程度：🟡

发现 3：统计学与误差传递的异常表述

• 位置：Page 14，Section IV. G. System uncertainty analysis (Eq. 19)
• 描述：在计算 B&C 和 D&C 通道组合的联合温度误差时，作者给出的公式（Eq. 19）前带有一个显眼的 1/2 系数。
• 证据：在误差分析中，如果是要降低随机误差，通常采用加权平均或直接计算标准差的平方和的根（RSS）。作者这里直接对两个独立的通道反演误差取 $\frac{1}{2} \sqrt{\Delta T_{B\&C}^2 + \Delta T_{D\&C}^2}$（根据公式排版推测），这在统计学上是非常不标准的。这不仅不是标准的误差合成公式，还会人为缩小实际的反演不确定度，让文章结尾声称的“误差只有 2 K 到 7 K”显得过于“漂亮”而缺乏坚实的数学支撑。
• 严重程度：🟠

发现 4：方法学设计异常（不符合常规观测逻辑）

• 位置：Page 12，Section IV. B. Self-consistency analysis
• 描述：在分析 MIGHTI 两个视场（FOV）的自洽性时，作者提到：“calculated for each height with a spacing of 12 km”（以 12 km 为间距计算每个高度的平均温度）。
• 证据：本文探讨的高度分辨率通常在 2-5 km（甚至图 11 暗示了 1 km 级的敏感性），但是在验证一致性时，突然将数据强行粗化到 12 km 的巨大间距。这意味着 90-140 km（跨度 50 km）的区间内，可能只有 4-5 个数据点。这种做法就像是用大锤砸核桃，为了消除误差把真实的物理结构细节也给抹平了，得到的“good consistency”并不能说明算法好，只能说明在极低分辨率下没偏离太远。
• 严重程度：🟡

耿同学辣评

这篇论文虽然通篇都是高大上的“卫星大气遥感”和复杂的洋葱剥皮算法，底层的数学公式推导看着也挺吓人，但**“写长篇大论时前边列了4条原因，后边抄成3条原因”**这种事儿可是连本科生写期末论文都不太容易犯的错啊！另外，为了图画好看直接“一刀切”删掉150K以下的数据，这跟美颜滤镜开到十级有什么区别？科研不是拼多多砍一刀，误差公式也不是你想怎么乘个1/2就能缩小的，建议作者在投稿前先找台计算器和审稿人好好对对账！

建议后续行动

• 要求作者提供未经过滤（未剔除 <150K 数据）的原始对比散点图，以验证算法是否在极端异常值处崩溃。
• 要求作者解释 Eq (19) 中 1/2 系数的统计学出处。
• 建议作者仔细校对文本，修正 "four reasons" 和 "three reasons" 的低级逻辑笔误。

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。