土壤水分是衡量地球生态系统健康与否的关键指标，对气候预测、农作物生长、洪旱灾害预警等研究具有重要意义。但此前，全球卫星土壤水分产品中普遍存在大范围数据缺失。中国科学院空天信息创新研究院研究员曾江源团队创新提出一种新框架，显著提升了相关遥测数据的完整性和可用性，研究成果近期在遥感领域国际学术期刊《环境遥感》发表。
目前，卫星遥感是获取全球范围土壤水分信息最有效的手段。但受卫星轨道设计和传感器性能限制、地表复杂地形、人为射频干扰等多种因素影响，卫星获取的土壤水分产品常存在大范围数据缺失，严重制约相关数据在实际科研与应用中的使用效能。
曾江源介绍，填补这类缺失的数据，有插值和机器学习两类常见方法，但它们各有缺陷。插值法在面对连续大片的空白区域时容易填不准，甚至填不上；机器学习则通过数据驱动进行大范围预测填补，结果容易趋于平均，削弱极端干湿区域的细节特征。
“我们采取的策略是优势互补，将这两类方法深度融合，形成兼具全局合理性与局部精细度的填补数据。”曾江源和团队利用全球卫星土壤水分产品进行了大量实验验证，证明新方法有效融合了整体预测能力和局部区域细节特征的敏感度，在全球尺度的验证中，填补精度显著优于原有的单一方法。
这套技术框架还具备较强的通用性，可以拓展至地表温度、植被参数、大气参数等多种遥感产品的缺失值修复，通过提升各类卫星观测数据质量，为地球系统科学研究、农业生产与粮食安全、生态保护与可持续发展、自然灾害监测预警等应用提供更可靠的数据支撑。
原文链接：https://xinwen.bjd.com.cn/content/s68e8ab16e4b02424b0c157af.html
动态新闻