近日，中國科學院空天信息創新研究院研究員曾江源團隊在全球尺度遙感土壤水分產品時空填補方法發展、對比與驗證方面取得進展。
該團隊圍繞傳統偏差校正方法與機器學習方法在填補全球尺度主被動微波土壤水分衛星（SMAP）土壤水分產品缺失數據的有效性、全球實測數據驗證填補后的土壤水分相較于原始SMAP數據的準確性、環境變量對土壤水分數據填補精度的影響等三方面展開研究，以發展適用于不同場景的填補方法，并為利用環境變量提升基于機器學習如隨機森林方法填補后的SMAP產品精度提供依據。
研究發現，最大最小校正、累積分布函數匹配、線性重縮、一元一次和一元二次線性方程以及隨機森林方法的全球填補精度由低逐漸變高，但空間分布情況相似；隨機森林方法在訓練階段精度優于其他方法，但驗證階段精度明顯下降。
為進一步提高隨機森林方法在驗證階段的精度和穩定性，該研究基于隨機森林方法并結合12種與土壤水分相關的輔助數據，進行多源信息融合，以提升機器學習方法的預測能力和泛化性能。結果表明，加入輔助數據后填補的土壤水分結果誤差降低，與原始值的相關性得到提高，提升了隨機森林方法的填補效果。
為檢驗加入輔助數據的隨機森林方法在填補SMAP數據上的準確性，該研究利用覆蓋全球不同地表狀況的1071個站點的實測數據對填補結果進行驗證。結果表明，在整體精度上，填補后的SMAP數據優于原始SMAP數據。
同時，該研究分析了9種不同的環境變量，如歸一化差分植被指數、土壤質地、氣候類型、地表類型及其異質性、數字高程模型及其異質性，對SMAP填補精度的影響。結果顯示，不同的歸一化差分植被指數、地表類型及其異質性和氣候類型對填補精度的影響較大，且隨著植被覆蓋度、土壤水分和地表類型異質性增加，填補精度有所下降。
相關研究成果以Global-scale gap filling of satellite soil moisture products: methods and validation為題，發表在《水文學雜志》（Journal of Hydrology）上。研究工作得到國家自然科學基金、中國科學院青年創新促進會優秀會員項目等的支持。
論文鏈接
本文鏈接：全球尺度遙感土壤水分產品時空填補方法研究獲進展http://m.sq15.cn/show-12-860-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 研究揭示尿路上皮癌進化的核心基因密碼
下一篇： DNA數據活字存儲打印系統研發成功