全球被动微波土壤水分高分辨率制图研究取得进展
文章导读
你正在为精准农业规划发愁，却发现市面上的土壤水分数据分辨率低到看不清田块差异。传统算法总把复杂的地表当成均匀平面来处理，导致丘陵区的水分估算比实际偏少30%，而植被密集区又虚高20%。中科院团队这次把地表异质性量化后融入降尺度模型，生成的全新0.05°数据居然能捕捉到连地面站点都难以测量的微观湿度变化——但这个突破性算法最关键的权重校正策略，到底如何让干旱监测的准确率提升到前所未有的水平？
— 内容由好学术AI分析文章内容生成，仅供参考。
土壤水分是调控地表水热交换、支撑农业估产、水资源管理与旱涝灾害监测的核心参数。被动微波遥感是实现全球土壤水分大尺度监测的主流技术，但受观测原理限制，现有卫星土壤水分产品空间分辨率仅约数十公里，难以满足区域尺度的精细应用需求。空间降尺度是提升土壤水分数据分辨率的主要手段。然而，地表本身具有明显的异质性，包括地表类型、土壤质地、地形和植被覆盖等的空间差异，这些因素会直接影响水分的渗透、蒸发和储存过程，导致土壤水分在不同空间尺度上呈现明显差异。但传统降尺度算法未能充分考虑这一关键影响，导致异质性强的区域出现土壤水分空间分布失真、估算误差偏大等问题。
近日，中国科学院空天信息创新研究院研究团队创新性提出地表异质性感知降尺度算法（HADA），将地表异质性特征全程融入土壤水分卫星产品降尺度流程，有效解决了传统方法忽略地表复杂差异导致的精度不足问题，并生成了全球0.05°高精度土壤水分数据产品，提升了全球高空间分辨率土壤水分监测精度。
团队研发的HADA降尺度算法，实现两大核心创新突破。一是系统性量化地表异质性并纳入降尺度模型。利用数学方法将地表类型、土壤质地、地形、植被覆盖四类异质性信息进行数字化表征，之后与机器学习方法深度融合，精准刻画不同地表条件下土壤水分的复杂非线性关系。二是提出基于异质性权重的残差校正策略。依据地表异质性重要性排序对降尺度误差进行逐像素加权修正，降低尺度转换带来的不确定性，提升结果物理合理性。
研究团队进一步基于SMAP卫星亮温数据与自主研发的新型微波土壤水分指数，生成了初始土壤水分产品，并采用HADA算法将其空间分辨率从原始0.25°提升至0.05°。
为验证算法性能，团队利用覆盖全球的1260个地面实测站点数据进行了评估。结果显示，与传统的DisPATCH算法、SMAP主被动降尺度产品、ERA5-Land及SiTHv2等国际土壤水分数据集相比，HADA算法在绝对精度和土壤水分动态变化捕捉能力方面表现更优；相较于原始产品，其空间细节更丰富，数据缺失更少。其生成的全球土壤水分空间分布与全球干旱指数高度吻合，可真实反映不同地表类型下的土壤干湿特征。
该成果不仅为被动微波土壤水分数据提供了高效可行的全球降尺度方案，还为解决其他卫星遥感产品降尺度中的异质性干扰提供了新思路。生成的高分辨率土壤水分数据，可服务于精准农业灌溉、干旱滑坡监测、气候变化模拟等关键应用，为地球系统科学研究提供高质量数据支撑。
相关研究成果发表在《IEEE地球科学与遥感汇刊》上。研究工作得到国家自然科学基金委员会、中国科学院等的支持。
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
0.05°分辨率够用不？
之前做土壤监测就卡在分辨率问题上😭
这算法能用在农业上吗？