地表土壤水分是陸表表層生態(tài)系統(tǒng)的重要參量，是控制地氣水分與熱量交換過程的關鍵要素，了解和掌握地表土壤水分時空動態(tài)變化，對理解地表水文過程在地球氣候、生態(tài)、和生物化學過程具有至關重要的作用。其中，衛(wèi)星遙感是實時、動態(tài)監(jiān)測區(qū)域地表土壤水分最為有效的手段之一。但是，當前地表土壤水分的遙感估算方法，尤其是基于可見光、熱紅外的遙感觀測手段，在準確表達地表土壤水分的時空方面還存在很大的不確定，而基于被動微波的土壤水分觀測手段，雖然觀測信號與地表土壤水分具有很高的相關性，但是由于其粗空間分辨率特征（網格尺度數十公里），很難滿足區(qū)域和局地尺度應用需求。為了從土壤水分遙感估算模型和空間尺度方面解決上述問題，成都山地災害與環(huán)境研究所趙偉副研究員等通過地面觀測數據與高空間分辨率遙感數據相結合以及多源遙感數據相耦合的方式，在遙感估算模型和空間尺度轉換方向取得系列研究進展。
研究團隊分別采用單一地表土壤水分觀測網絡及多個觀測網絡與美國Landsat-8高空間分辨率遙感數據相結合，有效評估了傳統(tǒng)土壤水分估算模型及其改進模型在不同植被指數配合下的地表土壤水分估算，成功解答了傳統(tǒng)模型估算的不確定及其誤差來源，并通過引入地表水體指數等水分脅迫因子對模型進行了改進，取得了非常好的效果。
同時，研究團隊還在先期研究的基礎上，提出了采用隨機森林機器學習的方式，表達地表土壤水分隨地表關鍵參量之間的復雜關系式，參量包括地表溫度、植被指數、地表反照率、水體指數等，極大地提高了地表土壤水分的估算精度。在此基礎上，研究團隊提出了采用此機器學習模型進行被動微波的地表土壤水分降尺度研究，有效地將36-km分辨率的美國SMAP地表土壤水分產品空間尺度提升至1-km。通過與地面觀測站點的數據比較發(fā)現，該成果取得較好效果，不僅提升了估算精度，還顯著提高空間變化刻畫的準確性。
以上工作作為地表土壤水分遙感估算的基礎性工作，研究工作系統(tǒng)，結果可期，對未來開展面向山地地表土壤水分估算提供了較好的方法探索。
以上研究得到了國家自然科學基金（41771409、41631180、41401425）、成都山地所青年百人團隊項目、中科院青促會項目的支持。系列成果發(fā)表在領域TOP期刊IEEE Transactions on Geoscience and Remote Sensing、Journal of Hydrology上。
原文鏈接：
https://ieeexplore.ieee.org/document/7847369
https://ieeexplore.ieee.org/document/8003357/
https://www.sciencedirect.com/science/article/pii/S0022169418305031
傳統(tǒng)土壤水分估算模型反演結果（左列）與改進模型估算結果（右列）
不同衛(wèi)星數據組合下的地表土壤水分降尺度結果