????地表土壤水分監(jiān)測(cè)對(duì)氣象預(yù)報(bào)、水文研究和氣候變化分析等關(guān)鍵領(lǐng)域至關(guān)重要。然而，由于現(xiàn)有微波傳感器觀測(cè)能力、衛(wèi)星軌道覆蓋和植被覆蓋等諸多因素影響，當(dāng)前微波遙感土壤水分產(chǎn)品存在大面積的空值區(qū)域，嚴(yán)重限制了此類產(chǎn)品的應(yīng)用。為了解決這一問題，成都山地所趙偉研究員團(tuán)隊(duì)，提出了一種基于深度學(xué)習(xí)模型的分層數(shù)據(jù)重建方法，成功填補(bǔ)了歐洲空間局氣候變化倡議（ESA Climate Change Initiative ，CCI）土壤水分產(chǎn)品的空間空白。
????該研究提出的分層重建框架，結(jié)合了k-means聚類算法和自注意力深度學(xué)習(xí)填充模型，專門針對(duì)中國(guó)區(qū)域的應(yīng)用進(jìn)行了優(yōu)化。通過將中國(guó)劃分為四個(gè)基于氣候差異的子區(qū)域，從而為每個(gè)子區(qū)域獨(dú)立訓(xùn)練了專門的深度學(xué)習(xí)模型來填補(bǔ)數(shù)據(jù)空白，相比于傳統(tǒng)的將所有數(shù)據(jù)一起輸入到深度學(xué)習(xí)模型中的方法，分區(qū)方法可以更好地考慮土壤水分的空間異質(zhì)性，確保不同氣候特征的像元被盡可能地隔離，同時(shí)保留盡可能多的數(shù)據(jù)用于訓(xùn)練深度學(xué)習(xí)模型。基于自注意力機(jī)制的深度學(xué)習(xí)模型能夠根據(jù)降水和植被等輔助信息準(zhǔn)確識(shí)別土壤水分的動(dòng)態(tài)變化特性從而完成填補(bǔ)。通過分區(qū)訓(xùn)練模型，有效地保留了土壤水分的異質(zhì)性信息，增強(qiáng)了模型在不同氣候區(qū)的適應(yīng)性和精度。這一方法不僅提高了土壤水分?jǐn)?shù)據(jù)的完整性，而且通過交叉對(duì)比和擴(kuò)展三重搭配分析等多重驗(yàn)證方法，證明了重建數(shù)據(jù)的準(zhǔn)確性。
????研究結(jié)果表明，重建數(shù)據(jù)在四個(gè)子區(qū)域的模擬數(shù)據(jù)缺失中顯示出高相關(guān)性（相關(guān)系數(shù)R > 0.90）和低誤差（均方根誤差RMSE < 0.026 m3/m3）。進(jìn)一步分析表明，重建數(shù)據(jù)的精度與原始ESA CCI數(shù)據(jù)相當(dāng)或更優(yōu)，在與其他四種土壤水分產(chǎn)品做交叉對(duì)比時(shí)，重構(gòu)數(shù)據(jù)在夏季的相關(guān)性系數(shù)（R）準(zhǔn)確度上顯著提高了約3%。此外，相比于現(xiàn)有的基于深度學(xué)習(xí)的土壤水分填補(bǔ)方法，本研究所提出的方案極大程度降低了對(duì)地面實(shí)測(cè)數(shù)據(jù)及其他輔助數(shù)據(jù)的依賴，增強(qiáng)了模型在不同地理和氣候條件下的普適性和靈活性。
????該研究成果不僅對(duì)土壤濕度監(jiān)測(cè)和環(huán)境研究的進(jìn)步做出了有希望的貢獻(xiàn)，也為全球土壤水分?jǐn)?shù)據(jù)的重建提供了一種新的技術(shù)途徑，并以“Addressing spatial gaps in ESA CCI soil moisture product: A hierarchical reconstruction approach using deep learning model”為題，發(fā)表在遙感領(lǐng)域1區(qū)TOP期刊International Journal of Applied Earth Observation and Geoinformation上。
????論文鏈接：https://doi.org/10.1016/j.jag.2024.104003
深度學(xué)習(xí)填補(bǔ)模型流程示意圖
土壤水分產(chǎn)品數(shù)據(jù)重構(gòu)對(duì)比結(jié)果