10月10日，在中国，中科院空天信息创新研究院发布消息，给全球土壤水分遥感产品带来了新希望。这次，北京的团队提出了一个解决方案。该方案由曾江源研究员带领，用“Stacking”技术把机器学习和插值方法结合起来。中国科学院空天院把这个研究结果发表在了国际专业学术期刊《环境遥感》(Remote Sensing of Environment)上，让科研人员和农业生产者可以得到更可靠的数据支撑。 土壤水分对于地球生态系统健康有着至关重要的作用，它可以影响气候预测、农作物生长还有洪旱灾害预警等问题。所以，人们对卫星遥感获得土壤水分信息非常关注。不过，目前获取的卫星土壤水分遥感产品常常存在大范围数据缺失现象，这严重限制了它在科研与实际应用中的效果。 曾江源研究员解释说，造成这个问题的原因很多，包括卫星轨道设计、传感器性能限制、地表复杂地形还有人为射频干扰等因素。对于填补这些缺失数据，传统方法是根据已知数据进行插值填充，但当遇到大片空白区域时，这种方法就显得力不从心了。 而机器学习方法则是通过分析海量数据来预测土壤水分与降水、植被等环境因素之间的复杂关系。不过这个方法也有缺点，它往往会忽略极端干湿区域的细节特征。 为了克服这两种方法各自的不足，研究团队创新采用了“Stacking”技术把它们融合在一起。这样做可以把机器学习方法对大范围缺失区整体预测能力和插值法对局部区域细节特征敏感度结合起来，避免了单一方法存在的误差或细节失真问题。 荣家明作为论文第一作者指出，在实验验证中，这种新方法表现得非常出色。它不仅能应对不同尺度的卫星遥感数据缺失问题，还能保持全局合理性与局部精细度。特别在全球尺度验证中，新方法填补精度明显优于单一方法。 曾江源表示，这次研发的技术框架具备较强通用性。它不仅可以用于修复土壤水分遥感产品缺失值，还能扩展到地表温度、植被参数、大气参数等多种遥感产品修复中。通过提高各类卫星观测数据质量，“这项工作”将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还有自然灾害监测预警等应用提供更可靠支撑。