????地表土壤水分監(jiān)測對氣象預(yù)報、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隊,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,專門針對中國區(qū)域的應(yīng)用進行了優(yōu)化。通過將中國劃分為四個基于氣候差異的子區(qū)域,從而為每個子區(qū)域獨立訓(xùn)練了專門的深度學(xué)習(xí)模型來填補數(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,同時保留盡可能多的數(shù)據(jù)用于訓(xùn)練深度學(xué)習(xí)模型?;谧宰⒁饬C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)確識別土壤水分的動態(tài)變化特性從而完成填補。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數(shù)據(jù)的完整性,而且通過交叉對比和擴展三重搭配分析等多重驗證方法,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)品做交叉對比時,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)的土壤水分填補方法,本研究所提出的方案極大程度降低了對地面實測數(shù)據(jù)及其他輔助數(shù)據(jù)的依賴,增強了模型在不同地理和氣候條件下的普適性和靈活性。
????該研究成果不僅對土壤濕度監(jiān)測和環(huán)境研究的進步做出了有希望的貢獻,也為全球土壤水分數(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)填補模型流程示意圖
土壤水分產(chǎn)品數(shù)據(jù)重構(gòu)對比結(jié)果