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至關(guān)重要。然而，由于現(xiàn)有的微波傳感器觀測(cè)能力以及衛(wèi)星軌道覆蓋和植被覆蓋等因素的影響，微波遙感土壤水分產(chǎn)品存在大面積的空值區(qū)域，限制了此類產(chǎn)品的應(yīng)用。為了解決這一問(wèn)題，中國(guó)科學(xué)院成都山地災(zāi)害與環(huán)境研究所研究員趙偉團(tuán)隊(duì)提出了基于深度學(xué)習(xí)模型的分層數(shù)據(jù)重建方法。這一方法填補(bǔ)了歐洲航天局（ESA）氣候變化倡議（CCI）土壤水分產(chǎn)品的空間空白。

分層重建框架結(jié)合k-means聚類算法和自注意力深度學(xué)習(xí)填充模型，針對(duì)中國(guó)區(qū)域的應(yīng)用進(jìn)行了優(yōu)化。該框架將中國(guó)劃分為四個(gè)基于氣候差異的子區(qū)域，為每個(gè)子區(qū)域獨(dú)立訓(xùn)練了專門(mén)的深度學(xué)習(xí)模型來(lái)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，該分區(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，并保留盡可能多的數(shù)據(jù)用于訓(xùn)練深度學(xué)習(xí)模型�；�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)變化特性以完成填補(bǔ)。分區(qū)訓(xùn)練模型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。這一方法提高了土壤水分?jǐn)?shù)據(jù)的完整性，并通過(guò)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)性和低誤差。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)；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)準(zhǔn)確度提高了約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，該方案降低了對(duì)地面實(shí)測(cè)數(shù)據(jù)及其他輔助數(shù)據(jù)的依賴性，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。

上述工作推進(jìn)了土壤濕度監(jiān)測(cè)和環(huán)境研究的發(fā)展，并為全球土壤水分?jǐn)?shù)據(jù)的重建提供了新的技術(shù)途徑。相關(guān)研究成果以Addressing spatial gaps in ESA CCI soil moisture product: A hierarchical reconstruction approach using deep learning model為題，發(fā)表在International Journal of Applied Earth Observation and Geoinformation上。

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