基於機器學習的微波土壤水分產品降尺度研究

《基於機器學習的微波土壤水分產品降尺度研究》是依託清華大學，由何連擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於機器學習的微波土壤水分產品降尺度研究
• 依託單位：清華大學
• 項目負責人：何連
• 項目類別：青年科學基金項目

項目摘要

微波遙感是獲取全球土壤水分最有效的手段之一。現有的土壤水分遙感產品的空間解析度較低，不能滿足農業、氣象、水文等套用對於高空間解析度土壤水分的要求。為了解決這一問題，需要對土壤水分進行降尺度以提高遙感產品的空間解析度。統計回歸方法是目前最常用的降尺度方法，假設土壤水分與地表參數之間存在簡單的回歸關係。然而，土壤水分與地表參數存在複雜的非線性關係，使得統計回歸方法存在較大誤差。機器學習可以模擬任何線性和非線性關係，在降尺度中具有巨大的潛力。本項目主要探討機器學習方法在土壤水分降尺度中的套用，通過搭建不同的機器學習算法，擬合土壤水分和地表參數之間的非線性關係，實現降尺度。本項目將發展一套基於機器學習算法的土壤水分降尺度方法，用於高解析度土壤水分產品的生產。本項目的研究成果不僅能滿足不同套用對於土壤水分空間解析度的需求，也有助於解決被動微波產品的驗證難題，提高全球氣候和水循環變化的衛星監測能力。

結題摘要

本項目針對現有土壤水分遙感產品空間解析度較低，不能滿足農業、氣象、水文等套用對於高空間解析度土壤水分的要求這一實際問題，開展了主被動微波融合土壤水分降尺度研究，以及基於機器學習的融合光學和微波數據的土壤水分降尺度方法研究。針對SMAP-Sentinel-1主被動微波數據的融合，評估了時間序列算法和物理模型算法，實現了高解析度土壤水分的獲取。針對光學和微波數據的融合，探討了土壤水分與地表參數之間的關係，為搭建基於機器學習土壤水分降尺度奠定了基礎。本項目的研究成果能夠用於高解析度土壤水分的獲取。