記者10日從中國科學院空天信息創(chuàng)新研究院(以下簡稱空天院)獲悉,該院曾江源研究員團隊提出了一種融合機器學習與插值方法的新型技術框架,有效解決了全球衛(wèi)星土壤水分產(chǎn)品中常見的大范圍數(shù)據(jù)缺失問題,顯著提高了數(shù)據(jù)的完整性和實用性。相關研究成果發(fā)表于《環(huán)境遙感》雜志。
作為反映地球生態(tài)健康狀況的核心指標,土壤水分對農(nóng)業(yè)灌溉、干旱預警、氣候變化分析等具有重要價值。目前,全球土壤水分數(shù)據(jù)主要依賴衛(wèi)星遙感獲取,然而受衛(wèi)星軌道、地表復雜地形、人為信號干擾等多種因素影響,原始數(shù)據(jù)常出現(xiàn)大量缺失,限制了其在實際科研與應用中的使用效果。
“當前填補缺失數(shù)據(jù)主要有兩類方法:一類是傳統(tǒng)插值法,依賴已知數(shù)據(jù)推測缺失區(qū)域,適用于小范圍缺失,但在大片空白區(qū)容易失效;另一類是基于大數(shù)據(jù)分析的機器學習方法,能夠通過分析全球數(shù)據(jù),尋找土壤水分與降雨、植被等因素間的聯(lián)系來進行預測,但結果容易趨向‘平均’,難以準確反映特別干旱或濕潤地區(qū)的真實情況?!痹唇榻B。
針對上述問題,研究團隊創(chuàng)新采用“優(yōu)勢互補”的思路,將兩類方法深度融合。他們運用“堆疊”異質集成技術,先分別利用插值和機器學習生成初步填補結果,再通過智能算法優(yōu)化整合,形成同時兼顧整體準確性和局部細節(jié)的最終數(shù)據(jù)。實驗表明,這一新技術在不同尺度數(shù)據(jù)缺失情況下均表現(xiàn)優(yōu)異:既保留了機器學習對大范圍缺失的預測能力,又融合了插值方法對局部特征的捕捉能力,有效避免了以往方法中常見的“過于平均”或“細節(jié)失真”問題。
曾江源表示,這項技術具備較強的通用性,未來可拓展至地表溫度、植被參數(shù)、大氣成分等多種遙感數(shù)據(jù)產(chǎn)品的修復,為農(nóng)業(yè)管理、生態(tài)保護、災害監(jiān)測及氣候變化研究等領域提供更高質量的數(shù)據(jù)支持。
(空天院供圖)
友情鏈接: 政府 高新園區(qū)合作媒體
Copyright 1999-2025 中國高新網(wǎng)chinahightech.com All Rights Reserved.京ICP備14033264號-5
電信與信息服務業(yè)務經(jīng)營許可證060344號主辦單位:《中國高新技術產(chǎn)業(yè)導報》社有限責任公司