人民網(wǎng)北京10月11日電 （記者趙竹青）記者從中國科學院空天信息創(chuàng)新研究院獲悉，近日，該院研究員曾江源團隊在衛(wèi)星土壤水分產(chǎn)品缺失值填補方面取得重要進展。研究團隊創(chuàng)新性地提出一種協(xié)同機器學習和插值方法的新框架，有效改善了全球衛(wèi)星土壤水分產(chǎn)品中普遍存在的大范圍數(shù)據(jù)缺失狀況，顯著提升了數(shù)據(jù)的完整性和可用性。該研究成果為精準農(nóng)業(yè)、水資源管理、干旱監(jiān)測和氣候變化研究等提供了更可靠的數(shù)據(jù)支撐，已于近期發(fā)表于遙感領(lǐng)域國際學術(shù)期刊《環(huán)境遙感》（Remote Sensing of Environment）。

土壤水分是衡量地球生態(tài)系統(tǒng)健康與否的關(guān)鍵指標，對氣候預測、農(nóng)作物生長、洪旱災害預警等研究具有重要意義。目前，衛(wèi)星遙感是獲取全球范圍土壤水分信息最有效的手段，但受衛(wèi)星軌道設(shè)計和傳感器性能限制、地表復雜地形、人為射頻干擾等多種因素影響，衛(wèi)星獲取的土壤水分產(chǎn)品常存在大范圍數(shù)據(jù)缺失，嚴重制約了其在實際科研與應用中的使用效能。

曾江源介紹，目前填補這些缺失數(shù)據(jù)主要有兩類方法。一類是以空間關(guān)聯(lián)性為基礎(chǔ)的傳統(tǒng)的插值方法，即根據(jù)已知數(shù)據(jù)填補未知數(shù)據(jù)。該方法在數(shù)據(jù)缺失程度不高的情況下效果很好，但面對連續(xù)大片的空白區(qū)域時容易“填不準”，甚至出現(xiàn)“填不上”的情況。另一類是熱門的機器學習方法，它偏于數(shù)據(jù)驅(qū)動，即通過分析全球海量數(shù)據(jù)找出土壤水分與其他環(huán)境因素（如降水、植被等）的復雜關(guān)系，從而進行大范圍預測填補，但結(jié)果容易趨于“平均”，削弱了極端干濕區(qū)域的細節(jié)特征。

針對上述難題，研究團隊創(chuàng)新性地采用“優(yōu)勢互補”的策略，將上述兩類主流填補方法進行深度融合，采用“Stacking（堆疊）”異質(zhì)集成技術(shù)，首先通過兩種方法獨立生成初級填補結(jié)果，再通過元模型智能優(yōu)化權(quán)重，最終形成兼具全局合理性與局部精細度的填補數(shù)據(jù)。

研究團隊利用全球衛(wèi)星土壤水分產(chǎn)品進行了大量實驗驗證。實驗表明，新方法在應對不同尺度的數(shù)據(jù)缺失時均表現(xiàn)出優(yōu)越性：既保留了機器學習方法對大范圍缺失區(qū)的整體預測能力，又融合了插值法對局部區(qū)域細節(jié)特征的敏感度，有效避免了傳統(tǒng)方法中常見的“平均化”誤差或“細節(jié)失真”現(xiàn)象。在全球尺度的驗證中，其填補精度顯著優(yōu)于單一方法。

曾江源表示，該技術(shù)框架具備較強的通用性，可拓展至地表溫度、植被參數(shù)、大氣參數(shù)等多種遙感產(chǎn)品的缺失值修復，通過提升各類衛(wèi)星觀測數(shù)據(jù)質(zhì)量，為地球系統(tǒng)科學研究、農(nóng)業(yè)生產(chǎn)與糧食安全、生態(tài)保護與可持續(xù)發(fā)展、自然災害監(jiān)測預警等應用提供更可靠的數(shù)據(jù)支撐。