近日，中国科学院空天信息创新研究院（空天院）研究员曾江源团队创新性提出地表异质性感知降尺度算法（HADA），首次将地表异质性特征全程融入土壤水分卫星产品降尺度流程，有效解决传统方法忽略地表复杂差异导致的精度不足问题，生成了全球0.05°高精度土壤水分数据产品，显著提升全球高空间分辨率土壤水分监测精度。
土壤水分是调控地表水热交换、支撑农业估产、水资源管理与旱涝灾害监测的核心参数。被动微波遥感是实现全球土壤水分大尺度监测的主流技术，但受观测原理限制，现有卫星土壤水分产品空间分辨率仅约数十公里，难以满足区域尺度的精细应用需求。空间降尺度是提升土壤水分数据分辨率的主要手段。
然而，地表本身具有明显的异质性包括地表类型、土壤质地、地形和植被覆盖等的空间差异，这些因素会直接影响水分的渗透、蒸发和储存过程，导致土壤水分在不同空间尺度上呈现显著差异。遗憾的是，传统降尺度算法未能充分考虑这一关键影响，导致异质性强的区域出现土壤水分空间分布失真、估算误差偏大等问题。
针对这一长期存在的技术瓶颈，团队历经多年攻关，研发出HADA降尺度算法，实现两大核心创新突破：
一是，首次系统性量化地表异质性并纳入降尺度模型。利用数学方法将地表类型、土壤质地、地形、植被覆盖四类异质性信息进行数字化表征，之后与机器学习方法深度融合，精准刻画不同地表条件下土壤水分的复杂非线性关系；二是，提出基于异质性权重的残差校正策略。依据地表异质性重要性排序对降尺度误差进行逐像素加权修正，降低尺度转换带来的不确定性，提升结果物理合理性。
研究团队基于SMAP卫星亮温数据与自主研发的新型微波土壤水分指数，生成了初始土壤水分产品，并采用HADA算法将其空间分辨率从原始0.25°成功提升至0.05°。
为验证算法性能，团队利用覆盖全球的1260个地面实测站点数据进行了系统评估。结果显示，与传统的DisPATCH算法、SMAP主被动降尺度产品、ERA5-Land及SiTHv2等国际土壤水分数据集相比，HADA算法在绝对精度和土壤水分动态变化捕捉能力方面表现更优；相较于原始产品，其空间细节更丰富，数据缺失更少。生成的全球土壤水分空间分布与全球干旱指数高度吻合，能够真实反映不同地表类型下的土壤干湿特征。
该成果不仅为被动微波土壤水分数据提供了高效可行的全球降尺度方案，还为解决其他卫星遥感产品降尺度中的异质性干扰提供了全新思路。所生成的高分辨率土壤水分数据，可服务于精准农业灌溉、干旱滑坡监测、气候变化模拟等关键应用，为地球系统科学研究提供高质量数据支撑。
上述研究成果以“HADA: A heterogeneity-aware downscaling algorithm for global high-resolution passive microwave soil moisture mapping”为题，发表在遥感领域国际权威期刊《IEEE地球科学与遥感汇刊》，该成果由国内外多家科研机构共同完成，空天院为第一完成单位，空天院研究员曾江源为第一兼通讯作者。研究工作得到了国家自然科学优秀青年科学基金、中国科学院青年创新促进会优秀会员项目及空天院自主部署项目等多方资助。
论文链接：https://ieeexplore.ieee.org/abstract/document/11419169
动态新闻