航天学院研究团队深入参与机器的研究和插值，以提高全球卫星地面湿度数据的可用性。 近日，中国科学院空天信息创新研究院研究员曾嘉暖团队在填补卫星地面水分产品缺失值方面取得重要进展。 中国日报网10月10日电（记者 李梦涵）近日，中科院空天信息创新研究院研究员曾江源团队在填补星地卫星地面产品缺失值方面取得重要进展。研究团队创新性地提出了学习和插值方法合作的新框架N，有效改善了全球卫星水分产品大规模数据普遍缺乏的问题，显着提高了数据完整性和可用性亮度。研究成果为农业农业、水资源管理、干旱监测和气候变化研究提供更可靠的数据支撑。近期发表在遥感领域国际期刊《Remote Sensing of Environmental》上。 土地湿度是衡量地球生态系统健康状况的关键指标，对于气候预测、产量增长、洪涝灾害预警等研究具有重要意义。目前，卫星遥感是获取全球土壤湿度信息最有效的手段。然而，受卫星轨道设计和传感器性能限制、地表复杂、无线电制作的射频等各种卡达的影响，卫星获取的土壤湿度产品往往存在大量缺失数据，严重阻碍了其在实际科学研究和应用中的有效性。 曾江源表示，目前有填充这些丢失数据的两种基本方法。一类是传统的基于空间相关性的插值方法，即根据已知数据填充未知数据。这种方法在缺失数据程度不高的情况下还算有效，但当面对大片连续空白区域时，就很容易“填不准”甚至“不填”。另一类是目前流行的机器学习方法，这种方法更引人注目的是数据K，即通过检查全球海量数据来确定土壤湿度与其他环境因素（如降雨、植物等）之间的复杂相关性，从而做出大预测并填充预测。然而，结果往往是“平均”的，这削弱了强烈干燥和潮湿区域的细节属性。 针对上述问题，研究团队创新性地采用了“辅助优势”的方式，将上述两类基本填充方式深度囊括，采用了“堆叠式”的异构集成方式。关于技术。首先，两种方法独立形成填充的主要结果，然后通过元模型明智地优化权重，最终形成数据的填充错误推理和局部细化。 研究团队在全球卫星地面上利用水分产品进行了大量的实验验证。实验表明，新技术在处理各种尺度的数据缺失时表现出更高的效率：这不仅保持了机器学习方法对大面积缺失区域的整体能力，还包括插值方法对局部区域细节特征的敏感性，有效避免了通常的“平均”误差或“细节”传统方法。在全局尺度验证中，其填充精度明显优于单一程序。 该技术框架具有很强的灵活性，可以加持Wak在修复各种遥感产品中的缺失值例如地表温度、植物参数和大气参数。通过提高各类卫星观测数据质量，可以为地球系统科学研究、农业与粮食安全、生态保护与可持续发展、自然灾害监测预警等应用提供更加可靠的数据支撑。 论文第一作者为航天科学技术研究院硕士研究生荣家明，通讯作者曾江源。该研究得到了国家自然科学基金剩余青年科学家基金、中国科学院青年创新促进会剩余项目、航天科学技术研究院自主部署项目的资助。 WS68E8BB23A310C4DEEA5BA88 https://cn.chinadaily.com.cn/a/202510/10/ws68e8bb23a310c4deea5Ba8.html 版权保护：发布的内容版权本网站上的所有内容（包括文字、图片、多媒体信息等）均属于中国日报网（中国日报国际文化传媒（北京）有限公司）独家使用。未经中国日报网事先同意和许可，禁止转载和使用。向中国日报提交评论：[email protected]