国产精品伦视频观看免费,成年人网站免费观看,欧美一级在线观看,久久福利资源网站免费看

????地表土壤水分監測對氣象預報、水文研究和氣候變化分析等關(guān)鍵領(lǐng)域至關(guān)重要。然而，由于現有微波傳感器觀(guān)測能力、衛星軌道覆蓋和植被覆蓋等諸多因素影響，當前微波遙感土壤水分產(chǎn)品存在大面積的空值區域，嚴重限制了此類(lèi)產(chǎn)品的應用。為了解決這一問(wèn)題，成都山地所趙偉研究員團隊，提出了一種基于深度學(xué)習模型的分層數據重建方法，成功填補了歐洲空間局氣候變化倡議（ESA Climate Change Initiative ，CCI）土壤水分產(chǎn)品的空間空白。

????該研究提出的分層重建框架，結合了k-means聚類(lèi)算法和自注意力深度學(xué)習填充模型，專(zhuān)門(mén)針對中國區域的應用進(jìn)行了優(yōu)化。通過(guò)將中國劃分為四個(gè)基于氣候差異的子區域，從而為每個(gè)子區域獨立訓練了專(zhuān)門(mén)的深度學(xué)習模型來(lái)填補數據空白，相比于傳統的將所有數據一起輸入到深度學(xué)習模型中的方法，分區方法可以更好地考慮土壤水分的空間異質(zhì)性，確保不同氣候特征的像元被盡可能地隔離，同時(shí)保留盡可能多的數據用于訓練深度學(xué)習模型。基于自注意力機制的深度學(xué)習模型能夠根據降水和植被等輔助信息準確識別土壤水分的動(dòng)態(tài)變化特性從而完成填補。通過(guò)分區訓練模型，有效地保留了土壤水分的異質(zhì)性信息，增強了模型在不同氣候區的適應性和精度。這一方法不僅提高了土壤水分數據的完整性，而且通過(guò)交叉對比和擴展三重搭配分析等多重驗證方法，證明了重建數據的準確性。

????研究結果表明，重建數據在四個(gè)子區域的模擬數據缺失中顯示出高相關(guān)性（相關(guān)系數R > 0.90）和低誤差（均方根誤差RMSE < 0.026 m3/m3）。進(jìn)一步分析表明，重建數據的精度與原始ESA CCI數據相當或更優(yōu)，在與其他四種土壤水分產(chǎn)品做交叉對比時(shí)，重構數據在夏季的相關(guān)性系數（R）準確度上顯著(zhù)提高了約3%。此外，相比于現有的基于深度學(xué)習的土壤水分填補方法，本研究所提出的方案極大程度降低了對地面實(shí)測數據及其他輔助數據的依賴(lài)，增強了模型在不同地理和氣候條件下的普適性和靈活性。

????該研究成果不僅對土壤濕度監測和環(huán)境研究的進(jìn)步做出了有希望的貢獻，也為全球土壤水分數據的重建提供了一種新的技術(shù)途徑，并以“Addressing spatial gaps in ESA CCI soil moisture product: A hierarchical reconstruction approach using deep learning model”為題，發(fā)表在遙感領(lǐng)域1區TOP期刊International Journal of Applied Earth Observation and Geoinformation上。

????論文鏈接：https://doi.org/10.1016/j.jag.2024.104003

深度學(xué)習填補模型流程示意圖

土壤水分產(chǎn)品數據重構對比結果