记者从中国科学院空天信息创新研究院获悉，该院研究员曾江源团队提出了一种融合机器学习与插 值方法的新型技术框架，有效解决了全球卫星土壤水分遥感数据产品中常见的大范围数据缺失问题，显 著提高了数据的完整性和实用性。相关研究论文日前发表于《环境遥感》。 作为反映地球生态健康状况的核心指标，土壤水分对农业灌溉、干旱预警、气候变化分析等具有重 要价值。目前，全球土壤水分数据主要依赖卫星遥感获取，然而受卫星轨道、地表复杂地形、人为信号 干扰等多种因素影响，原始数据常出现大量缺失，限制了其在实际科研与应用中的使用效果。 "当前填补缺失数据主要有两类方法：一类是传统插值法，依赖已知数据推测缺失区域，适用于小 范围缺失，但在大片空白区容易失效；另一类是基于大数据分析的机器学习方法，能够通过分析全球数 据，寻找土壤水分与降雨、植被等因素间的联系来进行预测，但结果容易趋向'平均'，难以准确反映特 别干旱或湿润地区的真实情况。"曾江源介绍。 针对上述问题，研究团队创新采用"优势互补"思路，将两类方法深度融合。他们运用堆叠异质集成 技术，先分别利用插值和机器学习方法生成初步填补结果，再通过智能算法优化整合，形成同时兼顾整 体准确性和局 ...