2024年2月 博士生钱嘉鑫在农林领域权威期刊Computers and Electronics in Agriculture发表土壤湿度反演研究成果

近日，课题组在土壤湿度反演领域取得重要进展。研究成果以《Evaluation and improvement of temporal robustness and transfer performance of surface soil moisture estimated by machine learning regression algorithms》（基于机器学习回归算法的表层土壤湿度反演时序稳健性与迁移性能评估与改善）为题，发表于农林科学领域一区TOP期刊Computers and Electronics in Agriculture（影响因子8.9），2021级博士研究生钱嘉鑫为第一作者，孙维东副研究员为通讯作者。

地表土壤水分（SSM）的时空分布监测对于理解地球水循环过程至关重要。机器学习回归（MLR）算法在时序鲁棒性和跨时空土壤湿度迁移方面仍然面临着挑战。该研究采用动态变量（后向散射、多光谱和亮度温度）和稳态变量（土壤质地和土壤粗糙度）作为输入特征，对六种广泛用于SSM估计的MLR算法开展了时序鲁棒性和迁移性能的全面评估和敏感性分析。此外，为了解决MLR模型SSM反演迁移性能较差的问题，提出了目标域样本约束、散射模型约束、聚类模型约束三种策略以提升时相间SSM迁移精度，缓解由于SSM和雷达入射角在各时相分布不一致而导致的高估或低估问题。

该研究得到国家自然科学基金（编号42071295、61971318、U2033216、U22A2010）、湖北省自然科学基金（编号2022CFB193）的资助。 论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0168169923009067