基于Transformer的多源遥感与地下水数据融合的土壤水分1公里降尺度研究
《Remote Sensing》:Downscaling of SMAP Soil Moisture Based on the Transformer Algorithm in Anhui Province
【字体:
大
中
小
】
时间:2026年09月23日
来源:Remote Sensing 4.3
摘要
土壤水分(SM)对气候、水资源和农业至关重要,但土壤水分主动被动(SMAP)被动微波产品的分辨率较低,限制了区域应用。本研究开发了一种基于 Transformer 及其变体(PatchTST 和 iTransformer)的 SM 降尺度框架,整合多源卫星和地下水数据,生成了 1 公里分辨率的日尺度 SM 产品(2015–2022 年)。与随机森林(RF)、长短期记忆网络(LSTM)和卷积神经网络–长短期记忆网络(CNN-LSTM)相比,Transformer 及其变体具有更高的精度和泛化能力。通过与实测数据和 SMCI1.0 进行验证,Transformer 降尺度的 SM 产品精度最佳,ubRMSE = 0.0372 m3/m3,RMSE = 0.0591 m3/m3。降尺度后的 SM 数据集不仅捕捉到了更精细的空间细节,还保留了原始 SMAP 产品的空间格局和季节动态,并对降水事件表现出良好的响应能力。特征重要性分析表明,除降水外,地表温度日较差对 SM 的影响大于单独的白天或夜晚地表温度,仅次于植被指数和土壤质地因子,而地下水位的相对重要性高于海拔和地表温度。本研究证实了基于 Transformer 的模型在 SM 空间降尺度中的有效性,为生成精确的 1 公里 SM 产品提供了一种融合遥感与深层水文信息的新框架。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号