科技日報訊 （記者陸成寬）記者從中國科學院空天信息創新研究院獲悉，該院研究員曾江源團隊提出了一種融合機器學習與插值方法的新型技術框架，有效解決了全球衛星土壤水分遙感數據產品中常見的大范圍數據缺失問題，顯著提高了數據的完整性和實用性。相關研究論文日前發表於《環境遙感》。

作為反映地球生態健康狀況的核心指標，土壤水分對農業灌溉、干旱預警、氣候變化分析等具有重要價值。目前，全球土壤水分數據主要依賴衛星遙感獲取，然而受衛星軌道、地表復雜地形、人為信號干擾等多種因素影響，原始數據常出現大量缺失，限制了其在實際科研與應用中的使用效果。

“當前填補缺失數據主要有兩類方法：一類是傳統插值法，依賴已知數據推測缺失區域，適用於小范圍缺失，但在大片空白區容易失效﹔另一類是基於大數據分析的機器學習方法，能夠通過分析全球數據，尋找土壤水分與降雨、植被等因素間的聯系來進行預測，但結果容易趨向‘平均’，難以准確反映特別干旱或濕潤地區的真實情況。”曾江源介紹。

針對上述問題，研究團隊創新採用“優勢互補”思路，將兩類方法深度融合。他們運用堆疊異質集成技術，先分別利用插值和機器學習方法生成初步填補結果，再通過智能算法優化整合，形成同時兼顧整體准確性和局部細節的最終數據。實驗表明，這一新技術在不同尺度數據缺失情況下均表現優異：既保留了機器學習對大范圍缺失的預測能力，又融合了插值方法對局部特征的捕捉能力，有效避免了以往方法中常見的“過於平均”或“細節失真”問題。

曾江源認為，這項技術具備較強通用性，未來可拓展至地表溫度、植被參數、大氣成分等多種遙感數據產品的修復，為農業管理、生態保護、災害監測及氣候變化研究等領域提供更高質量的數據支持。

分享讓更多人看到