中国科学院空天信息研究院的研究人员与国际同行合作，在绘制全球地表土壤水分图方面取得了进展。他们结合了两种先进卫星系统(土壤水分主动被动(SMAP)和先进散射仪(ASCAT))的数据，提供了更精确、更可靠的土壤水分数据。

土壤水分在许多应用中起着关键作用，包括干旱监测、洪水预警和农作物产量估算。准确监测土壤水分对于了解和管理农业动态和水资源监测至关重要。

传统上，研究人员要么使用被动微波测量法(捕获地球表面的自然辐射)，要么使用主动微波测量法(涉及从表面反射信号并测量反向散射)。每种方法都有其优点和缺点。

在这项研究中，研究人员开发了一种绘制土壤湿度图的新方法。他们整合了SMAP的被动测量和ASCAT的主动测量，以及与土壤湿度高度相关的各种辅助数据。此外，研究人员还测试了四种机器学习模型——随机森林(RF)、长短期记忆、支持向量机和级联神经网络——以确定最佳方法。事实证明，RF模型是最有效的。

新方法已通过全球不同土壤水分网络的现场测​​量进行测试。结果表明，集成数据的无偏均方根误差为0.042m3/m3，时间相关性为0.756。

与单独使用SMAP或ASCAT数据相比，该方法减少了误差并提供了更可靠的数据。此外，它还大大提高了土壤水分反演的时间分辨率，这对于实时监测以及水文和生态学应用至关重要。

这项研究为生成全球范围内的高精度土壤湿度数据产品提供了一种有希望的解决方案，代表了环境监测领域的一大进步。