人民网北京10月11日电(记者赵竹青)记者近日从中国科学院航天创新研究院获悉，该院研究员曾江源团队在缺失值卫星地面方面取得重要进展。研究团队创新了学习和插值方法合作的新框架，有效改善了全球卫星水分产品大规模数据普遍缺乏的问题，显着提高了数据完整性和可用性。研究成果为农业农业、水资源管理、干旱监测和气候变化研究提供更可靠的数据支撑。近期已在遥感领域国际期刊《Remote Sensing of Environment》上发表。 土地湿度是衡量地球生态系统健康状况的关键指标，对气候变化具有重要意义。预言、产量增长、水旱预警等研究。目前，卫星遥感是获取全球土壤湿度信息最有效的手段。然而，受卫星轨道设计和传感器性能限制、地表复杂、射频频率等多种因素影响，卫星获取的土壤湿度产品往往存在大尺寸缺失数据，严重阻碍了其在实际研究和应用中的有效性。 曾江源介绍了目前用两种方法来填补这些缺失数据的基本方法。一类是传统的基于空间相关性的插值方法，即根据已知数据填充未知数据。这种方法在缺失数据程度不高的情况下还算有效，但当面对大片连续空白区域时，就很容易“填不准”甚至“不填”。其他类型是流行的机器研究方法，它更多地由数据驱动，就是通过检查全球海量数据来确定土壤湿度与其他环境因素（如降雨、植物等）之间的复杂关系，从而做出大预测并填充预测。然而，结果往往是“平均”，这削弱了强烈的干湿luGar的详细属性。 针对上述问题，现代研究团队采用了“辅助优势”的方式，对上述两类基本填充方法进行深度融合，采用了“小狗”异构集成技术。首先，两种方法独立开发了填充的主要结果，然后通过元模型明智地优化权重，最终形成具有相同的全局合理性和局部细化的数据填充。 研究团队在全球卫星地面上利用水分产品进行了大量的实验验证。实验表明，新程序显示出更高的效率n 处理不同尺度的数据缺失：这既保持了整体能够预测大面积缺失区域的机器学习方法，又融入了插值方法对局部区域细节特征的敏感性，有效避免了传统方法中常见的“平均”误差或“畸变畸变”现象。在全球范围的验证中，其填充的准确性明显优于单一程序。 曾江源表示，这一技术框架具有很强的灵活性，可以扩展调整丢失值到地表温度、植物参数、大气参数等各种传感产品。通过提高各种卫星观测数据的质量，可以为土地系统、农业和粮食安全、生态保护等方面提供科学研究。为可持续发展、灾害自然监测等应用提供更可靠的数据支持早期预警。 （编者：赵竹清、卢茜） 关注公众号：人民网财经 分享这么多人都能看到