阅读文章全文：http://www.tcsae.org/article/doi/10.11975/j.issn.1002-6819.202407009
《农业工程学报》2025年第41卷第5期刊载了中国水利水电科学研究院等单位付平凡、杨晓静、姜波、苏志诚与孙东亚的论文——“融合多源数据的高分辨率土壤水分模拟模型构建及应用”。该研究由国家重点研发计划项目（项目号：2023YFC3206001）等资助。
引文信息：付平凡，杨晓静，姜波，等. 融合多源数据的高分辨率土壤水分模拟模型构建及应用[J]. 农业工程学报，2025，41(5)：96-106.
DOI: 10.11975/j.issn.1002-6819.202407009
实时动态高分辨率土壤水分产品可为区域农业生产安全保障提供重要支撑，目前常用的土壤水分遥感产品存在空间分辨率较低及时间序列不连续等问题。为了生成时空连续的高分辨率土壤水分结果，该研究引入集成学习中的随机森林（random forest, RF）和梯度提升机（grandient boosting machine, GBM）算法，构建了融合多源数据的高分辨率土壤水分模拟（high-resolution soil moisture simulation, HRSMS）模型。2017—2022年SMAP微波土壤水分、植被指数、地表温度等遥感数据和墒情站点实测数据为模型输入和输出，利用Savitzky-Golay滤波方法和多元回归方法填补缺失的植被指数和地表温度数据，基于RF和GBM算法实现SMAP表层（0～5 cm）土壤水分数据分辨率提升（从9 km提高至1 km）。
以吉林省为例验证模型可行性，结果表明：1）HRSMS模型相较于常用的多项式回归拟合法精度显著提升。均方根误差（root mean square error, RMSE）、平均绝对误差（mean absolute error, MAE）较多项式回归拟合法精度降低了22.2%、43.9%，决定系数（R2）提高了0.270，西北部粮食主产区的误差减少了33.2%；2）HRSMS模型中，RF与GBM算法计算效能相近，在吉林省开展相关研究时可结合数据条件任选其一进行模型构建。HRSMS模型有效提升了土壤水分遥感数据产品的分辨率和精度，对进一步提升土壤水分精准监测能力具有重要意义。
