土壤水分是关键地表参量之一，但被动微波土壤水分产品的空间分辨率较低，限制了其对地表变化的精确监测。现有的土壤水分降尺度方法通常仅利用土壤水分时空信息或辅助参量数据，未能充分挖掘二者之间的互补信息。有鉴于此，本文提出了一种基于广义时空谱一体化融合的降尺度方法，充分利用多源辅助参量数据和多时相土壤水分数据之间的互补特性。具体而言，通过将地理对象的谱特征广义地定义为其在特定时空位置和尺度上各种属性特征的集合，本文将与土壤水分相关的辅助参量数据视为土壤水分的广义谱特征，提出了广义时空谱一体化融合框架，有效融合土壤水分产品的时空特征与辅助参量数据的广义谱特征，生成高质量的高分辨率土壤水分数据。此外，鉴于多源地学数据间的高度异质性，本文构建基于时空约束的循环生成对抗网络（STC-CycleGAN），包含前向一体化融合阶段和后向时空约束阶段，前后向间形成时空循环一致性约束。在SMAP土壤水分产品上进行的大量实验结果表明，所提出的方法能够有效挖掘多源数据的互补信息，实现从36 km到9 km的全球逐日土壤水分高精度降尺度。

图1. 广义时空谱集成融合方法

图2. 土壤湿度降尺度结果与参考值的偏差

查看详细>> Jiang M, Shen H, Li J, et al., “Generalized spatio-temporal-spectral integrated fusion for soil moisture downscaling,” in ISPRS Journal of Photogrammetry and Remote Sensing, 2024, 218: 70-86.