基于随机森林回归的SMAP被动表土壤水分产品空间降尺度

基于随机森林回归的SMAP被动表土壤水分产品空间降尺度(中文12000字,英文PDF)
摘要:被动微波表面土壤水分（SSM）产品的低分辨率特性极大地限制了它们在区域或地方范围内的许多领域的应用。为了克服这一局限，本研究提出了一种基于随机森林（RF）的降尺度方法，将土壤湿度主动和被动（SMAP）SSM产品与协同使用的光学/热红外（TIR）观察结果进行分解。 Terra和Aqua卫星上的中分辨率成像光谱辐射计（MODIS）。在2015年至2016年期间，伊比利亚半岛被选为研究区。
首先，将基于RF的方法在建立具有表面变量（表面温度，植被指数，叶面积指数，反照率，水指数，太阳因子和海拔）的SSM关系模型中的性能与广泛使用的结果进行比较。基于多项式的关系模型。基于RF的方法获得了良好的一致性，相关系数（R）高于0.95，平均均方根偏差（RMSD）为0.009 m 3 / m 3。
接下来，根据SMAP和MODIS观测的不同跨越时间生成四种数据组合（AM + Terra，AM + Aqua，PM + Terra和PM + Aqua），并将它们分别用于推导空间缩小的SSM。提出的基于RF的降尺度方法。使用来自西班牙萨拉曼卡大学的REMEDHUS网络的原位测量进行验证。结果表明，所有组合均具有相似的良好性能，无偏均均方差（ubRMSD）为0.022 m 3 / m 3，1 km空间分辨率下的缩减SSM表现出更高的准确度，同时显示出更高的空间异质性和更多详细的时间模式。
最后，按比例缩小的SSM的时间变化模式与从研究八个区气象观测站降水的时间序列进行评估，并在SSM变化的降雨效果以及其随时间的变化进行跟踪。
总体而言，这项研究表明，所提出的基于RF-降尺度方法能够捕捉SSM的变化很好，应该是有助于提高被动微波土壤水分数据的分辨率，并在小尺度利于他们的应用程序。

关键词：降尺度、SMAP、MODIS、表面土壤水分、随机森林、验证