盲源分解技术助力土壤水分遥感估算研究获新进展
发表日期:2025-07-07来源：遥感与地理信息科学研究室
放大缩小
微波遥感可以用来测量地球表面的土壤水分，但传感器接收到的微波信号是土壤水分、土壤温度、地表粗糙度、植被覆盖和大气条件等多个信号的非线性混合。如何从这一复杂、非线性的混合信号中精准地提取土壤水分信息，是遥感反演长期关注的难点，尤其当缺乏大量先验信息（如地表粗糙度和植被等）时，传统方法往往面临“病态反演问题”。
近日，中国科学院西北生态环境资源研究院联合青藏高原研究所、山西师范大学及北京师范大学相关研究团队，将盲源分解（BSS）技术引入土壤水分遥感估算研究，对遥感信号中的各种混杂信息进行“拆解”。研究团队基于对时间序列微波亮温信号结构特征的深入理解，结合单通道与多通道BSS技术，构建了“自适应噪声的完备集合经验模态分解（CEEMDAN）—多维矩阵重构—非负矩阵分解（NMF）”的土壤水分估算创新路径。通过CEEMDAN单通道分解将时间序列微波亮温分解为多尺度本征模态函数（IMFs），显著提升数据维度和时间特征表达能力；采用NMF开展多通道分解与特征提取，识别与土壤水分变化高度相关的独立源信号；进而构建源信号与实测土壤水分之间的映射关系，实现土壤水分高精度估算。
青藏高原典型观测网络实验表明该方法具有良好的区域适用性及稳定性，显著降低了对地表粗糙度、植被等信息的依赖，仅利用亮温时间序列自相关性约束与少量地面观测信息，便可实现对土壤水分的高精度估算。该研究在理论机制与方法路径上均实现了对传统遥感反演范式的突破，为土壤水分遥感估算提供了一种无需构建微波辐射传输模型的新思路，同时也为多源信号混合环境下的其他要素估算提供了创新方案，具有重要的理论意义与应用推广价值。
相关研究成果以Blind Source Separation for Alleviating the “Ill-Posedness” of Estimating Soil Moisture from Nonstationary Time Series of Passive Microwave Brightness Temperatures为题，发表于IEEE Transactions on Geoscience and Remote Sensing期刊。西北研究院赵泽斌博士为论文第一作者，西北研究院晋锐研究员和青藏高原研究所李新研究员为论文共同通讯作者。该研究得到国家重点研发计划、国家自然科学基金、中国科学院特别研究助理资助项目和中国博士后科学基金面上项目的共同资助。
论文链接：https://ieeexplore.ieee.org/document/11015446
盲源分解与土壤水分反演的关系
盲源分解估算土壤水分精度验证
附件
扫一扫在手机浏览
