利用自正则化回归模型降尺度微波亮温

本文提出了一种新算法，用于将土壤湿度主动被动（Soil Moisture Active Passive）任务等获得的 10-40 km 尺度的微波亮温（$\mathrm{T_B}$）降尺度至对水文和农业应用有意义的分辨率。该算法称为自正则化回归模型（SRRM），利用与 $\mathrm{T_B}$ 相关的辅助变量以及一组有限的原位土壤湿度（SM）观测数据，并通过生物物理模型将其转换为高分辨率 $\mathrm{T_B}$ 观测数据。该算法包括基于所有辅助变量的信息论聚类步骤以识别相似区域，随后进行核回归步骤以生成降尺度的 $\mathrm{T_B}$。该方法在 NC-Florida 地区一年的多尺度合成数据集上进行了实施。在植被生长季，实现的均方根误差（RMSE）为 5.76 K，标准差为 2.8 K；在无植被期间，RMSE 为 1.2 K，标准差为 0.9 K。