近日，安徽師范大學汪左副教授聯合中國科學院空天信息創新研究院、河海大學、中國科學院青藏高原研究所等多家單位，構建了物理散射模型引導的土壤水分深度遷移學習反演框架，破解植被覆蓋地表高空間分辨率土壤水分反演關鍵難題。相關成果刊發於遙感領域頂級期刊《環境遙感》。

土壤水分是維系陸地水循環、農業生產與生態穩定的核心要素。合成孔徑雷達可實現全天時、全天候、高分辨率地表觀測，是大范圍土壤水分監測的重要手段。利用模型從遙感圖像中推測出地表參數的過程被稱為反演。但如何融合散射模型物理知識與深度學習非線性建模能力，擺脫實地觀測參數限制，實現物理約束的高精度土壤水分遙感反演，成為學界亟待破解的關鍵難題。

針對這一難題，研究團隊提出了一種物理散射模型引導的土壤水分深度遷移學習框架，創新設計整體、獨立、交叉三類特征遷移方案，搭配編碼器、DNN多層網絡凍結/解凍共四種微調策略，組合形成12套優化方案，搭建有效知識遷移通道，將學習自裸土散射模型的物理先驗知識遷移至植被覆蓋地表的衛星觀測數據，並彌合理想模擬數據與真實地表衛星觀測數據之間的偏差。這套新框架無需實地測量地表粗糙度、植被參數，就能實現植被覆蓋地表高精度土壤水分反演。

業內評價認為，該研究為解決土壤水分遙感反演領域傳統物理模型應用受限和深度學習算法物理約束不足的問題提供了新的技術路徑，可為農業水分管理、干旱監測、水文過程模擬和生態環境評估提供重要技術支撐。（記者 陳婉婉）