技术突破 - 中国科学院空天信息创新研究院研究团队提出一种融合机器学习与插值方法的新型技术框架，有效解决全球卫星土壤水分产品中大范围数据缺失问题 [1] - 该技术采用"优势互补"思路，运用"堆叠"异质集成技术，先分别利用插值和机器学习生成初步填补结果，再通过智能算法优化整合，形成同时兼顾整体准确性和局部细节的最终数据 [2] - 实验表明新技术在不同尺度数据缺失情况下均表现优异，既保留机器学习对大范围缺失的预测能力，又融合插值方法对局部特征的捕捉能力，有效避免"过于平均"或"细节失真"问题 [2] 行业应用价值 - 土壤水分作为反映地球生态健康状况的核心指标，对农业灌溉、干旱预警、气候变化分析等具有重要价值 [1] - 当前全球土壤水分数据主要依赖卫星遥感获取，但受卫星轨道、地表复杂地形、人为信号干扰等因素影响，原始数据常出现大量缺失，限制其在实际科研与应用中的使用效果 [1] - 该技术具备较强通用性，未来可拓展至地表温度、植被参数、大气成分等多种遥感数据产品的修复，为农业管理、生态保护、灾害监测及气候变化研究等领域提供更高质量数据支持 [2]