地表土壤水分是水文循环、生态系统演变和气候变化研究的核心变量，其精确监测对于气象预报、生态评估及自然灾害预警具有重要意义。然而，由于山区地形复杂、空间破碎化严重，现有遥感产品的空间分辨率不足，难以准确刻画山地土壤水分的空间分布格局，从而限制了其在山地生态水文研究中的应用。针对这一挑战，成都山地所赵伟研究员团队提出了一种基于多源遥感数据融合的高分辨率土壤水分估算方法，并成功用于生产典型山地高空间分辨率时序地表土壤水分数据，为山区水文、生态和气候等研究提供了重要技术支撑。
该研究基于地表温度—植被指数三角特征空间理论，从物理机制上构建了地表土壤水分与地表温度、植被指数之间的定量关系，并引入局部自适应建模策略以优化估算精度。传统经验性模型受地形效应影响较大，难以适应山区复杂地形，而本研究通过地形归一化校正，对地表温度进行地形效应调整，使不同海拔区域的温度数据在同一参考基准上进行对比，从而有效降低地形对土壤水分估算的干扰。基于此，通过在25km尺度建立的模型外推至1km分辨率，生成高时空分辨率的土壤水分数据，实现山区地表土壤水分的高精度遥感监测。最后利用SNOTEL观测数据和SMAP-Hydroblock土壤水分产品进行验证。结果表明，该方法能够准确刻画山区土壤水分的空间分布特征，并且在不同季节和气候条件下均保持较高的估算精度。进一步对比分析表明，与传统遥感土壤水分产品相比，该方法在山区的估算误差明显降低，与模式同化数据SMAP-HB SSM具有较强的相关性，显示出在山区环境中的广泛适用性。
该研究不仅为山地土壤水分监测提供了一种创新性的遥感估算方法，也为生态水文研究、气候变化分析及山区灾害预警提供了重要的数据支撑。新方法有效提升了山地土壤水分遥感产品的空间精度，为全球山地生态监测提供了可借鉴的技术方案。
相关研究成果以“Generation of High-Resolution Surface Soil Moisture over Mountain Areas by Spatially Downscaling Remote Sensing Products Based on Land Surface Temperature–Vegetation Index Feature Space”为题，发表在1区TOP期刊Journal of Remote Sensing上。上述工作得到了国家自然科学基金优秀青年基金（42222109）、国家重点研发计划（2020YFA0608702）以及成都山地所自主部署科研项目（IMHE-CXTD-02）等的支持。
降尺度土壤水分结果与其他产品数据对比