一种基于辐射传输模型和机器学习的可解释土壤水分反演方法

一种基于辐射传输模型和机器学习的可解释土壤水分反演方法，包括：通过辐射传输理论模拟不同土地覆盖条件下的土壤水分与微波亮温关系，生成多环境参数的仿真数据集；基于微波辐射传输机理设计具有物理意义的特征变量；采用可解释神经网络架构进行模型训练，通过稀疏化与结构优化建立非线性映射关系；将训练模型转化为显式数学表达式，直接表征土壤水分与观测信号的物理关联；利用该公式反演全球土壤水分并进行多源验证。本发明创新地结合物理模型与可解释机器学习，解决了传统方法计算复杂度高、缺乏物理解释性的问题，在保证物理一致性的同时显著提升了计算效率(较传统方法快20,000倍)，反演精度高，适用于全球尺度近实时土壤水分监测。