微波遥感可用来测量地球表面的土壤水分，但传感器接收到的微波信号是土壤水分、土壤温度、地表粗糙度、植被覆盖和大气条件等信号的非线性混合。如何在复杂且非线性的混合信号中精准提取土壤水分信息，是遥感反演的难点，尤其当缺乏大量先验信息时，传统方法往往面临“病态反演问题”。

　　近日，中国科学院西北生态环境资源研究院联合青藏高原研究所、山西师范大学、北京师范大学等，将盲源分解技术引入土壤水分遥感估算研究，对遥感信号中的各种混杂信息进行“拆解”。研究人员基于对时间序列微波亮温信号结构特征的理解，结合单通道与多通道盲源分解技术，构建出“自适应噪声的完备集合经验模态分解（CEEMDAN）-多维矩阵重构-非负矩阵分解”的土壤水分估算新路径。研究通过CEEMDAN单通道分解将时间序列微波亮温分解为多尺度本征模态函数，提升数据维度和时间特征表达能力；采用非负矩阵分解开展多通道分解与特征提取，识别与土壤水分变化高度相关的独立源信号；构建源信号与实测土壤水分之间的映射关系，实现土壤水分高精度估算。

　　青藏高原典型观测网络实验表明，这一方法具有良好的区域适用性和稳定性，降低了对地表粗糙度、植被等信息的依赖，仅利用亮温时间序列自相关性约束与少量地面观测信息，便可实现对土壤水分的高精度估算。

盲源分解与土壤水分反演的关系