技術(shù)特征：

1.一種土壤含水量產(chǎn)品降尺度方法，其特征在于，所述方法包括以下步驟：

A.獲取待研究區(qū)的被動(dòng)微波土壤含水量產(chǎn)品和同一時(shí)間的光學(xué)遙感影像數(shù)據(jù)；

B.基于多端元混合像元分解方法對(duì)所述光學(xué)遙感影像數(shù)據(jù)進(jìn)行土壤光譜的提取；

C.利用GA-PLS建立所述土壤光譜反射特征與從所述被動(dòng)微波土壤含水量產(chǎn)品中獲取的土壤含水量之間的定量關(guān)系模型；

+.基于步驟C建立的所述定量關(guān)系模型，利用泰勒級(jí)數(shù)展開形式構(gòu)建土壤含水量降尺度模型，獲得高空間分辨率的土壤含水量數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述步驟A中被動(dòng)微波土壤含水量產(chǎn)品采用SMAP土壤含水量數(shù)據(jù)；所述光學(xué)遙感影像數(shù)據(jù)采用MODIS影像數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述步驟B中提取所述土壤光譜的方法為：將高空間分辨率的MODIS圖像重采樣到與SMAP數(shù)據(jù)同樣的低空間分辨率，分別對(duì)該高空間分辨率的MODIS影像和重采樣后低空間分辨率的MODIS應(yīng)用MESMA方法進(jìn)行土壤光譜的提取。

4.根據(jù)權(quán)利要求3所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述MESMA方法包括光譜庫創(chuàng)建、最優(yōu)光譜庫選取和多端元混合像元分析步驟，

所述光譜庫創(chuàng)建包括基于ROI創(chuàng)建光譜庫、光譜庫元數(shù)據(jù)制作和光譜庫管理；

所述最優(yōu)光譜庫的選取包括創(chuàng)建方形陣列和光譜庫優(yōu)選；

所述多端元混合像元分析采用植被-不透水面-土壤模型，將優(yōu)選的植被、不透水面、土壤光譜集組合構(gòu)成2EM、3EM、4EM混合像元分析模型，基于所述最優(yōu)光譜庫的優(yōu)選結(jié)果對(duì)MESMA結(jié)果進(jìn)行陰影歸一化處理，得到各端元豐度值和表示結(jié)果精度的均方根誤差，再利用所述各端元豐度值和下列公式得到研究區(qū)土壤端元光譜，

$R_s\left(\mathrm{\λ}\right)=R\left(\mathrm{\λ}\right)-{\mathrm{\ϵ}}_{\mathrm{\λ}}-\underset{i=1}{\overset{N-1}{\Σ}}R(i,\mathrm{\λ})f_i$

其中，R_s(λ)為土壤光譜在波段λ的反射率，R(λ)為像元在波段λ上的反射率，R(i，λ)為第i個(gè)端元在波段λ上的反射率，f_i為第i個(gè)端元豐度值，N為端元個(gè)數(shù)，ε_λ是殘差，所有端元組分的豐度值之和定義為1。

5.根據(jù)權(quán)利要求1所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述步驟C建立所述土壤光譜反射特征與所述土壤含水量定量關(guān)系模型是基于所述土壤光譜計(jì)算得到的每個(gè)像元的土壤光譜中各波段的反射率、波段比值、曲率與所述土壤含水量的定量關(guān)系。

6.根據(jù)權(quán)利要求5所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述步驟D中泰勒級(jí)數(shù)展開形式的表達(dá)式為：

$\begin{array}{c}{\mathrm{\θ}}_n={\mathrm{\θ}}_{n-1}+\underset{i=1}{\overset{M}{\Σ}}{f}^{\′}\left(R_{n-1}{\left({\mathrm{\λ}}_i\right)}_s\right)(R_n{\left({\mathrm{\λ}}_i\right)}_s-R_{n-1}{\left({\mathrm{\λ}}_i\right)}_s)+\underset{j=1}{\overset{N}{\Σ}}{f}^{\′}\left({\mathrm{Ratio}}_{n-1}{\left(j\right)}_s\right)({\mathrm{Ratio}}_n{\left(j\right)}_s-{\mathrm{Ratio}}_{n-1}{\left(j\right)}_s)\\ +\underset{k=1}{\overset{L}{\Σ}}{f}^{\′}\left({\mathrm{Curv}}_{n-1}{\left(k\right)}_s\right)({\mathrm{Curv}}_n{\left(k\right)}_s-{\mathrm{Curv}}_{n-1}{\left(k\right)}_s)\end{array}$

n＝1，2，…

其中，θ_n-1和θ_n分別代表低空間分辨率和高空間分辨率土壤含水量，R_n-1(λ_i)_s和R_n(λ_i)_s分別表示低空間分辨率和高空間分辨率的土壤光譜在第i波段的反射率，Ratio_n-1(j)_s)和Ratio_n(j)_s分別表示低空間分辨率和高空間分辨率的土壤光譜波段比值，Curv_n-1(k)_s和Curv_n(k)_s分別表示高空間分辨率和低空間分辨率的土壤光譜曲率，M、N和L分別代表反射率i、波段比值j和曲率k的變量總數(shù)。

7.根據(jù)權(quán)利要求6所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述步驟D中降尺度模型的建立方法采用逐步遞減方式進(jìn)行降尺度運(yùn)算，逐步達(dá)到高空間分辨率的要求。

8.根據(jù)權(quán)利要求7所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述步驟D中高空間分辨率的土壤含水量數(shù)據(jù)是指500m空間分辨率的土壤含水量數(shù)據(jù)。

9.根據(jù)權(quán)利要求1所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述步驟A中還同時(shí)獲取所述待研究區(qū)的土壤輔助數(shù)據(jù)，所述土壤輔助數(shù)據(jù)包括：土地利用或土地覆蓋分類數(shù)據(jù)，以及DEM數(shù)據(jù)。

10.根據(jù)權(quán)利要求9所述的土壤含水量產(chǎn)品降尺度方法，其特征在于，所述步驟C建立的GA-PLS模型還可以增加每個(gè)像元的DEM數(shù)據(jù)或坡度數(shù)據(jù)作為GA-PLS模型的輸入?yún)?shù)。