Повышение пространственного разрешения спутниковых оценок влажности почвы для территории Республики Крым

Влажность почвы (ВП) входит в список Essential Climate Variables, как ключевой параметр климатической системы, управляющий взаимодействием поверхности и атмосферы (испарением, турбулентным обменом, формированием облаков и осадков).Спутниковые миссии SMAP и SMOS обеспечивают глобальный мониторинг ВП, однако их пространственное разрешение (~36–40 км) слишком грубо для региональных и локальных агрометеорологических и гидрологических задач.
Повышение пространственной детализации  позволяет восстановить мелкомасштабную изменчивость ВП на основе косвенных признаков и физических связей . Работа выполнялась для спутниковых данных SMAP c разрешением 9 км до разрешения 1 км. Методы повышения детализации ВП были применены для Крымского полуострова. Это аграрный регион с разнообразным рельефом, климатом и почвами (от степей и чернозёмов на севере до субтропиков на Южном берегу), где в настоящий момент наблюдается дефицит пресных водных ресурсов и требуется детализированная информация о ВП для своевременного обнаружения засух, планирования полива и оценки состояния посевов.
В качестве вспомогательных данных высокого пространственного разрешения использовались спутниковые продукты MODIS (NDVI, LST, альбедо), а также цифровая модель рельефа (SRTM). В ходе исследования все слои прошли предварительную обработку: маскирование облаков, теней и водных объектов, перепроецирование из синусоидальной проекции MODIS в WGS84 и агрегацию до двух разрешений: 9 км (для сопоставления с исходннными данными SMAP) и 1 км (для повышения детализации). Для получения снимков с повышенной детлазацией были применены три метода: базовый Random Forest (RF), Random Forest с вейвлетпреобразованием (RF+W) и метод треугольника NDVI–LST (TVDI) .
Точность результатов оценивалась с использованием метрик RMSE, ubRMSE, MAE и R, R2 . Наилучшую пространственную согласованность с исходными данными SMAP обеспечивает модель RF+W (R² = 0,864), тогда как базовый RF даёт умеренную точность (R² = 0,540).
Также данные сопоставлялись с наземными измерениями ВП, выполненными в автоматическом режиме в 10 точках ежедневными данными для 2018 года и почасовых данных влажности почв для 2020 года за период июнь-август.
По наземным данным наилучшее качество продемонстрировала модель RF+W(RMSE=0,0613 м3/м3RMSE=0,0613 м3/м3, MAE=0,0533 м3/м3MAE=0,0533 м3/м3, положительный R,R2), тогда как базовый SMAP (9 км) и метод TVDI показали заметно более высокие ошибки. Результаты позволяют оценить эффективность каждого метода в засушливых условиях и при специфичном геологогеоморфологическом строении исследуемой территории. Работа демонстрирует возможность интеграции разнородных данных для построения детализированных карт ВП, востребованных в задачах мониторинга наступления засух и эффективного управления водными ресурсами в вододефицитных регионах.