一种基于机器学习的星载GNSS-R土壤湿度融合反演方法及系统

本发明涉及GNSS‑R遥感技术领域，尤其是涉及一种基于机器学习的星载GNSS‑R土壤湿度融合反演方法及系统，所述方法，包括获取由星载GNSS‑R内部特征值数据和SMAP外部辅助数据构成的多源数据；基于获取的多源数据进行预处理，将匹配数据集作为输入构建机器习反演模型，利用优化后的反演模型进行轨道点土壤湿度反演，根据轨道点土壤湿度反演值进行格网点定权融合，采用改进的自适应CRITIC权重法计算各GNSS系统的权重，基于格网点的土壤湿度反演值进行结果验证与应用，本发明对每个格网内各GNSS系统轨道点特征值定权融合，有效抵抗异常值干扰，输出的连续格网数据可直接适配农业灌溉分区、水文模型输入、气候研究等业务场景。