Data fusion can effectively improve the accuracy of remotely sensed (RS) soil moisture (SM) products. Understanding the error structures of RS SM products is beneficial for formulating a data fusion scheme. In this article, a data fusion scheme is examined on the Tibetan Plateau, and the Soil Moisture Active Passive mission, Soil Moisture and Ocean Salinity mission, and Advanced Microwave Scanning Radiometer 2 products are used as the experimental input datasets. The RS apparent thermal inertia (ATI) is transformed into SM values as the reference data with reliable systemic variability. The ATI-based SM, along with three RS SM products, is introduced into the triple collocation (TC) method to decompose the errors of the three RS SM products into systemic and random errors at each RS pixel. Due to the presence of systemic errors, the temporal mean values and amplitudes of the three RS SM products were calibrated by those of the ATI-based SM. The rescaled anomalies (including amplitude and random error) were merged according to their random errors estimated by the TC method, and then the merged anomalies were added to the temporal mean values of the ATI-based SM to obtain the final merged results. Compared with the merged European Space Agency Climate Change Initiative passive SM product and input SM datasets, the merged results in this article exhibit optimal accuracy. The scheme for merging RS SM products shows high data fusion performance and can be further considered a reliable way to obtain a high-quality merged RS SM dataset.

中文翻译：

---

误差结构分析支持的区域尺度遥感土壤水分产品融合的先进框架：以青藏高原为例

数据融合可以有效提高遥感（RS）土壤水分（SM）产品的准确性。了解RS SM产品的错误结构有助于制定数据融合方案。在本文中，研究了一种在青藏高原上的数据融合方案，并将土壤水分主动被动任务，土壤水分和海洋盐分任务以及高级微波扫描辐射仪2产品用作实验输入数据集。RS视在热惯性（ATI）转换为SM值，作为具有可靠系统可变性的参考数据。将基于ATI的SM与三个RS SM产品一起引入三重配置（TC）方法，以将三个RS SM产品的误差分解为每个RS像素处的系统误差和随机误差。由于存在系统错误，通过基于ATI的SM校准了三个RS SM产品的时间平均值和幅度。重新缩放后的异常（包括幅度和随机误差）根据其通过TC方法估计的随机误差进行合并，然后将合并的异常添加到基于ATI的SM的时间平均值中，以获得最终的合并结果。与合并的欧洲航天局气候变化倡议被动SM产品和输入SM数据集相比，本文中的合并结果显示出最佳的准确性。合并RS SM产品的方案显示出很高的数据融合性能，可以进一步认为是获得高质量的合并RS SM数据集的可靠方法。重新缩放后的异常（包括幅度和随机误差）根据其通过TC方法估计的随机误差进行合并，然后将合并的异常添加到基于ATI的SM的时间平均值中，以获得最终的合并结果。与合并的欧洲航天局气候变化倡议被动SM产品和输入SM数据集相比，本文中的合并结果显示出最佳的准确性。合并RS SM产品的方案显示出很高的数据融合性能，可以进一步认为是获得高质量的合并RS SM数据集的可靠方法。重新缩放后的异常（包括幅度和随机误差）根据TC方法估计的随机误差进行合并，然后将合并的异常添加到基于ATI的SM的时间平均值中，以获得最终的合并结果。与合并的欧洲航天局气候变化倡议被动SM产品和输入SM数据集相比，本文中的合并结果显示出最佳的准确性。合并RS SM产品的方案显示出很高的数据融合性能，可以进一步认为是获得高质量的合并RS SM数据集的可靠方法。与合并的欧洲航天局气候变化倡议被动SM产品和输入SM数据集相比，本文中的合并结果显示出最佳的准确性。合并RS SM产品的方案显示出很高的数据融合性能，可以进一步认为是获得高质量的合并RS SM数据集的可靠方法。与合并的欧洲航天局气候变化倡议被动SM产品和输入SM数据集相比，本文中的合并结果显示出最佳的准确性。合并RS SM产品的方案显示出很高的数据融合性能，可以进一步认为是获得高质量的合并RS SM数据集的可靠方法。