长预见期误差显著降低
该模型利用多地点数据进行迁移学习，解决了SMAP根区土壤水分样本稀缺的问题，与现有LSTM模型相比，在1至60天的预测中均表现出更高的精度。
Xu, Lei · Xihao, Zhang · Xi, Zhang · Wu, Tingtao · Yu, Hongchu · Du, Wenying · 陈泽强 · Chen, Nengcheng
International Journal of Applied Earth Observation and Geoinformation 2025
自注意力机制捕获长距离依赖，减少长期预测中的误差累积，RMSE比LSTM降低42.55%。
迁移学习利用多站点信息，缓解SMAP根区样本不足的问题，在118个站点验证中表现稳定。
在与GFS的对比中，MAATL的平均相关系数技能高出16.02%，更适合农业干旱预警。