小麦田L波段SAR土壤水分反演参数在不同地表条件和观测角度间的可移植性研究

《Remote Sensing Applications: Society and Environment》：Transferability of L-band SAR soil moisture retrieval parameters across surface conditions and view angles over wheat fields

　　

合成孔径雷达（SAR）能够提供全天候的高分辨率地表土壤水分（SM）信息，从而实现连续的地球观测。然而，利用SAR数据进行土壤水分反演的一个重大挑战在于，如何校准适用于更广泛环境范围和植被密度的反演参数。现有SAR土壤水分反演算法中使用的站点特定校准方法限制了其业务化应用。在本研究中，研究人员评估了土壤水分反演参数在各种传感配置和植被密度间的可移植性，以减少对站点特定校准和大量地面数据的依赖。研究人员利用了在SMAP验证实验2012（SMAPVEX12）期间由UAVSAR采集的四极化L波段影像，重点针对小麦田。植被-土壤系统的后向散射使用水云模型（WCM）进行建模。该方法取得的精度（RMSE = 0.07 m3m?3，相关系数 = 00.7）与使用基于地面的植被参数进行的反演相似。研究人员利用通过马尔可夫链蒙特卡洛（MCMC）校准获得的WCM参数后验分布和广泛的交叉验证，检验了WCM参数在不同田块、植被密度、极化和入射角之间的潜在可移植性。后验参数分布和交叉验证结果均表明，WCM参数不能在不同入射角之间移植，也不能在同极化（co-pol）与交叉极化（cross-pol）影像之间移植。然而，当使用具有相似入射角的UAVSAR数据作为输入时，这些参数可在广泛的植被密度范围内移植，可在VV与HH极化之间移植，也可在不同位置之间移植。

论文解读：小麦田L波段SAR土壤水分反演参数的可移植性研究

空间分布的土壤水分（Soil Moisture, SM）信息在全球水文和环境研究中具有广泛的应用价值。卫星衍生的土壤水分产品目前已被广泛用于灌溉建模、洪水监测、干旱监测和水文建模等领域。星载和机载遥感为从区域到全球尺度监测土壤水分提供了独特的能力。在各类遥感手段中，微波信号因其对土壤介电特性（主要受水分含量影响）的高灵敏度而尤为有用。此外，与光学数据不同，微波信号能够穿透云层，并在一定程度上穿透植被冠层，从而扩展了土壤水分估算的适用条件。其中，微波辐射计（如SMAP、AMSR-2、SMOS等）被广泛用于获取卫星土壤水分产品，但其空间分辨率较粗（约40 km），限制了其在田间尺度农业监测中的应用。相比之下，合成孔径雷达（Synthetic Aperture Radar, SAR）能够提供米级或更大尺度的土壤水分数据，是精准农业和环境监测的重要工具。SAR卫星如Sentinel-1、RADARSAT-2和TerraSAR-X可根据配置和处理方法提供2 m至25 m空间分辨率的土壤水分估算。

SAR土壤水分反演通常使用散射模型来描述后向散射系数作为植被和土壤的介电特性及粗糙度的函数。现有的SAR土壤水分反演方法主要分为五类：基于物理的模型、经验模型、半经验模型、极化分解技术和机器学习方法。其中，基于物理的、半经验和经验模型涉及许多往往需要站点特定校准的参数，这限制了其更广泛的适用性。校准需要考虑土壤质地、地表粗糙度、植被含水量、冠层结构和入射角的变化，使得大规模实施具有挑战性。因此，理解给定参数集的可移植性至关重要。本研究试图通过探索在不同条件下减少站点特定校准需求的可能性，同时保持反演精度，从而为大规模业务化应用提供参考。

农业田块相较于建筑或自然景观，作物和田间条件相对均质，这表明土壤水分反演参数可能在各种作物和环境条件下具有更广泛的适用性。为了验证这一假设，研究人员采用了一个结合了概念物理基础和灵活性的半经验模型——水云模型（Water Cloud Model, WCM）耦合线性土壤散射模型。该模型在捕捉各种植被类型的土壤水分动态方面表现出稳健性能，且相较于参数密集的AIEM和IEM等模型，线性土壤散射模型的校准复杂度更低。以往基于WCM的SAR土壤水分反演研究主要集中在站点特定校准上，且通常使用的WCM版本中土壤后向散射仅依赖于土壤水分（未考虑粗糙度）。本研究采用的双参数线性公式减少了模型维度，最小化了辅助数据需求，并提高了计算效率，这对于大规模随机校准和可移植性评估及业务化至关重要。

研究人员开展的研究基于2012年SMAP验证实验（SMAPVEX12）期间收集的地面测量数据和机载SAR影像，实验区位于加拿大曼尼托巴省温尼伯以南的农业区，主要聚焦小麦作物。使用的UAVSAR（Uninhabited Aerial Vehicle Synthetic Aperture Radar）数据在L波段（频率约1.26 GHz）运行，空间分辨率为6 m × 6 m，来自两个近似平行的航线（ID 31604和31606），以最大化研究区的覆盖范围。入射角范围约为20°至70°。研究人员分析了HH、VV、VH极化以及三极化组合（HH+VV+VH）的土壤水分反演。植被描述符采用了双极化雷达植被指数（Dual-pol Radar Vegetation Index, DpRVI），该指数可直接从SAR数据估算，避免了依赖光学数据（需无云条件）。WCM参数（A, B, C, D）的校准采用基于马尔可夫链蒙特卡洛（MCMC）的贝叶斯校准方法（DREAM算法），并通过交叉验证评估参数的可移植性。

主要技术方法包括：1. 数据准备：使用PolSARpro和ArcMAP软件对UAVSAR L波段四极化GRD数据进行预处理，生成协方差矩阵并提取各极化后向散射系数，利用地面测量点进行分区统计；2. 模型构建：采用水云模型（WCM）描述植被-土壤系统后向散射，结合线性土壤散射模型，并使用DpRVI作为植被描述符；3. 参数校准与反演：利用MCMC方法（DREAM算法）进行WCM参数（A, B, C, D）的贝叶斯校准，通过500次随机划分校准集（70%）与验证集（30%）的交叉验证评估反演性能；4. 可移植性分析：通过比较不同条件（极化、位置、植被密度、入射角）下参数的后验分布重叠情况以及交叉验证的土壤水分反演精度，系统评估WCM参数的可移植性。

研究结果：

4.1 使用DpRVI的土壤水分反演

研究人员比较了使用地面干生物量、地面植被含水量（VWC）和DpRVI作为WCM植被描述符的土壤水分反演结果。使用DpRVI的反演精度（RMSE = 0.079 m³m^?3，R = 0.70）与使用地面干生物量（RMSE = 0.085 m³m^?3，R = 0.67）及地面VWC（RMSE = 0.082 m³m^?3，R = 0.66）相似，表明DpRVI可有效替代地面测量的植被参数。在不同极化组合中，所有极化组合（HH+VV+VH）的反演误差最小（RMSE = 0.071 m³m^?3），且统计显著优于单一极化，说明多极化集合平均有助于提高反演精度。

4.2 WCM参数的可移植性

4.2.1 极化

VV和HH极化的WCM参数（A, B, C, D）的后验分布存在重叠，而VH极化与同极化（HH, VV）的参数A和D分布差异明显。交叉验证表明，同极化参数可相互移植（如用HH校准的参数可有效反演VV极化的土壤水分，反之亦然），但同极化与交叉极化参数不可移植。

4.2.2 位置

选取研究区内两组不同位置的麦田样本集（S1和S2），其WCM参数后验分布在所有参数上均重叠。将一个样本集校准的参数用于另一个样本集的验证，土壤水分反演精度相当，表明在入射角和生长阶段范围相似时，WCM参数在不同位置间具有可移植性。

4.2.3 小麦冠层密度

按DpRVI将数据集分为低（0–0.2）、中（0.2–0.4）、高（0.4–0.6）植被冠层三组。各组WCM参数后验分布均重叠，高植被组的参数分布较宽。校准于中、高植被密度的参数可用于低植被密度反演（RMSE ≤ 0.075 m³m^?3，R ≥ 0.75），且校准于高植被密度时，移植到中和低植被密度的偏差更低，相关性相似。因此，建议校准于中或高植被密度以实现更广范围的移植性，高植被密度最适于稳健校准。

4.2.4 入射角

利用同一组田块在两个航线（入射角相差约10°）的数据分析表明，不同入射角范围的WCM参数后验分布差异显著，校准于一个入射角范围的参数应用于另一范围时会导致偏差增加，反演性能下降。较低入射角范围（31°–53°）的反演性能优于较高范围（48°–62°）。线性土壤散射模型中参数C和D假设固定入射角和地表粗糙度，无法充分解释入射角变化的影响，限制了跨大范围入射角的参数移植性。

4.3 改进机会

尽管跨位置和植被条件的参数移植性可行，但剩余的反演误差可能部分源于未考虑的表面粗糙度变化。未来工作应改进模型以显式包含粗糙度，并考虑入射角效应，例如采用更具物理基础的土壤散射模型。

总结与结论：研究人员研究了小麦田在使用基于WCM的SAR土壤水分反演时，L波段SAR土壤水分反演参数在不同植被冠层密度、位置、极化和入射角间的可移植性。通过MCMC校准的WCM参数后验分布分析和交叉验证测试进行评估。用作WCM植被描述符的DpRVI取得的土壤水分反演精度与使用地面植被生物量或VWC相当。分析表明，针对特定冠层密度和位置校准的参数通常可移植到具有相似入射角的其他条件。具体而言，校准于致密植被的参数可用于中和低植被密度而不会明显降低精度，而校准于低和中植被密度的参数用于更致密植被条件可能导致反演精度略有下降。入射角对WCM参数的显著影响意味着，通过所提出的参数移植进行WCM基SAR土壤水分反演的区域化应应用于匹配的入射角范围。此外，同极化（HH与VV）影像的参数可相互移植，但交叉极化数据的反演参数需单独校准。本研究针对小麦田开展，结论适用于测试的宽范围冠层条件但限于相似入射角范围。研究结果对减少SAR土壤水分反演中对站点特定校准数据的需求具有重要指导意义，为获取适用于多种地表和水分条件的WCM参数提供了依据。该方法需在其它植被类型和密度上进一步检验，以探究WCM参数移植性是否具有植被/作物类型特异性或可扩展至更广泛的植被覆盖类型。

（论文发表于《Remote Sensing Applications: Society and Environment》）