基于L波段全极化SAR与CCI土壤湿度约束的农作物覆盖区高分辨率土壤水分反演研究

针对农作物覆盖区高分辨率土壤水分（SSM）遥感监测难题，研究人员融合时间序列UAVSAR全极化数据和CCI粗分辨率土壤湿度产品，提出了一种结合极化分解与介电约束的α近似反演算法。该研究在SMAPVEX12农田试验区实现了米级分辨率SSM估算（RMSE≤0.07 cm3/cm3），突破了植被散射干扰和病态反演问题的限制，为精准农业水资源管理提供了关键技术支撑。

　　

在农业水资源管理和干旱监测领域，高分辨率土壤水分（Soil Moisture, SSM）数据的获取一直是一项重大挑战。传统光学遥感易受云层干扰，而微波遥感虽具备全天候观测能力，但在植被覆盖区面临地表与植被散射混杂的难题。尤其对于生长季的农作物，快速变化的生物量会显著影响雷达信号，导致基于合成孔径雷达（SAR）的SSM反演精度下降。此外，单一时刻SAR观测存在方程病态性问题，难以同时解算土壤介电常数和地表粗糙度等参数。

为突破这些技术瓶颈，研究人员在《Agricultural Water Management》发表论文，利用SMAPVEX12（Soil Moisture Active Passive Validation Experiment 2012）活动中获取的时间序列L波段全极化UAVSAR数据，结合ESA CCI（Climate Change Initiative）粗分辨率土壤湿度产品，开发了一种新型SSM反演框架。该研究通过极化目标分解技术分离植被与地表散射，并引入CCI数据提供的介电常数约束，有效提升了农作物覆盖区SSM反演的精度与稳定性。

关键技术方法包括：

1. 1.
   采用两成分极化分解（X-Bragg表面散射模型+步进式体散射模型）剔除植被贡献；
2. 2.
   基于α近似模型建立时间序列后向散射比与介电常数的关系；
3. 3.
   利用CCI土壤湿度产品（0.25°分辨率）推导介电常数上下限作为先验约束；
4. 4.
   通过Topp、Dobson和Zhang-Zhao介电混合模型将介电常数转换为体积土壤含水量。实验数据覆盖加拿大曼尼托巴省5类典型作物（油菜、玉米、大豆、小麦和冬小麦）区，共16个田间采样点。

4.1 基于CCI产品的土壤介电常数约束

通过分析CCI土壤湿度产品在2012年6月17日至7月17日期间的最小/最大值（图6），推导出相应介电常数范围（?_min=F^-1(mv_min), ?_max=F^-1(mv_max)），为后续反演提供物理约束边界。结果表明，研究区内土壤湿度变幅约0.16 cm3/cm3，对应介电常数区间可有效限制反演解的不确定性。

4.2 不同介电混合模型的SSM反演性能对比

对比Topp经验模型、Dobson半经验模型（α=0.65）和Zhang-Zhao模型（α=0.8551）的转换效果（表1）。Topp模型虽无需土壤理化参数，但反演精度（RMSE: 0.05–0.08 cm3/cm3）与Zhang-Zhao模型相当，而Dobson模型因参数敏感性导致误差较大。该结果验证了在缺乏详细土壤属性数据时，Topp模型仍可提供可靠估计。

4.3 典型作物区SSM反演结果

4.3.1 油菜田反演

在ID-122等6个油菜田（图A.1），SSM反演RMSE为0.05–0.08 cm3/cm3，R=0.53–0.72（表2）。时间序列显示反演值能准确响应降水事件（图11），但高生物量期（植物含水量＞1000 g/m2，生物量＞200 g）存在轻微高估，可能与植被散射残余相关。

4.3.2 玉米田反演

玉米区（ID-83等）反演RMSE为0.04–0.07 cm3/cm3，R最高达0.79（表3）。玉米植株高大（生物量可达1400 g），但L波段穿透能力较强，使反演值在生长中期仍保持较好一致性（图A.3）。

4.3.3 大豆田反演

大豆区（ID-82等）表现最佳（RMSE=0.05 cm3/cm3, R=0.86），归因于其低矮冠层（生物量＜200 g）和较小植被干扰（表4）。垄作结构导致的方位向散射各向异性未显著影响反演精度。

4.3.4 小麦与冬小麦反演

小麦区RMSE为0.03–0.09 cm3/cm3（表5），冬小麦因生育期稳定（生物量≈600 g）呈现更高一致性（图16）。值得注意的是，ID-74地块同时包含大豆和小麦，反演结果准确反映了不同作物的水分差异，证明算法具备作物类型适应性。

4.4 统一约束策略的空间连续性优化

采用全域统一介电约束（0.105–0.335 cm3/cm3）替代分像元约束后，SSM空间分布连续性显著改善（图17），剖面曲线（图18）显示空间突变现象减少，证明统一约束可缓解因CCI分辨率不足导致的空间不连续问题。

研究结论表明，该算法通过融合时间序列极化SAR观测与先验介电约束，成功实现了农作物覆盖下米级分辨率SSM的高精度反演。讨论部分指出：①VV极化因对植被结构不敏感，反演精度普遍高于HH极化；②算法在植被快速生长期（如玉米抽雄期）仍存在散射分离残余误差，需进一步发展动态植被校正模型；③统一约束策略虽提升空间连续性，但可能弱化局部细节，未来需整合更高分辨率辅助数据。该研究为星载SAR任务（如NISAR、LT-1）的农业应用提供了关键技术路径，对精准灌溉、干旱预警和作物产量预测具有重要意义。