利用InSAR闭合相位数据进行地表土壤水分的建模、预测与反演

《Remote Sensing of Environment》：Modeling, prediction, and retrieval of surface soil moisture from InSAR closure phase

InSAR闭合相位与土壤湿度多层数值模型及算法研究

　　土壤水分是地球系统中一个关键的变量，它不仅影响着地表的水文循环，还与气候系统、极端天气事件的形成及持续密切相关。在许多研究中，科学家们致力于开发更精确、更广泛适用的土壤水分监测方法，以弥补地面观测在时空分辨率上的不足。近年来，合成孔径雷达（SAR）技术的发展为这一目标提供了新的可能，尤其是在干涉合成孔径雷达（InSAR）领域，其相位信息被证明在某些情况下可以用于估计土壤水分含量。本文提出了一种离散化的多层土壤水分模型，旨在通过单次观测的SAR数据，揭示土壤水分变化与干涉相位之间的关系，并进一步发展一种可扩展的算法，用于从干涉相位时间序列中提取土壤水分指数。

### 土壤水分与极端天气事件的关系

准确测量地表土壤水分对于理解气候系统和预测极端天气事件至关重要。例如，干旱、洪水和热浪等现象的发生与土壤水分的变化密切相关。虽然全球淡水资源中只有不到0.001%是地表土壤水分，但它在大气与地壳之间起到了桥梁作用，是水循环的重要组成部分。然而，传统的地面观测手段存在明显的局限性，其空间分布稀疏且不均匀，难以提供全球范围内的连续数据。因此，科学家们开始探索利用卫星遥感技术，特别是SAR，来获取更全面的土壤水分信息。

### SAR技术在土壤水分监测中的应用

SAR技术通过发射和接收雷达波来探测地表特征，其波长和频率的选择决定了对地表水分的探测能力。例如，NASA的Soil Moisture Active Passive（SMAP）任务利用L波段微波辐射来测量地表土壤水分，其雷达系统在运行初期能够提供约3公里的分辨率。然而，由于雷达回波受到植被覆盖、地表粗糙度和地表温度等因素的影响，准确提取土壤水分信息仍然面临挑战。相比之下，InSAR技术通过分析多期SAR图像之间的干涉相位变化，能够捕捉到更细微的地表特征变化。尽管如此，InSAR相位数据中通常包含与土壤水分无关的干扰因素，如地表形变和大气延迟，这使得直接从InSAR相位中提取土壤水分变得复杂。

### InSAR闭合相位的概念及其优势

为了克服上述问题，研究人员引入了InSAR闭合相位（closure phase）的概念。闭合相位是指由三次SAR观测生成的干涉相位的三重乘积的角度，这一概念可以扩展为闭合环路中干涉相位的残差。闭合相位的一个重要特性是，它不受地表形变和大气延迟等非土壤水分相关因素的影响。因此，当闭合相位不为零时，可以认为是由于地表物理过程，如土壤水分变化，引起的复杂介质特性变化。这一特性使得闭合相位成为一种潜在的土壤水分监测工具。

### 多层土壤水分模型的构建

本文提出了一种离散化的多层土壤水分模型，该模型将土壤水分的变化与单次观测的SAR数据直接联系起来。模型假设地表土壤水分分布具有多个层次，并且每个层次的水分含量变化都会影响雷达回波的相位。通过忽略雷达波往返天线与地表像素之间的公共相位延迟，研究人员能够更准确地模拟单次SAR观测的雷达回波特性。模型的核心在于将土壤水分的变化与雷达波的传播特性相结合，从而揭示其对干涉相位的影响。

### 闭合相位时间序列的模拟

为了进一步验证模型的有效性，研究人员进行了闭合相位时间序列的模拟。他们利用土壤水分时间序列、土壤质地和雷达频率作为输入，生成闭合相位时间序列。这一模拟过程展示了不同土壤水分变化模式、土壤质地以及雷达频率如何影响闭合相位的响应。结果表明，均匀的土壤水分变化会产生特定的闭合相位响应，而非均匀的变化则会导致更为复杂的模式。此外，雷达频率的选择也对闭合相位的敏感度产生影响，低频雷达（如L波段）对土壤水分的垂直分布表现出更高的敏感性。

### 土壤水分指数的提取算法

基于上述模型和模拟结果，研究人员开发了一种土壤水分指数（InSAR Soil Moisture Index, SMI）的提取算法。该算法的核心思想是将闭合相位时间序列视为一系列饱和指数函数的组合，从而通过指数衰减响应来重建对应的土壤水分时间序列。这种方法的优势在于，它能够提供一种标准化的土壤水分指数，使得不同区域和不同时间的土壤水分数据具有可比性。此外，由于该算法基于时间序列的分析，它能够在较短时间内完成大规模数据的处理，适用于全球范围内的土壤水分监测。

### 实验验证与结果分析

为了验证该算法的可行性，研究人员使用了Sentinel-1 SAR数据对美国加利福尼亚州的两个区域进行了实验：莫哈韦沙漠和中央谷地。实验结果表明，所提出的InSAR SMI与地面观测的土壤水分数据以及SMAP/Sentinel-1的土壤水分产品之间存在良好的一致性。这一结果不仅验证了模型的准确性，也展示了InSAR闭合相位在土壤水分监测中的潜力。此外，研究人员还发现，闭合相位的变化趋势与土壤水分的变化趋势之间存在明显的对应关系，正向的土壤水分异常会导致闭合相位的正向变化，而负向的异常则会引发负向变化。

### 闭合相位梯度作为快速计算的代理指标

在本文中，研究人员还探讨了闭合相位梯度作为InSAR SMI快速计算代理指标的可能性。他们假设存在一种近似的转移函数，将土壤水分异常与闭合相位时间序列联系起来。这一转移函数可以基于指数衰减的土壤水分异常，其对应的闭合相位响应呈现出类似饱和指数的特征。通过分析这一关系，研究人员提出了一种更为简便的方法，即利用闭合相位梯度来快速估算土壤水分指数。这种方法不仅提高了计算效率，还减少了对复杂模型的依赖，为大规模土壤水分监测提供了新的思路。

### 研究的意义与未来展望

本文的研究成果为利用InSAR闭合相位进行土壤水分监测提供了理论基础和实用方法。通过建立多层土壤水分模型，研究人员揭示了土壤水分变化对闭合相位的影响机制，并开发了一种可扩展的算法，用于提取标准化的土壤水分指数。实验结果表明，该方法在不同环境条件下均表现出良好的性能，尤其是在干旱和半干旱地区。此外，闭合相位梯度作为快速计算代理指标的潜力，也为未来的土壤水分监测提供了新的方向。

随着遥感技术的不断发展，InSAR闭合相位作为一种新的土壤水分监测手段，正在逐步获得更多的关注。然而，该方法仍然面临一些挑战，例如如何处理复杂的地表特征变化、如何提高计算效率以及如何在不同环境中优化模型参数。未来的研究可以进一步探索这些方面，以提高InSAR闭合相位在土壤水分监测中的准确性和适用性。同时，结合其他遥感数据源，如光学遥感和热红外遥感，可能会为土壤水分监测提供更为全面的信息。

此外，本文的研究还强调了土壤质地和雷达频率在土壤水分监测中的重要性。不同的土壤类型对雷达波的反射和传播特性存在差异，这会影响闭合相位的响应。因此，在实际应用中，需要考虑土壤质地的多样性，并对不同土壤类型的模型参数进行校准。雷达频率的选择同样影响着土壤水分监测的精度，低频雷达（如L波段）对土壤水分的垂直分布更为敏感，而高频雷达（如C波段）则可能受到植被覆盖的影响更大。因此，未来的土壤水分监测系统可能需要结合多种雷达频率，以提高监测的全面性和准确性。

最后，本文的研究成果为全球土壤水分监测提供了新的技术路径。通过利用InSAR闭合相位，研究人员能够获得高分辨率的土壤水分数据，这对于理解区域水文过程、预测极端天气事件以及评估水资源管理策略具有重要意义。随着数据处理技术的进步和计算能力的提升，InSAR闭合相位方法有望在未来的气候研究和环境监测中发挥更大的作用。