《Remote Sensing》：Whittle–Matérn Roughness Covariance for C-Band SAR Inversion over Bare Agricultural Soil
编辑推荐：
本研究评估Whittle–Matérn（WM）协方差表示能否改善对可呈现尺度依赖粗糙度的裸露农业土壤的像素级合成孔径雷达（SAR）反演。WM包含控制协方差与粗糙度谱形状的平滑度参数，并具有Gaussian–Gamma尺度混合解释。研究人员在同一改进扩展高级积分
本研究评估Whittle–Matérn（WM）协方差表示能否改善对可呈现尺度依赖粗糙度的裸露农业土壤的像素级合成孔径雷达（SAR）反演。WM包含控制协方差与粗糙度谱形状的平滑度参数，并具有Gaussian–Gamma尺度混合解释。研究人员在同一改进扩展高级积分方程模型中，将WM与指数、高斯和幂指数（PE）协方差模型进行比较。共配准的RADARSAT-2与Sentinel-1观测提供五个反演通道。所有实验采用相同观测、辅助输入、参数边界、目标函数和多起点优化设置。分析聚焦于三个共极化通道，协方差结构直接进入这些通道的散射模型。在共极化残差容差为 时，WM对439个保留像素中的425个产生模型一致解，而指数、高斯和PE模型分别为384、387和423个像素。其盲点比率分别为3.19%，而指数、高斯和PE模型分别为12.53%、11.85%和3.64%。在四种模型均可检索的342个像素上，除Sentinel-1 的某一通道外，WM对所有通道给出最低平均绝对误差。最大改进出现在Sentinel-1 的某一通道，WM将均方根误差（RMSE）降至 ，而指数、高斯和PE模型分别为 、 和 。WM还产生最完整的检索图，并且场景平均土壤水分估计最接近可用的SMAP和站点参考均值。这些结果表明，协方差表示是未正则化多传感器SAR反演中结构性差异的重要来源。
研究背景与问题：土壤水分控制地—气水热交换，并影响农业可用水量、径流和干旱发展；SAR因微波后向散射对土壤介电性质敏感且可在近全天候条件下获取，成为观测表层土壤水分的重要手段，C-band的Sentinel-1和RADARSAT-2还可提供多极化和多入射角观测。在裸露或稀疏植被土壤上，后向散射主要受土壤介电性质、地表粗糙度、雷达配置和观测几何控制；积分方程模型（IEM）及其扩展通过高度自相关函数和粗糙度谱显式表示粗糙度，因此协方差函数并非次要拟合选择，而是控制粗糙度谱能量在雷达采样空间波数上的分配。指数和高斯协方差因简单和分析便利而被常用，但二者具有固定协方差与谱形状；农业粗糙度受耕作、降雨、表土封结、团聚和行结构影响，有效相关结构可能随空间尺度变化。Davidson et al.的野外观测表明，光滑未耕地估计相关长度随剖面长度强烈变化，而耕地更接近单尺度行为；对光滑耙地田，指数协方差对短剖面较合理，但指数和高斯均不能表示更长剖面。若假定协方差不能表示有效粗糙度谱，正演模型失配可由反演得到的均方根（RMS）高度、相关长度和土壤水分补偿，反演可能对部分观测给出可接受拟合却使参数吸收协方差模型误差。因此核心问题不是哪种协方差函数最能拟合实测粗糙度剖面，而是协方差结构能否扩大可达到观测域并减少粗糙度与土壤水分参数间补偿。WM族除长度尺度外含控制协方差形式和粗糙度谱形状的平滑度参数，并具有Gaussian–Gamma尺度混合表示，可把协方差表达为不同有效空间尺度高斯分量的连续叠加；PE也允许形状变化，可用于区分“形状灵活性”与“多尺度谱表示”。研究人员此前已将WM协方差纳入改进扩展高级积分方程模型（mEAIEM）并建立理论数值框架，但尚不清楚该表示能否改善真实多传感器SAR观测的重建与反演。为此，研究人员在裸露农业土壤上以共配准RADARSAT-2和Sentinel-1五通道观测，在相同mEAIEM框架内比较指数、高斯、PE和WM，所有模型使用相同参数边界、目标函数和优化流程，聚焦协方差直接进入物理散射公式的共极化后向散射，并进行空间未正则化像素级反演；分析限于C-band。研究人员将“盲点”定义为在给定参数边界和残差容差内，观测多通道共极化后向散射向量无法被重建的像素，盲点比率衡量落在给定协方差模型实际可达到域之外的观测比例。
关键技术与数据（≤250字）：研究区位于中国吉林省梨树县，SAR获取时处于裸土期；RADARSAT-2与Sentinel-1获取时间相隔约35.5 h，CLDAS显示期间无降雨，但缺灌溉和耕作记录，故观测视为准同步。辅助数据包括SRTM DEM、Sentinel-2 NDVI和GlobeLand30，重采样至共同SAR网格；480个网格中排除41个道路或非土壤像元，保留439个裸土像元。五个土壤水分站提供区域参考，SMAP Level-4因覆盖研究区作为主要场景尺度参考。方法上，将指数、高斯、PE和WM协方差嵌入mEAIEM，WM采用Gaussian–Gamma混合的稳定谱项，交叉极化用Oh型经验模型，Dobson介电混合模型连接土壤水分与介电常数；像素级有界多起点优化，所有模型共享观测、辅助输入、参数边界、残差准则和优化设置，采用共极化最大绝对残差分类盲点，并用空间块bootstrap评估统计不确定性。
研究结果：
3.1 像素级多传感器反演配置：研究人员对全部保留裸土像元独立反演，四模型使用同一共配准五通道数据、辅助输入、初始化、多起点设置、停止准则和优化器，协方差表示为唯一差异；共极化通道由mEAIEM模拟，交叉极化由同一Oh型模型模拟，五通道联合约束粗糙度和土壤水分；无空间正则化、滑动窗口或邻域粗糙度约束；参考配置等权，替代权重敏感性测试未改变模型排序；采用粗网格与内点局部优化结合的混合策略。
3.2 模型一致性与盲点分析：基于共极化残差准则评估，指数和高斯模型分别识别55和52个盲点，占439个保留像元的12.53%和11.85%；PE降至16个（3.64%），WM最高一致，仅14个（3.19%）；WM相对指数和高斯分别降低约74.5%和73.1%；空间块bootstrap中WM盲点比率95%置信区间最低且不与指数、高斯重叠；阈值敏感性显示WM在全阈值范围内盲点比率最低。
3.3 残差分析：WM最小残差距离分布更集中于低值，主峰低于其他模型；指数模型低—中残差处峰较尖但高残差尾更宽；PE分布类似指数且近零密度略高；高斯分布向较大残差移动；所有模型在高残差处有小次群。
3.4 盲点空间分布：指数和高斯盲点数相近，部分成簇而非仅孤立点，提示与局部地表条件相关；PE和WM大幅减少盲点；WM仅余稀疏盲点，主要集中于研究区中部。
3.5 多通道后向散射重建性能：WM可评估425个像元，指数、高斯和PE分别为384、387和423个，WM空间覆盖最广；在模型特异可检索像元上，WM在多数通道给出最低平均绝对误差和较高相关系数；在四模型共同可检索的342个像元上，除Sentinel-1某一通道外，WM对所有通道给出最低平均绝对误差，并在多数通道具有最低RMSE和最高相关；最大改进出现在Sentinel-1某一通道；交叉极化通道离散更大，但所有实验使用相同Oh型公式。
3.6 样本量影响：以342个共同像元为抽样总体，进行50至342个像元的无放回随机抽样，每个样本量重复1000次；平均RMSE随样本量增加基本稳定，四模型相对表现不变；RMSE标准差随样本量增加显著下降，除RADARSAT-2某一通道外WM通常标准差最小，表明其重建表现对样本组成较不敏感；归一化标准差与包含有限总体校正的理论比值吻合。
3.7 估计PE形状参数与WM平滑度参数：PE形状参数空间变异明显，许多像元接近指数形式；WM平滑度参数低值主导研究区，中高值主要出现在局部斑块和线性特征；少数估计达到上界，属边界约束反演伪影而非真值集中；PE约49%的估计落在接近指数端，WM约48%落在接近指数端；高斯端比例较小，PE约14%、WM约8%；超过37%的PE像元和44%的WM像元不集中于两种极限形式，需要固定指数或高斯族之外的协方差结构。
3.8 估计粗糙度参数：WM因模型一致性排除像元较少而提供最广空间覆盖；指数、PE和WM一般检索较低RMS高度和较宽相关长度分布，并在局部出现升高值；高斯模型倾向产生较大RMS高度和较短相关长度；差异反映RMS高度、相关长度和协方差形状对模拟粗糙度谱的耦合作用。
3.9 检索土壤水分图：四种粗糙度假定产生不同土壤水分格局和空间覆盖；指数模型检索范围较宽并在局部接近上界，高斯模型总体较低，PE覆盖较完整且空间连续性较好，WM覆盖最广且最连续并保持田块尺度格局；所有模型均值低于参考，WM与SMAP和五个站点参考均值的绝对平均差最小，共同像元分析排序相同；SMAP空间支持较粗、站点为点观测，故比较评估区域均值一致性而非像素尺度精度。
讨论部分总结：协方差表示不是中性选择，农业粗糙度的尺度依赖使固定指数或高斯族难以由s和单一?完全吸收失配；WM以Gaussian–Gamma尺度混合改变粗糙度谱能量分布，应视为多尺度粗糙度表示而非仅增加一个拟合参数。固定指数和高斯模型盲点比率约12%，PE和WM降至约3%，说明低盲点比率表示反演可行性改善，但不必然表示检索精度更高；PE与WM参数数量相同，其差异不能仅归因参数数量，WM表现与农业表面尺度依赖粗糙度更一致。检索形状参数应解释为协方差结构的有效指标，而非物理粗糙度特征的直接测量；相关长度也是雷达尺度有效粗糙度。协方差假设影响失配在s、?和土壤水分间的补偿分配，先验信息与协方差灵活性作用不同；WM与SMAP场景均值最接近，但仍需独立验证。共极化通道误差低于交叉极化，WM优势主要见于共极化通道，交叉极化因Oh型模型不显含协方差形状而证据较弱。35.5 h时间间隔及未观测灌溉、蒸发或耕作可能改变近地表状态，所得参数应视为调和两次准同步观测的有效值；未来需独立、空间分布且时间匹配的土壤水分和二维粗糙度观测，评估像素尺度精度、参数可识别性和形状参数物理解释，并跨日期、入射角和传感器配置检验预测性能，考虑耕作和行向导致的各向异性WM及植被田扩展。
研究结论翻译：本研究在裸露农业土壤上，比较指数、高斯、PE和WM粗糙度协方差表示在准同步RADARSAT-2与Sentinel-1观测独立像素级反演中的表现。粗糙度协方差表示影响反演可行性。在指定共极化残差容差下，固定指数和高斯模型分别产生12.53%和11.85%的盲点比率，而PE和WM分别降至3.64%和3.19%。因此，固定协方差形式实质性限制可达到的共极化后向散射域，而灵活协方差表示使大部分先前不可检索观测在相同容许参数范围内变为可检索。WM在评估诊断中提供最强整体表现。在共同可检索像元子集上，WM对共极化观测给出最一致重建，其最明显优势在两个通道，并与SMAP产生最接近的场景尺度一致性，平均差为 。结合s、?和土壤水分参数的系统模型依赖偏移，这些结果提供强证据表明协方差模型失配可转移到检索粗糙度和土壤水分参数中。PE与WM比较表明，灵活协方差建模的收益不能仅由参数数量解释；两者检索相同数量的粗糙度形状参数，但PE修改协方差衰减，而WM表示有效相关尺度的Gaussian–Gamma混合。对于本文考察的裸露农业表面和多传感器检索设置，WM因此更有效表示控制共极化散射的多尺度粗糙度谱。仍需独立、空间匹配的二维粗糙度和土壤水分观测，以量化像素尺度精度、参数可识别性及检索形状参数的物理解释。SMAP在本分析中作为场景尺度一致性基准而非像素尺度验证参考。这一限制不改变核心结果：协方差结构实质性控制裸露农业土壤多传感器SAR反演中的反演可行性、共极化后向散射重建和土壤水分检索稳健性。
