《Geoscience Frontiers》：Synergistic multi-sensor approach for soil moisture estimation in semi-arid monsoonal basins
编辑推荐：
摘要土壤湿度影响着陆地-大气相互作用、农业生产力、水文过程以及生态系统功能；然而，在地形复杂的半干旱地区准确估算土壤湿度仍面临挑战。本文提出一种多传感器融合方法，结合Sentinel-1和Sentinel-2的雷达后向散射数据、Landsat-8的光学反射率数据，以及Soil M
摘要
土壤湿度影响着陆地-大气相互作用、农业生产力、水文过程以及生态系统功能；然而，在地形复杂的半干旱地区准确估算土壤湿度仍面临挑战。本文提出一种多传感器融合方法，结合Sentinel-1和Sentinel-2的雷达后向散射数据、Landsat-8的光学反射率数据，以及Soil Moisture Active Passive（SMAP）任务的辅助数据，用于估算地表土壤湿度。研究以2015–2025年的塔米拉巴拉尼河流域为对象，以SMAP数据作为独立参考数据进行评估。通过多元线性回归分析，该方法表现出良好的预测性能，纳什-萨特克利夫效率为0.78，均方根误差为0.040??m3/m3，平均绝对误差为0.032??m3/m3。总体而言，雨季前的土壤湿度估算精度较低，而雨季后精度有所提升，这是因为降水增加提升了土壤湿度并改变了植被结构。该流域的东北部和西部地区土壤湿度较高（0.41–0.48??m3/m3），这是因为这些地区的森林覆盖较密，有助于保持水分。敏感性分析表明，雷达信号与植被的相互作用以及之前的降水情况是导致土壤湿度估算差异的主要原因。与其他机器学习算法的对比显示，该方法在保持物理可解释性的同时，也具有类似的预测精度。不确定性主要来源于SMAP数据，以及卫星网格的粗略程度与实际空间结构的差异。研究结果表明，这种可解释的多传感器融合方法能够有效解析半干旱地区的区域尺度土壤湿度变化，为那些实地观测数据较少的地区的土地和水资源管理提供支持。
P. Harani|Sneha Gautam|Suneel Kumar Joshi|Chang-Hoi Ho
