在不同土壤质地和水分条件下基于广义菲涅耳反射率指数的多极化SAR土壤水分反演

《Remote Sensing Applications: Society and Environment》：Multi - polarization SAR soil moisture retrieval using a generalized Fresnel - based Reflectivity Index across diverse soil textures and moisture regimes

　　

摘要 合成孔径雷达（SAR）观测能够在全天候条件下实现高分辨率的土壤水分（SM）反演。在各种SAR土壤水分反演方法中，近期提出的反射指数（IR）通过建立SAR后向散射与菲涅尔反射系数之间的线性关系，提供了一个基于物理的框架，从而将后向散射与土壤介电特性明确地联系起来。本研究将IR框架推广至多极化SAR观测（VV和HH），并利用Sentinel-1A（VV）、EOS-04（HH）以及印度南部五个监测站点的原位土壤水分观测数据进行了系统评估，这些站点涵盖了多种土壤质地和水分状态。结果表明，基于IR的反演在VV极化下精度更高（ubRMSE = 5.4 vol.%），优于HH极化（ubRMSE = 6.1 vol.%），相应提高了约13%。该方法在干燥土壤条件下也能提供更可靠的反演（ubRMSE = 3.7 vol.%），而反演性能随土壤质地变化，在富含黏土的土壤上精度较低，因为早期的介电饱和降低了后向散射的敏感性，限制了有效动态范围。总体而言，本研究强化了IR框架的物理稳健性，并突出了极化、介电动力学和土壤质地在SAR土壤水分反演中的关键作用，支持其在不同土壤条件下的业务化应用潜力。

引言 土壤水分（SM）是农业监测、干旱评估、环境研究、水文建模以及降水-径流反馈分析中的基本参数（Seneviratne等人，2010；Le Page等人，2020）。它直接影响作物生长和发育，使其成为作物和水资源管理中不可或缺的因素（Humphrey等人，2021）。在过去二十年中，遥感已成为在全球到区域流域和单个农田等多个空间尺度上估算土壤水分的重要工具。在区域尺度上，遥感能够实现覆盖数十至数百公里的河流流域、流域和农业区的土壤水分监测，而高分辨率观测则能够在农田尺度上实现土壤水分估算，其中与土壤性质、植被、灌溉和管理实践相关的空间变异性尤为重要。先进合成孔径雷达（SAR）任务的发展进一步增强了高分辨率土壤水分反演的能力，尤其是在农田尺度上，这得益于微波后向散射对近地表土壤水分的敏感性及其在多种天气和光照条件下提供观测的能力（Kim等人，2014；Ayari等人，2022；Muhuri等人，2023；Lal等人，2025）。

已开发出多种从SAR数据中反演土壤水分的方法，包括物理驱动模型、统计和高级机器学习技术（如神经网络）以及变化检测方法（Kim等人，2014；Santi等人，2016；Kim等人，2017；El Hajj等人，2017；Graldi等人，2023；Park等人，2024）。其中，变化检测方法因其算法简单、输入需求少以及相对较高的反演精度而尤其具有吸引力，使其适用于业务化土壤水分产品（Tomer等人，2015；Zribi等人，2021）。最早的变化检测框架之一是利用ERS、ASCAT和MetOp卫星数据，在更粗糙的空间分辨率上生成业务化SM产品（Wagner等人，1999）。该框架随后被扩展到公里级空间分辨率，实现了1 km分辨率的土壤水分反演（Bauer-Marschallinger等人，2019）。Gao等人（2017）提出了一种面向应用的变化检测方法，而Tomer等人（2015）提出了一种基于累积分布函数（CDF）的方法。这些方法假设两次连续卫星过境之间SAR后向散射的变化主要由土壤水分变化驱动，假设植被动态变化最小且短时间内地表粗糙度不变。Tomer等人（2015）报告了反演精度RMSE低于6.0 vol.%，基于植被和地表粗糙度在采集之间保持稳定的假设。然而，这些假设在连续的Sentinel-1采集过程中可能不成立，特别是在印度次大陆，其重访周期通常为12天。为了解决这一局限，Zhu等人（2022）提出了一种高级变化检测框架，通过建模后向散射衰减并使用权重分辨率产品（如SMAP）来约束土壤水分估计值，以考虑随时间变化的植被效应，从而减少与植被和粗糙度变异性相关的不确定性。

尽管取得了这些进展，大多数变化检测方法仍严重依赖SAR后向散射与土壤水分之间线性关系的假设。许多研究表明，由于介电饱和效应降低了后向散射敏感性，该假设在高土壤水分条件下不再有效（Kim等人，2011）。为解决这一介电非线性问题，Zribi等人（2021）提出了一种基于菲涅尔的反射指数（IR）。通过数值模拟，他们证明，尽管SAR后向散射与土壤水分之间的关系是非线性的，但当以对数尺度表示时，SAR后向散射与菲涅尔反射系数之间存在线性关系。在该框架中，SAR后向散射的变化与菲涅尔反射系数对数的变化相关，而不是直接与土壤水分差异相关。利用Sentinel-1 VV极化数据的验证表明，与传统指数相比，土壤水分反演性能得到了改善。

然而，基于SAR的土壤水分反演仍然复杂，因为SAR后向散射对表层土壤高度敏感，信号的穿透深度由频率以及地表特性（如介电常数、粗糙度、水分含量和植被覆盖）所控制（Baghdadi等人，2012；Zribi等人，2014）。入射角和极化带来了额外的复杂性，两者都显著影响后向散射-土壤水分关系。先前的研究表明，极化在土壤水分反演性能中起着关键作用。特别是，SAR后向散射对介电（尤其是对水分变化）的敏感性在不同极化下有所不同（Kim等人，2017；Gupta等人，2026）。VV极化通常表现出相对于土壤水分更大的动态范围，而HH极化可能在特定地表和水分条件下表现更好，特别是在较大入射角下（Liao等人，2021）。

土壤质地进一步使反演性能复杂化。早期的介电实验表明，在相同水分条件下，富含黏土的土壤与沙质土壤相比，后向散射敏感性较低（Ulaby等人，1978；Dobson等人，1984）。近期的Sentinel-1田间尺度分析证实，VV后向散射-土壤水分关系的斜率仍强烈依赖于质地，砂壤土表现出比黏土更陡的敏感性（Stanyer等人，2025）。这种行为主要归因于黏土颗粒较高的比表面积，其保留了更大比例的束缚水，其特征是较低的介电常数（Abdulraheem等人，2024）。尽管黏土土壤具有更高的孔隙率和饱和容量，但其后向散射响应往往被抑制，因为水分分布在更大的孔隙体积中（Gao等人，2024）。

从上述讨论中可以看出，土壤水分反演性能依赖于极化和土壤质地。Zribi等人（2021）提出的反射指数本质上基于菲涅尔反射系数，后者直接由土壤介电特性和极化配置所控制。因此，预期其性能在不同极化和土壤类型间也会有所不同。尽管（Zribi等人，2021）使用VV极化验证了该指数，但由于数据限制，其在HH极化中的适用性无法评估。此外，其研究站点缺乏详细的土壤质地信息，导致无法进行全面的质地依赖评估。因此，在指数被完全采纳用于业务化应用之前，系统研究极化和质地依赖行为是必不可少的。

为了解决这些局限，本研究的目标是评估基于菲涅尔的反射指数在C波段SAR观测中HH极化下的适用性。此外，本研究对不同土壤质地类型和土壤水分范围内指数性能进行了全面评估，为其在不同地表条件下的稳健性和局限性提供了新的见解。

本文其余部分组织如下。第二节描述了研究区域、原位土壤水分数据集以及本分析中使用的SAR数据。第三节概述了用于评估反射指数极化依赖行为的方法论。第四节展示了结果和讨论，重点聚焦于极化、土壤水分范围和土壤质地对反演性能的影响。最后，第五节总结了本研究的主要发现和结论。

研究区域 本研究共调查了五个土壤水分监测站点（图1）。所有站点均位于印度卡纳塔克邦恰马拉贾纳加勒县，大致在200 km半径范围内。这些站点包括：Beechanahalli 1（BCH1）、Beechanahalli 2（BCH2）、Madyanahundi（MDY）、Moodnakodu（MNK）和Signallaur（SGN）。所有站点均配备了5 cm深度处使用自动HydroProbe传感器的连续原位土壤水分监测系统，观测记录间隔为15[分钟/小时]。

方法论 本研究的目标是验证并扩展（Zribi等人，2021）提出的土壤水分反演方法。在他们的工作中，通过证明SAR后向散射与菲涅尔反射系数之间的线性关系，提出了一种新颖的基于菲涅尔的反射指数。具体来说，Zribi等人（2021）证明，VV极化下的SAR后向散射可以表示为一个粗糙度相关项和一个由菲涅尔反射[系数控制的项之和]。

对两种共极化下ISSM和IR的评估 反射指数（IR）和经典土壤水分指数（ISSM）被应用于所有五个监测站点。所有站点的特征均为裸土或低密度植被覆盖，确保植被对雷达后向散射的影响最小。Sentinel-1A和EOS-04 SAR数据在中心位于每个原位土壤水分测量站点的30 m × 30 m窗口内的线性域中提取并平均。选择30 m × 30 m范围主要是为了代表裸土。

结论 本研究调查了Zribi等人（2021）提出的基于菲涅尔的反射指数（IR），其基于对数空间中SAR后向散射与菲涅尔反射系数之间的线性关系。Zribi等人（2021）证明了在裸土条件下，该指数在遥感土壤水分反演方面优于经典土壤水分指数。其验证是使用Sentinel-1A VV极化数据在三个研究区域进行的。

作者贡献声明 Vaibhav Gupta：撰写——原始草稿，可视化，验证，方法论，形式分析，数据整理，概念化。Mehrez Zribi：撰写——审阅与编辑，概念化。Nicolas Baghdadi：撰写——审阅与编辑，概念化。Sekhar Muddu：撰写——审阅与编辑，监督，资金获取，概念化。

伦理声明 本研究不涉及任何人类参与者或动物。原位土壤水分测量是使用HydraProbe传感器按照农田中的标准观测程序获取的。本研究中使用的卫星数据集均为公开可用的，并已根据其各自的数据政策使用。作者声明与本工作无关的任何竞争利益或利益冲突。

利益冲突声明 作者声明无利益冲突。

致谢 本研究使用了卡纳塔克邦流域局REWARD倡议下部署的土壤水分传感器，该项目由世界银行资助（GoK CP.22-0037 IISc）。Sentinel-1A SAR数据来源自欧洲航天局通过哥白尼开放获取中心。此外，EOS-04（RISAT-1A）数据通过印度太空研究组织海得拉巴国家遥感中心维护的Bhoonidhi门户获取。作者衷心感谢K. Sanjeeva Murthy先生和M.[某先生]。

Vaibhav Gupta | Mehrez Zribi | Nicolas Baghdadi | Sekhar Muddu 印度班加罗尔印度理工学院土木工程系，卡纳塔克邦，560012，印度