Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Một phương pháp cải tiến để ước lượng độ ẩm đất trên đất canh tác bằng dữ liệu SAR và dữ liệu quang học
Tóm tắt
Bài báo nhằm mục đích xây dựng mô hình thu hồi độ ẩm đất (SM) đơn giản sử dụng dữ liệu radar synthetic aperture của Sentinel-1 (SAR). Mô hình đám mây nước (WCM) đã loại bỏ sự đóng góp của thảm thực vật vào hệ số phản xạ radar, và hệ số phản xạ của đất đã được ước lượng. Dựa trên mô hình thu hồi SM được thiết lập mà không có các tham số nhấp nhô của đất, độ ẩm đất trên đất nông nghiệp và rừng đã được thu hồi bằng dữ liệu phân cực kép VV-VH của radar. Chúng tôi đã xem xét sự can thiệp của các bề mặt không đồng đều đến tín hiệu radar, và thêm tham số góc tới địa phương của radar vào mô hình để cải thiện độ chính xác, đồng thời xây dựng một mô hình thu hồi SM bán thực nghiệm. Độ chính xác của kết quả cho thấy sai số căn bậc hai trung bình (RMSE) là 0.04 và hệ số tương quan Pearson (r) là 0.80. Mô hình thu hồi SM để loại bỏ các tham số nhấp nhô của đất có thể ước lượng độ ẩm đất với độ chính xác hợp lý. Ảnh hưởng của các yếu tố địa hình (độ cao, độ dốc và hướng) đến kết quả thu hồi của mô hình đã được phân tích. Đã tìm ra rằng khu vực có độ dốc lớn và tín hiệu radar bị chặn không thuận lợi cho việc ước lượng SM. Phương pháp thu hồi SM được xây dựng trong bài báo này cung cấp nhiều lợi thế cho một số nghiên cứu và ứng dụng thực tiễn, và việc áp dụng nó đối với các dữ liệu SAR khác cần được nghiên cứu thêm.
Từ khóa
#độ ẩm đất #mô hình thu hồi #radar synthetic aperture #Sentinel-1 #thảm thực vật #độ dốc #yếu tố địa hìnhTài liệu tham khảo
Aubert M, Baghdadi N, Zribi M, Douaoui A, Garrigues S (2011) Analysis of terrasar-x data sensitivity to bare soil moisture, roughness, composition and soil crust. Remote Sens. Environ. 115(8):1801–1810. https://doi.org/10.1016/j.rse.2011.02.021
Baghdadi N, Cresson R, El Hajj M, Ludwig R, La Jeunesse I (2012) Estimation of soil parameters over bare agriculture areas from C-band polarimetric SAR data using neural networks. Hydrology and Earth System Sciences 16:1607–1621. https://doi.org/10.5194/hess-16-1607-2012
Balenzano A, Mattia F, Satalino G, Davidson MW (2011) Dense temporal series of C and L-band SAR data for soil moisture retrieval over agricultural crops. IEEE J. Select. Top. Appl. Earth Observations Remote Sens. 4:439–450. https://doi.org/10.1109/JSTARS.2010.2052916
Balenzano A, Satalino G, Lovergine F, Rinaldi M, Iacobellis V, Mastronardi N, Mattia F (2013) On the use of temporal series of L-and X-band SAR data for soil moisture retrieval. Capitanata plain case study. Eur. J. Remote Sensing 46:721–737. https://doi.org/10.5721/EuJRS20134643
Bauer-Marschallinger B, Freeman V, Cao S et al (2018) Toward global soil moisture monitoring with Sentinel-1: harnessing assets and overcoming obstacles. IEEE Trans. Geosci. Remote Sens. 57(1):520–539. https://doi.org/10.1109/TGRS.2018.2858004
Champagne C, Berg A, McNairn H, Drewitt G, Huffman T (2012) Evaluation of soil moisture extremes for agricultural productivity in the Canadian prairies. Agric. For. Meteorol. 165:1–11. https://doi.org/10.1016/j.agrformet.2012.06.003
Chen KS, Tzong-Dar W, Tsang L, Li Q, Shi J, Fung AK (2003) Emission of rough surfaces calculated by the integral equation method with comparison to three-dimensional moment method simulations. IEEE Trans. Geosci. Remote Sens. 41:90–101. https://doi.org/10.1109/TGRS.2002.807587
Dey S, Mandal D, Robertson LD, Banerjee B, Kumar V, McNairn H, Bhattacharya A, Rao Y (2020) In-season crop classification using elements of the kennaugh matrix derived from polarimetric radarsat-2 sar data. Int. J. Appl. Earth Obs. Geoinf. 88:102059. https://doi.org/10.1016/j.jag.2020.102059
El Hajj M, Baghdadi N, Zribi M, Bazz H (2017) Synergic use of Sentinel-1 and Sentinel-2 images for operational soil moisture mapping at high spatial resolution over agricultural areas. Remote Sens. 9(12):1292. https://doi.org/10.3390/rs9121292
Gherboudj I, Magagi R, Berg AA, Toth B (2011) Soil moisture retrieval over agricultural fields from multi-polarized and multi-angular radarsat-2 sar data. Remote Sensing of Environment 115(1):33–43. https://doi.org/10.1016/j.rse.2010.07.011
Gorrab A, Zribi M, Baghdadi N, Mougenot B, Chabaane Z (2015) Potential of X-band TerraSAR-X and COSMO-SkyMed SAR data for the assessment of physical soil parameters. Remote Sens. 7:747–766. https://doi.org/10.3390/rs70100747
Hajj ME, Baghd AdIN, Zribi M, Belaud G, Cheviron B et al (2016) Soil moisture retrieval over irrigated grassland using x-band sar data. Remote Sensing of Environment 176:202–218. https://doi.org/10.1016/j.rse.2016.01.027
Kim Y, Van Zyl JJ (2009) A Time-Series Approach to Estimate Soil Moisture Using Polarimetric Radar Data. IEEE Transactions on Geoscience & Remote Sensing 47(8):2519–2527. https://doi.org/10.1109/TGRS.2009.2014944
Korres W, Reichenau TG, Schneider K (2013) Patterns and scaling properties of surface soil moisture in an agricultural landscape: an ecohydrological modeling study. J. Hydrol. 498:89–102. https://doi.org/10.1016/j.jhydrol.2013.05.050
Koster R, Dirmeyer P, Guo Z, Bonan G et al (2004) Regions of Strong Coupling Between Soil Moisture and Precipitation. Science 305(5687):1138–1140. https://doi.org/10.1126/science.1100217
Leenhardt D, Trouvat JL, Gonzalès G, Pérarnaud V, Prats S, Bergez JE (2004) Estimating irrigation demand for water management on a regional scale: i. adeaumis, a simulation platform based on bio-decisional modelling and spatial information. Agricultural Water Management 68(3): 207-232. https://doi.org/10.1016/j.agwat.2004.04.004
Mandal D, Kumar V, Ratha D, et al. (2020) Dual polarimetric radar vegetation index for crop growth monitoring using sentinel-1 SAR data. Remote Sensing of Environment 247:111954. https://doi.org/10.1016/j.rse.2020.111954
Mattia F, Satalino G, Pauwels V, Loew A (2009) Soil moisture retrieval through a merging of multi-temporal L-band SAR data and hydrologic modelling. Hydrol. Earth Syst. Sci. 13:343–356. https://doi.org/10.5194/hess-13-343-2009
Sekertekin A, Marangoz AM, Abdikan S (2020) ALOS-2 and Sentinel-1 SAR data sensitivity analysis to surface soil moisture over bare and vegetated agricultural fields. Computers and Electronics in Agriculture 171:1–11. https://doi.org/10.1016/j.compag.2020.105303
Oh Y, Sarabandi K, Ulaby FT (2002) Semi-empirical model of the ensemble-averaged differential mueller matrix for microwave backscattering from bare soil surfaces. Geoscience & Remote Sensing IEEE Transactions on 40(6):1348–1355. https://doi.org/10.1109/TGRS.2002.800232
Ouellette JD, Johnson JT, Balenzano A, Mattia F, Satalino G, Kim SB et al (2017) A time-series approach to estimating soil moisture from vegetated surfaces using L-band radar backscatter. IEEE Trans. Geosci. Remote Sens. 55(6):3186–3193. https://doi.org/10.1109/TGRS.2017.2663768
Saux-Picart S, Ottlé C, Decharme B et al (2009) Water and energy budgets simulation over the AMMA-Niger super-site spatially constrained with remote sensing data. Journal of Hydrology 375(1–2):287–295. https://doi.org/10.1016/j.jhydrol.2008.12.023
Shakya AK, Romola A, Kandwal A, Vidyarthi A (2021) Soil moisture sensor for agricultural applications inspired from state of art study of surfaces scattering models & semi-empirical soil moisture models - sciencedirect. Journal of the Saudi Society of Agricultural Sciences 20(8):559–572. https://doi.org/10.1016/j.jssas.2021.06.006
Shi H, Zhao L, Yang J, Lopez-Sanchez JM, Zhao J, Sun W, Shi L, Li P (2021) Soil moisture retrieval over agricultural fields from l-band multi-incidence and multitemporal polsar observations using polarimetric decomposition techniques. Remote Sens. Environ. 261:112485. https://doi.org/10.1016/j.rse.2021.112485
Stuurop JC, Sjoerd EATM, van der Zee, Voss CI, French HK (2021) Simulating water and heat transport with freezing and cryosuction in unsaturated soil: comparing an empirical, semi-empirical and physically-based approach. Advances in Water Resources 149(2):103846. https://doi.org/10.1016/j.advwatres.2021.103846
Trudel M, Charbonneau F, Leconte R (2012) Using RADARSAT-2 polarimetric and ENVISAT-ASAR dual-polarization data for estimating soil moisture over agricultural fields. Can. J. Remote. Sens. 38(4):514–527. https://doi.org/10.5589/m12-043
Ulaby FT, Moore RK, Fung AK (1981) Microwave remote sensing: active and passive. volume 1 - microwave remote sensing fundamentals and radiometry. Remote Sensing A. https://doi.org/10.1109/IGARSS.2007.4423026
Wang R, Song X, Ma J, Sun C (2018) Retrieval of soil moisture in Zhangye Prefecture based on Radarsat-2 data. Journal of University of Chinese Academy of Sciences 3(35):327-335. 10.7523 /j.issn.2095-6134.2018.03.007
Wang Z, Zhao T, Qiu J, Zhao X, Li R, Wang S (2020) Microwave-based vegetation descriptors in the parameterization of water cloud model at L-band for soil moisture retrieval over croplands. GISci. Remote Sens. 1-20. https://doi.org/10.1080/15481603.2020.1857123
Wei J, Li P, Yang J, Zhang J, Lang F (2014) A new automatic ship detection method using L-band polarimetric SAR imagery. IEEE J. Select. Top. Appl. Earth Observations Remote Sensing 7:1383–1393. https://doi.org/10.1109/JSTARS.2013.2269996
Wu TD, Chen KS (2004) A reappraisal of the validity of the iem model for backscattering from rough surfaces. Geoscience & Remote Sensing IEEE Transactions on 42(4):743–753. https://doi.org/10.1109/TGRS.2003.815405
Zheng X, Feng Z, Li L, Li B, Chen S (2021) Simultaneously estimating surface soil moisture and roughness of bare soils by combining optical and radar data. International Journal of Applied Earth Observation and Geoinformation 100(22):102345. https://doi.org/10.1016/j.jag.2021.102345
Rahman MM, Moran MS, Thoma DP, Bryant R, Collins C, Jackson T et al (2008) Mapping surface roughness and soil moisture using multi-angle radar imagery without ancillary data. Remote Sensing of Environment 112(2):391–402. https://doi.org/10.1016/j.rse.2006.10.026
Zhu L, Walker JP, Ye N, Rüdiger C (2019) Roughness and vegetation change detection: a pre-processing for soil moisture retrieval from multi-temporal sar imagery. Remote Sensing of Environment 225:93–106. https://doi.org/10.1016/j.rse.2019.02.027
Zribi M, Dechambre M (2002) A new empirical model to retrieve soil moisture and roughness from c-band radar data. Remote Sensing of Environment 84(1):42–52. https://doi.org/10.1016/S0034-4257(02)00069-X
Zribi M, Muddu S, Bousbih S, Al Bitar A, Tomer SK, Baghdadi N, Bandyopadhyay S (2019) Analysis of L-band SAR data for soil moisture estimations over agricultural areas in the tropics. Remote Sens. 11:1122. https://doi.org/10.3390/rs11091122