基于多时相SAR的IEM和Oh模型地表土壤含水率反演与融合

摘要

基于水云模型分析植被后向散射系数的影响,采用考虑组合粗糙度定标的积分方程模型(IEM)与Oh模型,在不利用实测土壤含水率的前提下,建立基于多时相多极化SAR影像的IEM和Oh模型地表土壤含水率反演方法,以2004年5期Walnut Gulch流域ENVISAT-ASAR影像为例,采用加权平均、算术平均两种融合方法对两种模型的3期反演结果进行融合。结果表明:1)流域植被覆盖度低,各地类在植被去除前后的土壤含水率差值多期均值多在0.002 cm^(3)/cm^(3)以下,植被对反演结果的作用不显著;2)基于IEM、Oh模型反演的0720期、0805期、0824期土壤含水率的时空分布较一致,基于IEM模型反演的0714期与0818期土壤含水率较低,基于Oh模型的反演方法受影像极化方式制约,0714期、0818期土壤含水率的空间连续性差;3)基于IEM模型反演结果的均方根误差(RMSE)与偏差(Bias)低于Oh模型,其中0805期土壤含水率存在低估,而Oh模型反演结果在各期存在不同程度高估;4)考虑数据权重的加权平均方法优于算术平均方法,两种方法融合后的RMSE值降低了0.003~0.065 cm3/cm3,0720期、0805期两种方法的融合结果均改进了IEM模型反演结果偏低、Oh模型反演结果偏高的不足。该研究可为基于多时相SAR的多模型/方法土壤含水率反演以及多时相高精度土壤含水率获取提供参考。