吴善玉 鲍艳松 李叶飞 吴莹

摘要 以西班牙萨拉曼卡地区为研究区域，联合Sentinel-1后向散射系数和入射角信息、Sentinel-2光学数据提取的植被指数以及地面实测数据，构建了BP神经网络土壤湿度反演模型，并将该模型应用于试验区土壤湿度反演。结果表明：1）基于Sentinel-1卫星VV和VH极化雷达后向散射系数、雷达入射角和Sentinel-2植被指数数据构建的BP神经网络土壤湿度反演模型，能够实现对该地区土壤湿度高精度反演;2）在光学与微波数据联合反演植被覆盖区土壤湿度中，Sentinel-2的NDVI、NDWI1和NDWI2指数都可以用于削弱植被对土壤湿度反演的影响，但基于SWRI1波段的NDWI1能够获得更高精度的土壤湿度反演结果（RMSE为0.049 cm3/cm3，ubRMSE为0.048 cm3/cm3，Bias为0.008 cm3/cm3，r为0.681）;3）相比于Sentinel-1 VH极化模式，Sentinel-1 VV极化模式在土壤湿度中表现出更大优势，说明Sentinel-1 VV极化模式更适用于土壤湿度反演。

关键词 土壤水分; Sentinel-1; Sentinel-2; BP神经网络

土壤水分无论在气候、水文模型还是在农业应用中都是一个重要的参数，它在全球水和能量循环中发挥着重要作用，尤其在气候变化、干旱监测等方面都具有重要意义（Petropoulos et al.，2015;王国杰等，2018a;宋耀明，2019;余波，2020）。因此，土壤水分时空变化的准确估算对于生态环境研究极其重要。

传统的土壤水分观测方法成本高，耗费人力物力，且只适用于采集小范围样点的土壤水分信息，很难建立大尺度的土壤水分观测网络（Lu et al.，2014;王静，2018）。而遥感监测方法，尤其是微波遥感因其全天时、全天候、高分辨率、穿透性强及对土壤水分变化敏感的优势，成为土壤水分观测的主要发展方向（赵少华等，2010）。……