基于Landsat8与Sentinel-1遥感图像融合的土壤含水率反演模型

作者：陈俊英; 项茹; 贺玉洁; 吴雨箫; 殷皓原; 张智韬

来源：农业机械学报, 2023, 1-18.

• 土壤含水率
• 卫星图像融合
• 机器学习
• 耦合模型

针对当前运用单一光学卫星反演土壤含水率时易受到云的影响，单一SAR卫星反演土壤含水率时易受到地表粗糙度和植被影响的问题，以2019年4月内蒙古河套灌区沙壕渠为研究区域，以4个深度的土壤含水率为研究对象，分别采用主成分分析(PCA)、施密特正交变换(GS)融合Landsat8和Sentinel-1图像以减少云、植被、土壤粗糙度的影响，并对融合后的图像质量进行评价，然后用融合图像的灰度构建1134种遥感指数，基于相关系数分析、变量投影重要性分析、灰色关联分析3种变量筛选方法与BP神经网络(BP)、极限学习机(ELM)、随机森林(RF)、支持向量机(SVM)4种机器学习算法的耦合模型反演沙壕渠土壤含水率。研究结果表明：经PCA、GS融合后的融合图像可同时保持Sentinel-1和Landsat8图像的优势，并成功定量反演土壤含水率。基于融合图像构建的三维指数普遍比二维指数对土壤含水率更敏感。在表层土壤含水率的反演中，基于GS融合的VIP-ELM模型精度最高(决定系数R2=0.66，均方根误差(RMSE)为1.35%)。将GS融合的VIP-ELM模型应用于其土壤深度的反演后发现，20～40cm反演精度最高(R2=0.79，RMSE为0.94%)，其次是0～10cm、40～60cm、10～20cm。该研究可为多源卫星图像融合反演土壤含水率提供参考。

• 单位
  建筑工程学院; 西北农林科技大学