基于神经网络算法的Sentinel-1和Sentinel-2遥感数据联合反演土壤湿度研究

【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 cm~3/cm~3,ubRMSE为0.048 cm~3/cm~3,Bias为0.008 cm~3/cm~3,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。