Accurate diagnosis of soil moisture and canopy water content in citrus orchards based on synergistic multi-source remote sensing
Zongjun Wu · Bin Zhu · Ningbo Cui 等 9 人
融合多源遥感数据改进水云模型，实现柑橘园土壤水分和冠层含水量高精度反演。
集成Landsat-8/9、Sentinel-2和Sentinel-1A数据，引
VV极化反演精度优于VH，果实成熟期精度最高，R²达0.842。
可探索将动态冠层参数方法应用于其他作物或区域，结合更高分辨率数据提升反演精度。
提出多源遥感协同反演土壤水分的新方法，对丘陵山地精准灌溉有参考价值，但时效性一般。
土壤水分的精准预测对于精准农业灌溉决策和区域水资源优化调度至关重要。然而，区域土壤水分反演普遍面临三大局限，包括对单一遥感数据源的过度依赖、传统物理模型中采用固定冠层参数，以及中国西南多云山区严重的云污染问题。本研究构建了一种融合Landsat-8/9、Sentinel-2和Sentinel-1A数据集的协同多源遥感框架，通过引入物候驱动的动态冠层参数对传统水云模型进行改进。具体而言，利用Landsat-8/9和Sentinel-2影像精确反演了不同生长阶段晚熟柑橘的冠层覆盖度和冠层含水量，以优化冠层后向散射信号的模拟。全天候C波段雷达数据有效缓解了西南丘陵地区普遍存在的持续云覆盖限制。结果表明，光学遥感反演的大规模柑橘园植被含水量表现出显著的空间变异性，主要分布在1.65–5.71 kg·m⁻²和1.55–5.78 kg·m⁻²范围内。使用多时相Sentinel-1A VV极化的土壤水分反演结果优于VH极化，R²范围分别为0.785–0.854和0.515–0.759，RMSE范围分别为6.125–8.351%和6.942–8.412%。两种极化数据在柑橘果实成熟期反演精度最高，R²范围分别为0.811–0.842和0.682–0.711，RMSE范围分别为6.125–6.132%和6.942–7.025%。本研究提出了一种在区域农田尺度上实现地表土壤水分高分辨率精准反演的新方法。