Field-scale irrigation estimation using Sentinel-1 and Sentinel-2 data within a soil water balance model coupled to the Water Cloud Model
Martina Natali · Sara Modanesi · Domenico De Santis 等 8 人
提出一种仅用Sentinel-1和Sentinel-2数据估算田间灌溉量的方法，无需地面实测。
耦合水云模型和两层土壤水平衡模型，联合校准，用Sentinel-1后向散射数据驱
偏差校正后，日到双周灌溉估算相关系数0.43-0.95，年估算偏差小于1%。
可探索在更破碎景观或不同作物下扩展该方法，或结合高分辨率土壤湿度产品提高估算精度。
提出结合Sentinel-1/2与土壤水平衡模型的田间尺度灌溉估算新方法，无需地面实测，精度高，对农业水资源管理有重要价值。
灌溉是农业区域水循环的重要组成部分，然而关于灌溉量及其分布的信息却稀缺且不确定。基于遥感的产品已被开发用于跨尺度反演灌溉信息，但由于空间不确定性和混杂因素，特别是在高度破碎化的农业景观中，这些产品表现出局限性。本文提出了一种新方法，通过将Sentinel-1 C波段合成孔径雷达（SAR）后向散射数据与Sentinel-2 NDVI数据整合在一个建模框架内，实现田块尺度上的灌溉估算。该方法涉及水云模型（WCM）与两层土壤水平衡（SWB）模型的联合校准，以同时模拟后向散射、灌溉量、地表及根区土壤湿度以及其他水平衡组分。模型由再分析气象数据驱动，且WCM和SWB中的选定参数仅使用Sentinel-1后向散射数据进行校准，从而使该框架不依赖于实地地面测量。该框架在意大利波河流域一个灌区的38块田地上进行了测试，时间为2018年，并提供了相应的灌溉数据作为参考。研究表明，估算灌溉事件的能力取决于对SAR数据的处理方式：在对Sentinel-1观测值进行偏差校正后，日尺度至双周尺度的灌溉估算平均时间序列相关系数分别可达0.43至0.95。相应的偏差分别为0.01毫米/天和0.04毫米/15天，年度估算的偏差则小于1%。