艾 璐， 孫淑怡， 李書(shū)光， 馬紅章

(中國(guó)石油大學(xué)(華東)理學(xué)院，青島 266580)

0 引言

土壤水分在農(nóng)業(yè)用水管理、農(nóng)作物估產(chǎn)、旱情監(jiān)測(cè)和精準(zhǔn)灌溉中起著非常重要的作用，因此快速精準(zhǔn)地監(jiān)測(cè)土壤水分空間變化具有重要意義[1-5]。通過(guò)探針?lè)ɑ蛑亓糠▉?lái)測(cè)定土壤水分的傳統(tǒng)方法，雖然精度高，但不能滿足大范圍土壤水分監(jiān)測(cè)的需求。遙感技術(shù)具有覆蓋廣、時(shí)效強(qiáng)的特點(diǎn)，是目前大尺度土壤水分監(jiān)測(cè)的主要手段[2,6-8]。

光學(xué)遙感能提供高光譜分辨率、高空間分辨率的數(shù)據(jù)，基于光學(xué)遙感的土壤水分監(jiān)測(cè)技術(shù)主要適用于裸露地表，在植被覆蓋區(qū)由于無(wú)法直接獲取土壤的光譜信息，導(dǎo)致其土壤水分監(jiān)測(cè)能力有限。熱紅外遙感可基于地表溫度的變化來(lái)估算土壤水分，在低植被覆蓋區(qū)，熱慣量法[9]是最常用的反演方法，因?yàn)橥寥罒釕T量隨著土壤水分含量的增加而增大，導(dǎo)致地表晝夜溫差降低； 在中高植被覆蓋區(qū)，溫度植被干旱指數(shù)法(temperature vegetation dryness index，TVDI)是聯(lián)合光學(xué)與熱紅外遙感進(jìn)行土壤水分反演或土壤干旱程度監(jiān)測(cè)的常用方法。光學(xué)和熱紅外遙感容易受到云、霧等大氣條件的影響，土壤水分監(jiān)測(cè)的連續(xù)性難以得到保證[10-13]。合成孔徑雷達(dá)(synthetic aperture Radar,SAR)對(duì)大氣的穿透能力強(qiáng)，具有在各種氣象條件下的全天候?qū)Φ赜^測(cè)能力，且SAR回波強(qiáng)度對(duì)土壤水分變化有較高的靈敏性。目前基于星載SAR后向散射系數(shù)與土壤水分的相關(guān)性[14]，進(jìn)行區(qū)域土壤水分反演的遙感技術(shù)方法已得到普遍應(yīng)用。

在植被覆蓋區(qū)，由于植被層對(duì)微波的強(qiáng)烈散射作用，造成SAR后向散射系數(shù)對(duì)土壤水分變化的敏感性下降，降低了土壤水分的反演精度[15-19]。光學(xué)遙感可有效提取植被冠層的信息，因此光學(xué)與SAR遙感協(xié)同反演土壤水分能夠結(jié)合二者優(yōu)點(diǎn)，提高土壤水分的反演精度[20]。本文簡(jiǎn)要總結(jié)了光學(xué)與SAR遙感協(xié)同反演土壤水分研究中相關(guān)模型與算法的進(jìn)展情況和存在的主要問(wèn)題，并對(duì)農(nóng)田區(qū)土壤水分反演研究的前景進(jìn)行展望。

1 常用模型

大部分陸地地表均有植被覆蓋，植被的存在使得利用微波遙感反演土壤水分的難度大大增加。在植被覆蓋區(qū)，微波遙感會(huì)受到地表粗糙度和植被的雙重影響，因此基于微波遙感技術(shù)的土壤水分反演研究中如何去除土壤粗糙度和植被的影響尤為重要。國(guó)內(nèi)外學(xué)者研究發(fā)現(xiàn)，不同波段對(duì)于土壤水分和冠層參數(shù)的響應(yīng)度不同[21]，每個(gè)波段都有自身敏感的對(duì)象，比如，光學(xué)遙感數(shù)據(jù)對(duì)植被信息較敏感，而SAR遙感數(shù)據(jù)對(duì)土壤水分信息更敏感[22]，因此，將光學(xué)遙感與SAR兩者相結(jié)合來(lái)消除植被層對(duì)土壤水分反演的影響受到了學(xué)者們的普遍關(guān)注。目前，綜合運(yùn)用光學(xué)和SAR遙感技術(shù)進(jìn)行土壤水分的監(jiān)測(cè)研究，已取得了一系列突破，發(fā)展了眾多土壤水分反演的相關(guān)算法和模型。

1.1 土壤微波散射模型

(1)

式中：Wn為表面相關(guān)函數(shù)的冪次傅里葉變換；Re為表面反射率； *表示共軛；k為波數(shù)；s為土壤表面均方根高度；θ為雷達(dá)入射角；fpq為基爾霍夫系數(shù)；Fpq為補(bǔ)償場(chǎng)系數(shù)；pq表示極化狀態(tài)。

由于IEM模型對(duì)不同粗糙度條件下的地表微波散射模擬精度存在差異。Wu等[24]和Chen等[25]通過(guò)修正菲涅爾反射系數(shù)的計(jì)算方法和粗糙度功率譜函數(shù)，使模型模擬精度得到進(jìn)一步提高，改進(jìn)后模型被稱為AIEM模型。相關(guān)研究表明，相比IEM模型，AIEM模型不僅有更寬的粗糙度適用范圍，而且具有更強(qiáng)的模擬寬波段和大角度觀測(cè)數(shù)據(jù)的能力[26-28]。

為消除地表粗糙度影響，提高土壤水分反演精度，國(guó)內(nèi)外學(xué)者基于觀測(cè)數(shù)據(jù)或理論模型模擬數(shù)據(jù)，發(fā)展了土壤粗糙度半經(jīng)驗(yàn)?zāi)Ｐ?，如Dubois模型[29]和Oh模型[30]。

Dubois模型是計(jì)算SAR同極化后向散射系數(shù)的半經(jīng)驗(yàn)?zāi)Ｐ?，適用于當(dāng)1.5 GHz≤f≤11 GHz，30°≤θ≤65°和0.3 cm≤ks≤3.0 cm，mv≤0.35 cm3/cm3和NDVI≤0.4的地表，其中f為頻率；mv為土壤水分；NDVI為歸一化植被指數(shù)，具體可表達(dá)為：

(2)

(3)

式中：εr為介電常數(shù)的實(shí)部；λ為波長(zhǎng)。

Oh模型是基于實(shí)測(cè)數(shù)據(jù)發(fā)展而來(lái)的半經(jīng)驗(yàn)?zāi)Ｐ?，可從多極化雷達(dá)觀測(cè)結(jié)果中獲取土壤水分和表面均方根高度，在0.1 cm≤ks≤6 cm，10°≤θ≤70°，0.09 cm3/cm3≤mv≤0.31 cm3/cm3等條件下較為適用，經(jīng)驗(yàn)方程為：

(4)

(5)

(6)

式中Γ0為土壤菲涅爾反射系數(shù)。

1.2 PROSAIL模型

PROSAIL模型是由PROSPECT葉片光譜模型和SAIL模型耦合得到的[31]。PROSPECT模型是由Allen等[32]于1969年提出的平板模型改進(jìn)而來(lái)。輸入葉片的微觀結(jié)構(gòu)參數(shù)及生化參數(shù)，模型可模擬從可見(jiàn)光—中紅外波段范圍內(nèi)的葉片反射與透射光譜。SAIL模型是適用于農(nóng)田冠層的最具代表性的輻射傳輸模型之一，是Verhoef[33]在SUIT模型[34]的基礎(chǔ)上發(fā)展而來(lái)的。SAIL模型考慮了影響冠層輻射傳輸?shù)娜~傾角、葉片光譜、土壤光譜、葉面積指數(shù)(leaf area index,LAI)、熱點(diǎn)大小等參數(shù)，可以準(zhǔn)確的模擬冠層光譜。Jacquemoud[35]首先證明了PROSPECT模型和SAIL模型在理論上耦合的可行性，之后PROSAIL模型被廣泛用于植被生物量、冠層含水量mveg和LAI等方面的研究。

1.3 水云模型

水云模型是Ulaby等[36]在1984年提出，該模型將植被層假定為一個(gè)各向同性散射體，把地表后向散射描述為植被直接散射與經(jīng)過(guò)植被雙程衰減的土壤散射之和。水云模型一般表示為：

(7)

(8)

τ2(θ)=exp(-2BVIsecθ)

(9)

實(shí)際應(yīng)用中關(guān)于VI的確定，Lievens等[37]選取LAI，VWC和NDVI作為植被指標(biāo)初始化水云模型，得到土壤水分，結(jié)果顯示，該研究區(qū)利用LAI推導(dǎo)土壤水分的精度遠(yuǎn)遠(yuǎn)高于其他2種植被指數(shù)。2015年，Kweon等[38]利用植被含水量影響雷達(dá)穿透深度的特點(diǎn)對(duì)水云模型進(jìn)行了修正，回歸了經(jīng)驗(yàn)系數(shù)A和B。

1.4 比值模型

比值模型由Joseph等[39]在2008年提出，模型假設(shè)對(duì)特定為雷達(dá)系統(tǒng)土壤后向散射系數(shù)與雷達(dá)總后向散射系數(shù)的比值僅與冠層參數(shù)有關(guān)。模型可表示為：

(10)

式中v為冠層參數(shù)。

為去除植被影響，Joseph等[40]用植被指數(shù)的平方和e指數(shù)的線性組合來(lái)表達(dá)F，即

aVI2+exp(-bVI)+C=F(v) ，

(11)

式中a,b,c均為模型經(jīng)驗(yàn)系數(shù)。

2012年，Prakash等[41]單獨(dú)使用植被指數(shù)的二次多項(xiàng)式作為F的表達(dá)式，即

aVI2+bVI+c=F(v)

(12)

2018年，Bai等[42]用植被指數(shù)的線性函數(shù)和冪指數(shù)函數(shù)的組合來(lái)表示F，即

aVI+bVIc=F(v)

(13)

在實(shí)際應(yīng)用中，一般由光學(xué)遙感數(shù)據(jù)提取的植被指數(shù)，通過(guò)合適的函數(shù)形式來(lái)表示土壤后向散射系數(shù)與地表總后向散射系數(shù)的比值，同時(shí)借助理論模型模擬數(shù)據(jù)或?qū)崪y(cè)數(shù)據(jù)進(jìn)行函數(shù)式的定標(biāo)，從而實(shí)現(xiàn)土壤后向散射系數(shù)的計(jì)算。

1.5 MIMICS模型

MIMICS(michigan microwave canopy scattering model)模型是Ulaby等[43]于1990年基于輻射傳輸理論提出的描述連續(xù)森林植被冠層一階微波散射模型，該模型將森林植被分為樹(shù)冠層、樹(shù)干層和土壤層[44]。冠層葉片被抽象為圓形且有一定厚度的介電圓盤，各級(jí)樹(shù)枝以及樹(shù)干均被抽象為一定尺度大小的介電圓柱體。對(duì)低矮植被或農(nóng)作物覆蓋的地表，MIMICS可簡(jiǎn)化為：

(14)

(15)

(16)

(17)

(18)

式中：Γp為地表反射率；h為植被冠層高度；σpqs為土壤層雷達(dá)后向散射截面；σpq1為單位體積冠層的雷達(dá)后向散射截面；σpq2為單位體積冠層的雷達(dá)雙向散射截面；kp為冠層消光系數(shù)；Tp為冠層單程透過(guò)率。

基于MIMICS的模擬，利用回歸的方法可建立模型參數(shù)σpq1，σpq2，kp和Tp與冠層植被指數(shù)(或冠層含水量或冠層LAI)的關(guān)系，實(shí)現(xiàn)模型的參數(shù)化和地表各散射分量的分離計(jì)算。

2 基于模型的協(xié)同反演方法

國(guó)內(nèi)外學(xué)者主要基于光學(xué)遙感數(shù)據(jù)對(duì)植被冠層較敏感，SAR數(shù)據(jù)對(duì)土壤水分較敏感的特征，構(gòu)建光學(xué)+SAR遙感土壤水分的協(xié)同反演方法。聯(lián)合使用光學(xué)和SAR數(shù)據(jù)進(jìn)行土壤水分反演的技術(shù)路線如圖1所示。關(guān)鍵步驟包括： ①光學(xué)遙感數(shù)據(jù)與SAR 數(shù)據(jù)的輻射校正與配準(zhǔn)等預(yù)處理； ②基于植被冠層的地面實(shí)測(cè)數(shù)據(jù)或PROSAIL模擬數(shù)據(jù)構(gòu)建光學(xué)遙感數(shù)據(jù)與冠層參數(shù)的關(guān)系，并利用光學(xué)遙感數(shù)據(jù)提取微波模型所需的冠層參數(shù)； ③利用定標(biāo)后的水云模型、參數(shù)化的MIMICS模型或比值模型等微波模型去除植被影響，得到土壤后向散射系數(shù)； ④基于土壤散射模型消除土壤粗糙度影響后得到土壤水分反演結(jié)果。

圖1 土壤水分反演技術(shù)路線Fig.1 Roadmap for soil moisture retrieval technology

2.1 植被影響消除方法

1)光學(xué)+水云模型法。利用PROSAIL模型與水云模型相結(jié)合的方法進(jìn)行土壤水分的反演中，學(xué)者們利用PROSAIL模型，建立冠層參數(shù)(如冠層含水量或LAI)與冠層植被指數(shù)(如比值植被指數(shù)(ratio vegetation index，RVI)、NDVI或歸一化水分指數(shù)(normalized difference water index,NDWI)等)的關(guān)系[45-46]，基于水云模型實(shí)現(xiàn)植被層影響的消除。

孔金玲等[11]利用TM數(shù)據(jù)分別選取NDVI和NDWI指數(shù)對(duì)植被冠層含水量進(jìn)行反演，通過(guò)水云模型消除植被層對(duì)土壤后向散射系數(shù)的影響，聯(lián)合RADARSAT-2數(shù)據(jù)反演了旱區(qū)不同植被覆蓋下地表土壤水分，結(jié)果表明NDVI適合去除該地表?xiàng)l件下稀疏植被覆蓋產(chǎn)生的影響； 韓玲等[47]采用多種植被指數(shù)反演植被含水量，發(fā)現(xiàn)將RVI引入水云模型，剔除植被層對(duì)雷達(dá)后向散射系數(shù)影響的效果更好，VV極化比VH極化更適合于低矮植被覆蓋地表的土壤水分反演； 馬騰等[45]采用不同的植被指數(shù)分別與冠層含水量建立關(guān)系，聯(lián)合水云模型去除植被影響，結(jié)果表明不同植被覆蓋率下存在各自最優(yōu)的植被指數(shù)，土壤水分反演中，不同植被覆蓋率地表應(yīng)采用不同的植被指數(shù)； Yadav等[48]綜合Landsat8數(shù)據(jù)和Sentinel-1A數(shù)據(jù)，將植被覆蓋度與水云模型結(jié)合，進(jìn)行土壤水分的反演； 周鵬等[1]使用Landsat5光學(xué)遙感數(shù)據(jù)獲取改進(jìn)型歸一化差分水分指數(shù)(normalized difference moisture index，NDMI)，建立NDMI與冠層含水量間的關(guān)系，通過(guò)水云模型消除植被覆蓋影響，實(shí)現(xiàn)了土壤水分的反演； Park等[49]通過(guò)研究理論散射模型與水云模型植被參數(shù)間的關(guān)系，對(duì)水云模型原始表達(dá)式和改進(jìn)表達(dá)式進(jìn)行了評(píng)價(jià)，指出冠層含水量為水云模型中最佳植被描述符； Wang等[50]利用多時(shí)序MODIS數(shù)據(jù)提取NDVI,增強(qiáng)植被指數(shù)(enhanced vegetation index，EVI),LAI和光合有效輻射分量(fraction of photosynthetically active radiation，F(xiàn)PAR)參數(shù)，并進(jìn)行不同組合代入水云模型消除植被影響，結(jié)果表明使用NDVI和LAI組合時(shí)效果最好。

2)光學(xué)+比值模型法。利用比值模型方法進(jìn)行土壤水分的反演中，學(xué)者們利用不同的植被指數(shù)和函數(shù)形式來(lái)表示裸土后向散射系數(shù)與總后向散射系數(shù)間的比值關(guān)系。

2008年，Joseph等[39]利用冠層參數(shù)對(duì)土壤散射進(jìn)行植被校正，并構(gòu)建了比值模型，反演了玉米整個(gè)生長(zhǎng)周期的土壤水分; 2010年，Joseph等[40]將植被指數(shù)的二次方引入比值模型，基于冠層含水量去除植被效應(yīng)，利用3個(gè)角度的極化數(shù)據(jù)對(duì)沙壤土地表進(jìn)行了土壤水分反演; 2012年，Mattar等[51]選擇NDVI去除植被效應(yīng)，得到了較好的結(jié)果; 2015年，Bai等[42]選擇了4種植被參數(shù)(LAI，VWC，NDVI和EVI)來(lái)參數(shù)化比值模型，結(jié)果表明比值模型和水云模型的有效性與研究區(qū)域高度相關(guān)，且從土壤水分反演的準(zhǔn)確性來(lái)看，比值模型優(yōu)于水云模型。

3)光學(xué)+MIMICS模型法。利用光學(xué)與MIMICS模型相結(jié)合的方法進(jìn)行土壤水分的反演中，學(xué)者們利用光學(xué)數(shù)據(jù)提取冠層含水量，再基于參數(shù)化的MIMICS實(shí)現(xiàn)地表組分散射分量的分離計(jì)算，實(shí)現(xiàn)植被影響的去除。

De Roo等[6]基于MIMICS模型的模擬確定冠層植被指數(shù)與冠層的消光系數(shù)、散射系數(shù)的關(guān)系，實(shí)現(xiàn)了MIMICS模型的參數(shù)化，利用L波段與C波段聯(lián)合Oh半經(jīng)驗(yàn)?zāi)Ｐ头囱萘舜蠖垢采w地表農(nóng)田的土壤水分； 鮑艷松等[52]利用MIMICS模型分析了植被微波散射與NDVI間的關(guān)系，建立了反演土壤水分的半經(jīng)驗(yàn)?zāi)Ｐ停?雷志斌等[53]聯(lián)合高分三號(hào)和Landsat8遙感數(shù)據(jù)，首先利用PROSAIL模型和實(shí)測(cè)植被數(shù)據(jù)進(jìn)行冠層最優(yōu)植被指數(shù)的篩選后構(gòu)建植被含水量反演模型，然后利用簡(jiǎn)化的MIMICS模型進(jìn)行土壤水分反演； 余凡等[10]聯(lián)合PROSAIL模型和MIMICS模型，提出MIMICS模型的參數(shù)化方法，通過(guò)引入植被均方根高度對(duì)由冠層重疊造成的雷達(dá)陰影進(jìn)行校正，對(duì)甘肅張掖地區(qū)農(nóng)業(yè)灌溉區(qū)進(jìn)行了土壤水分估算。

2.2 土壤粗糙度消除與土壤水分計(jì)算

微波遙感中常用均方根高度s和相關(guān)長(zhǎng)度l這2個(gè)參數(shù)來(lái)表示土壤的粗糙程度。

1)模型參數(shù)化法。Zribi等[54]基于IEM模擬數(shù)據(jù)的分析發(fā)現(xiàn)，在保持其他參數(shù)不變的情況下，2個(gè)不同入射角的后向散射差(Δσ0)僅與s2/l比值表示的粗糙度成正比； Rahman等[55]假定在2次圖像采集的時(shí)間內(nèi)，只有土壤水分發(fā)生變化，而植被和土壤粗糙度保持不變。利用IEM和干燥土壤條件下的SAR圖像，反演粗糙度s和l參數(shù)，并將所得到的粗糙度用于參數(shù)化IEM，從而在不需要輔助數(shù)據(jù)的情況下實(shí)現(xiàn)SAR圖像的土壤水分的反演； Zhu等[56]進(jìn)一步使用無(wú)監(jiān)督的變化檢測(cè)方法，將時(shí)間序列數(shù)據(jù)分為多個(gè)子序列，在較大程度上消除了由于粗糙度變化而造成的多時(shí)相土壤水分反演的誤差。

2)查找表法。除了非常粗糙的表面，SAR后向散射系數(shù)對(duì)土壤水分的敏感性受相關(guān)長(zhǎng)度的影響較均方根高度弱，因此基于IEM模型或AIEM模型建立查找表時(shí)可通過(guò)固定相關(guān)長(zhǎng)度只改變均方根高度來(lái)簡(jiǎn)化粗糙度參數(shù)個(gè)數(shù)。Han等[46]首先基于查找表利用采樣點(diǎn)的土壤水分來(lái)獲取土壤有效粗糙度，并建立有效粗糙度與后向散射系數(shù)間的經(jīng)驗(yàn)函數(shù)，最后通過(guò)查找表反演土壤水分； Zhu等[56]將裸露土壤水分的先驗(yàn)信息整合到基于查找表的遺傳算法(genetic algorithm，GA)反演中，使用時(shí)序性多角度L波段SAR進(jìn)行土壤水分反演，后又將此方法擴(kuò)展到C波段和X波段上，聯(lián)合使用多波段SAR數(shù)據(jù)來(lái)提高土壤水分反演結(jié)果的空間分辨率。

3 基于機(jī)器學(xué)習(xí)的反演方法

4 總結(jié)與展望

利用光學(xué)和SAR數(shù)據(jù)協(xié)同反演土壤水分比利用單一數(shù)據(jù)源更具優(yōu)勢(shì)。光學(xué)遙感對(duì)地表植被信息敏感性高，為協(xié)同反演提供植被先驗(yàn)信息支持。微波具有一定的穿透性，可穿透農(nóng)作物等低矮植被冠層探測(cè)到植被覆蓋下的土壤信息，這為協(xié)同反演提供了物理基礎(chǔ)。在綜合利用光學(xué)和SAR遙感技術(shù)進(jìn)行土壤水分反演研究方面，盡管經(jīng)過(guò)多年的研究發(fā)展取得了一系列的研究成果，但土壤水分產(chǎn)品精度還不能滿足實(shí)際應(yīng)用需求，依然面臨重重困難，但挑戰(zhàn)與機(jī)遇并存，主要體現(xiàn)在以下幾個(gè)方面：

1)提高算法模型對(duì)地表空間異質(zhì)性變化的適應(yīng)性。由于地表類型復(fù)雜，不僅土壤質(zhì)地結(jié)構(gòu)和粗糙度有空間變化，還有植被類型、植被形態(tài)和植被濃密程度的不同所帶來(lái)的影響。盡管目前發(fā)展了眾多的光學(xué)和SAR協(xié)同的土壤水分反演模型和算法，但算法在不同地表?xiàng)l件下的適用性不同，土壤水分產(chǎn)品精度還有巨大的提升空間，發(fā)展能適應(yīng)地表空間異質(zhì)性變化的土壤粗糙度與植被影響的去除算法和持續(xù)改進(jìn)相關(guān)模型的模擬精度仍然是該研究領(lǐng)域的重點(diǎn)和難點(diǎn)。

2)土壤水分時(shí)效性強(qiáng)，多星組網(wǎng)提升衛(wèi)星的時(shí)間分辨率。土壤水分具有較強(qiáng)的時(shí)效性，而目前高空間分辨率光學(xué)和SAR衛(wèi)星的重訪周期長(zhǎng)，地表土壤水分變化的時(shí)間序列信息還無(wú)法得到有效利用。未來(lái)多顆衛(wèi)星的組網(wǎng)觀測(cè)，可以有效縮短重訪觀測(cè)的時(shí)間，高時(shí)間分辨率的SAR土壤水分觀測(cè)將促進(jìn)土壤水分時(shí)序信息的挖掘與應(yīng)用，對(duì)提高土壤水分的反演精度有重要的推動(dòng)作用。

3)光學(xué)與SAR遙感機(jī)理差異大，深度挖掘光學(xué)與SAR遙感的協(xié)同機(jī)理。光學(xué)和SAR遙感對(duì)冠層信息的遙感機(jī)理不同，光學(xué)遙感主要提供冠層的葉片信息，而冠層的葉片、枝和桿等組分對(duì)SAR的后向散射均有影響，因此，進(jìn)行光學(xué)遙感信息與微波遙感信息的機(jī)理研究和兩者之間的內(nèi)在聯(lián)系與轉(zhuǎn)化機(jī)理研究是提高光學(xué)和SAR協(xié)同的土壤水分反演精度的基礎(chǔ)。

4)多頻段多角度光學(xué)和SAR遙感數(shù)據(jù)的綜合運(yùn)用。不同頻段微波對(duì)地物的穿透程度不同，高頻微波對(duì)植被更敏感，而低頻微波具有更強(qiáng)的穿透性，對(duì)土壤參數(shù)更為敏感。多頻段SAR遙感數(shù)據(jù)富含從冠層到土壤層的垂直分布信息。多角度遙感從不同方向探測(cè)地物，可提供地物立體信息，富含植被冠層垂直信息和介質(zhì)層粗糙度信息，因此多頻段多角度的光學(xué)與SAR遙感數(shù)據(jù)的綜合運(yùn)用在消除植被冠層對(duì)微波散射影響以及土壤粗糙度影響方面有巨大潛力。同時(shí)，機(jī)器學(xué)習(xí)方法能夠智能挖掘不同類型傳感器、不同地表的遙感數(shù)據(jù)的深層次內(nèi)在關(guān)系，機(jī)器學(xué)習(xí)方法的運(yùn)用對(duì)提高土壤水分反演精度有重要的推動(dòng)作用。

盡管目前光學(xué)和SAR協(xié)同的土壤水分反演面臨很多有待解決的問(wèn)題，但隨著光學(xué)衛(wèi)星和SAR技術(shù)的深入發(fā)展，多角度、多波段和多時(shí)相光學(xué)與微波遙感數(shù)據(jù)的豐富，遙感模型的普適性和準(zhǔn)確性的提高，基于機(jī)器學(xué)習(xí)的光學(xué)與微波協(xié)同作用的深度挖掘，土壤粗糙度與植被冠層影響去除方法的完善，光學(xué)和SAR協(xié)同反演土壤水分的應(yīng)用一定有著光明的發(fā)展前景。