基于Sentinel-1A数据和BP神经网络的裸露地表土壤含水量反演研究

土壤含水量是影响水文循环和气候变化的重要参数，相比于光学遥感，雷达遥感不受云、雨等气象因素影响，可以实现全天时、全天候的连续观测，是大范围获取土壤含水量信息的有效手段。为研究裸露地表雷达后向散射信号的影响因素和变化规律，探讨利用Sentinel-1A雷达数据反演裸露地表土壤含水量的方法，在南阳盆地典型农业区进行了观测试验。首先利用微波散射模型—AIEM理论模型模拟不同雷达入射角度、地表均方根高度、相关长度、以及土壤含水量参数下的雷达后向散射系数，分析各参数对雷达后向散射系数的影响。进而采用实测数据和模拟数据训练BP神经网络模型(Back Propagation Neural Network,BPNN)，以实现对裸露地表土壤含水量的反演，并对其反演精度进行验证。结果表明：在特定入射角下，地表粗糙度对土壤含水量反演精度的影响不可忽略。不同极化方式下，BPNN模型与AIEM理论模型对微波后向散射系数模拟值的R²达到0.99以上。采用野外实测数据对BPNN模型反演土壤含水量的精度进行测试，结果显示，模型预测值与实测值之间的R²为0.72,RMSE为0...