相关实验视频
Updated: Jun 5, 2025

In Situ Soil Moisture Sensors in Undisturbed Soils
Published on: November 18, 2022
从农业地区的双极化Sentinel-1SAR数据获取土壤湿度,使用水云模型
Dhananjay Paswan Das1,2, Ashish Pandey3
1Department of Water Resource Development & Management, Indian Institute of Technology Roorkee, Roorkee, Uttarakhand, India, 247667. dp_das@wr.iitr.ac.in.
准确地回收土壤水分是农业水资源管理的关键. 该研究发现,极度雷达植被指数 (PRVI) 通过使用Sentinel-1数据和水云模型 (WCM) 有效估计小麦的表面土壤水分.
科学领域:
- 农业遥感 农业遥感
- 土壤湿度监测 土壤湿度监测
- 微波遥感 微波遥感 微波遥感
背景情况:
- 准确的表面土壤水分 (SSM) 检索对于农业有效的灌水管理至关重要,直接影响作物生长和产量.
- 双极化的Sentinel-1合成孔径雷达 (SAR) 数据为监测农业参数提供了一个有希望的途径,包括土壤水分.
- 水云模型 (WCM) 是一种广泛使用的模型,用于将SAR回散与植被和土壤特性相关联.
研究的目的:
- 调查水云模型 (WCM) 中双极化的Sentinel-1 SAR衍生植被描述器在小麦作物上获取地表土壤水分 (SSM) 的能力.
- 评估各种植被描述器的性能,包括雷达植被指数 (RVI),反向散射比,极极度雷达植被指数 (PRVI),双极化SAR植被指数 (DPSVI) 和双极度雷达植被指数 (DpRVI).
主要方法:
- 利用双极化的Sentinel-1SAR数据来得出几个植被描述符.
- 应用了水云模型 (WCM),将这些描述符纳入表面土壤湿度 (SSM) 估计.
- 通过使用R2,NSE,PBIAS和RMSE等统计指标校准和验证了WCM的性能.
主要成果:
- 水云模型 (WCM) 通过使用大多数测试的植被描述符,证明了SSM检索的可接受性能,DPSVI是例外.
- 模型表现显示,随着小麦作物进入更复杂的生长阶段,模型表现有下降的趋势.
- 极度度雷达植被指数 (PRVI) 表现最好,在校准过程中获得了高R2 (0.728) 和NSE (0.727),在验证过程中获得了良好的结果 (R2=0.728,NSE=0.684).
结论:
- 水云模型 (WCM) 显示了利用Sentinel-1卫星数据在小麦作物上获取地表土壤水分 (SSM) 的巨大潜力.
- 在这种情况下,极度度雷达植被指数 (PRVI) 被确定为SSM检索中最有效的植被描述符.
- 结果支持改善区域水资源管理,有效的灌计划和提高灌效率.
更多相关视频
07:21Author Spotlight: Advancing Agricultural Land Ecosystem Research with a Hydraulic Property Analyzer to Assess Soil Health
Published on: August 9, 2024
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
相关概念视频
Adaptations that Reduce Water Loss
Water and Mineral Acquisition