Оценка влажности почвы по радарным данным на основе множественной регрессии

Обложка

Цитировать

Полный текст

Аннотация

Задача оценки влажности почвы дистанционными (спутниковыми) методами остается актуальной вплоть до настоящего времени. Для оценки влажности почвы в работе построены регрессионные модели на основе корреляции радарных данных с наземными измерениями влажности почвы. В качестве наземных выбраны измерения на двух станциях в Германии (Falkenberg и Gevenich), входящих в всемирную сеть данных по влажности почвы ISMN (International Soil Moisture Network). В качестве радарных используются данные спутника Sentinel-1. Построены множественные регрессии с коэффициентом детерминации до 0.91. Предлагается использовать в регрессиях не только радарные, но и метеоданные, что позволяет увеличить коэффициент детерминации и уменьшить стандартную ошибку регрессии. Для возможного распространения регрессий, полученных для одной территории, на другую территорию, в работе предложены два критерия: близость значений гидротермального коэффициента Селянинова (ГТК) и схожесть текстуры почвы. По этим условиям выбраны две станции в Рязанской области и Калмыкии, архивная информация которых по влажности почвы содержится в базе данных ISMN до 1998 г. Каждая из выбранных станций удовлетворяет только одному из выбранных критериев.

Об авторах

Н. В. Родионова

Институт радиотехники и электроники им. В.А. Котельникова РАН, Фрязинский филиал

Автор, ответственный за переписку.
Email: rnv1948123@yandex.ru
Россия, Московская обл., Фрязино

Список литературы

  1. Родионова Н.В. Корреляция радарных данных Sentinel-1 с наземными измерениями температуры и влажности почвы // Исслед. Земли из космоса. 2018. № 4. С. 32–42. https://doi.org/10.31857/S020596140002354-0
  2. Селянинов Г.Т. О сельскохозяйственной оценке климата // Труды по сельскохозяйственной метеорологии. 1928. Вып. 20. С. 165–177.
  3. Селянинов Г.Т. Принципы агроклиматического районирования СССР // Вопросы агроклиматического районирования СССР. М.: МСХ СССР. 1958. С. 7–14.
  4. Шумова Н.А. Количественные показатели климата в приложении к оценке гидротермических условий в Республике Калмыкия // Аридные экосистемы. 2021. Т. 27. № 4(89). С. 13–24. https://doi.org/10.24412/1993-3916-2021-4-13-24
  5. Beale J., Snapir B., Waine T., Evans J., Corstanje R. The significance of soil properties to the estimation of soil moisture from C-band synthetic aperture radar // https://doi.org/. Preprint. Discussion started: 28 June 2019. Author(s) 2019. CC BY 4.0 License.https://doi.org/10.5194/hess-2019-294
  6. Blumberg D.G., Freilikher V., Lyalko I.V., Vulfson L.D., Kotlyar A.L., Shevchenko V.N., Ryabokonenko A.D. Soil moisture (water-content) assessment by an airborne scatterometer // Rem. Sens. Environm. 2000. V. 71. P. 309–319.
  7. Chen K., Wu T.-D., Tsang L., Li Q., Shi J., Fung A. Emission of rough surfaces calculated by the integral equation method with comparison to three-dimensional moment method simulations // IEEE Trans. Geosci. Remote Sens. 2003. 41. P. 90–101.
  8. Dubois P., van Zyl J., Engman T. Measuring soil moisture with imaging radars // IEEE Trans. Geosci. Remote Sens. 1995. 33. P. 915–926. http://ieeexplore.ieee.org/document/406677/https://doi.org/10.1109/36.406677
  9. Jackson T.J., Schmugge T.J. Passive microwave remote-sensing system for soil moisture. Some supporting research // IEEE Trans. GRS. 1989. V. 27. P. 225–235.
  10. Oh Y., Sarabandi K., Ulaby F. An empirical model and an inversion technique for radar scattering from bare soil surfaces // IEEE Trans. Geosci. Remote Sens. 1992. 30. P. 370–381. https://doi.org/10.1109/36.134086
  11. Srivastava H.S., Patel P., Navalgund R.R. How far SAR has fulfilled its expectation for soil moisture
  12. Retrieval // SPIE Digital Library. 2006. 6410. Nov. 13–17. Paper No. 64100. P. 1–12.
  13. Wu T.-D., Chen K., Shi J., Fung A. A transition model for the reflection coefficient in surface scattering // IEEE Trans. Geosci. Remote Sens. 2001. 39. P. 2040–2050.

Дополнительные файлы


© Н.В. Родионова, 2023