劉 健，郭 交*，韓文霆

（1.西北農(nóng)林科技大學(xué) 機(jī)械與電子工程學(xué)院，陜西 楊凌 712100；2.陜西省農(nóng)業(yè)信息感知與智能服務(wù)重點(diǎn)實(shí)驗(yàn)室，陜西 楊凌 712100；3.西北農(nóng)林科技大學(xué) 水土保持研究所，陜西 楊凌 712100）

土壤水分是全球水循環(huán)中的關(guān)鍵變量，影響農(nóng)業(yè)、生態(tài)、氣候和水文等領(lǐng)域的水分和能量交換。在農(nóng)業(yè)應(yīng)用中，土壤水分是農(nóng)業(yè)用水管理、農(nóng)作物估產(chǎn)、旱情監(jiān)測(cè)和變量灌溉的重要參數(shù)，因此快速精準(zhǔn)地監(jiān)測(cè)土壤水分具有重要意義[1-4]。土壤水分由于土壤特性、氣候條件、植被覆蓋等因素影響存在很大的空間差異性[5]。因此，傳統(tǒng)的測(cè)量方法如取樣稱重法、時(shí)域反射法等很難滿足當(dāng)前的實(shí)際應(yīng)用需求[6-7]，即在較短的時(shí)間內(nèi)難以獲取大范圍的土壤水分空間分布信息。與傳統(tǒng)地面單點(diǎn)測(cè)量方法相比，衛(wèi)星遙感技術(shù)具有覆蓋范圍廣、時(shí)效性強(qiáng)和成本低等特點(diǎn)，通過遙感數(shù)據(jù)進(jìn)行土壤水分反演的方法在國(guó)內(nèi)外已被廣泛應(yīng)用。

衛(wèi)星遙感主要是光學(xué)遙感和微波遙感。光學(xué)遙感利用自然存在的輻射源包括可見光—近紅外（0.38～2.5 μm） 和熱紅外 （8.0～14.0 μm） 輻射進(jìn)行遙感觀測(cè)。微波遙感（1～1 000 mm）包括被動(dòng)微波遙感和主動(dòng)微波遙感，前者利用微波輻射計(jì)觀測(cè)土壤散射的亮溫變化來監(jiān)測(cè)土壤水分的變化，后者基于雷達(dá)回波信號(hào)的差異來建立土壤水分與雷達(dá)后向散射系數(shù)的關(guān)系[8-9]。光學(xué)遙感作為發(fā)展最早、技術(shù)最成熟的技術(shù)手段，在對(duì)地觀測(cè)方面發(fā)揮著重要的作用，但其受云雨、晝夜影響較大，特別是無法獲取植被覆蓋下土壤的反射信息，導(dǎo)致監(jiān)測(cè)土壤水分時(shí)有較大限制。微波波長(zhǎng)較長(zhǎng)，對(duì)地物具有一定的穿透能力，故能提供不同于可見光和紅外遙感的信息。此外，微波遙感不受氣候和天氣等條件的限制，具有全天時(shí)、全天候觀測(cè)的優(yōu)勢(shì)[10-12]。被動(dòng)微波輻射計(jì)相比于其他微波傳感器，對(duì)土壤水分具有更好的靈敏性，但由于其在空間分辨率和觀測(cè)波段上的局限性，難以滿足用戶的需求。而合成孔徑雷達(dá)（synthetic aperture radar，SAR）作為一種主動(dòng)微波遙感方式，具有高分辨率、全天候及可變工作模式等優(yōu)勢(shì)。雷達(dá)后向散射系數(shù)與土壤介電常數(shù)之間存在一定的關(guān)系，而土壤介電常數(shù)直接受土壤水分值的影響，因此，通過建立雷達(dá)后向散射系數(shù)與土壤介電常數(shù)之間的關(guān)系，可推算出土壤水分值，這一計(jì)算過程稱為反演[13-15]。

在土壤水分反演過程中，模型的局限性、傳感器的差異性、反演算法的準(zhǔn)確性等都會(huì)影響反演結(jié)果[16-17]。近年來，隨著微波遙感技術(shù)及其設(shè)備迅速發(fā)展，雷達(dá)傳感器的功能參數(shù)和性能指標(biāo)不斷完善，SAR反演土壤水分的理論研究也在不斷深入，出現(xiàn)了諸多改進(jìn)的反演算法與模型，大大提高了土壤水分的反演精度，利用SAR監(jiān)測(cè)土壤水分也獲得了廣泛關(guān)注，已成為農(nóng)業(yè)遙感的熱點(diǎn)之一。本文介紹國(guó)內(nèi)外基于SAR數(shù)據(jù)反演土壤水分的研究和應(yīng)用進(jìn)展，重點(diǎn)分析闡述裸露地表和植被覆蓋地表下土壤水分反演的相關(guān)內(nèi)容，指出當(dāng)前基于SAR數(shù)據(jù)反演土壤水分存在的問題，并對(duì)未來發(fā)展趨勢(shì)進(jìn)行展望。

1 SAR監(jiān)測(cè)土壤水分

SAR遙感對(duì)土壤進(jìn)行觀測(cè)，獲取的后向散射系數(shù)σ0（輻射校正后）與觀測(cè)地表地面參數(shù)和SAR系統(tǒng)自身參數(shù)有關(guān)。其中前者包含地表的物理特性及幾何特性，后者包括系統(tǒng)工作的頻率、微波信號(hào)的入射角度及極化方式等，其函數(shù)關(guān)系可由下式[18]簡(jiǎn)單表示：

式中：系統(tǒng)參數(shù)為波長(zhǎng)（λ）、雷達(dá)入射角（θ）和極化方式（pp），地表參數(shù)為土壤粗糙度（Zs）、土壤含水量（mv）和植被參數(shù)（mveg）。當(dāng)SAR觀測(cè)系統(tǒng)確定后，工作頻率、極化方式和雷達(dá)入射角隨之確定，而地表粗糙度則由客觀環(huán)境下的地表物理特性及幾何特性所決定。

經(jīng)過多年的發(fā)展，利用各種SAR數(shù)據(jù)反演土壤水分已有廣泛應(yīng)用，表1列出了近10年國(guó)內(nèi)外典型的星載SAR系統(tǒng)。從中可以看出，目前SAR系統(tǒng)常用波段有L（15～30 cm）、C（3.75～7.5 cm）、X（2.5～3.75 cm）波段，不同頻率下獲取的地物散射特性不同，可用于監(jiān)測(cè)土壤水分、海冰和作物含水量等不同目標(biāo)。L、C、X波段對(duì)地表或植被均具備一定的穿透能力，其中C波段對(duì)地表土壤的穿透深度為5 cm左右，常用來反演地表土壤水分。這些SAR系統(tǒng)均具有雙極化或全極化工作模式，相比于單極化，多極化方式可以獲取觀測(cè)目標(biāo)更豐富的散射信息。隨著微波技術(shù)的不斷發(fā)展，分辨率和重訪周期逐漸提高，未來的SAR數(shù)據(jù)會(huì)具有更高的時(shí)空分辨率，為及時(shí)獲取地表土壤水分提供了依據(jù)。

表1 國(guó)內(nèi)外主要星載SAR系統(tǒng)Table 1 Main spaceborne SAR systems in China and abroad

2 裸露地表土壤水分反演

2.1 單時(shí)相SAR數(shù)據(jù)反演土壤水分

在裸露地表情況下，地表植被覆蓋可忽略不計(jì)，后向散射系數(shù)σ0主要受土壤水分和土壤粗糙度的影響。土壤粗糙度通常由均方根高度s（地表垂直方向）和相關(guān)長(zhǎng)度l（地表水平方向）來表示，為方便計(jì)算，有研究將兩者組合成一個(gè)參數(shù)進(jìn)行考慮。由于土壤表面條件的不同和微波遙感數(shù)據(jù)的差異性，所以組合的粗糙度參數(shù)會(huì)呈現(xiàn)不同的表達(dá)形式。Zribi等[19]采用組合粗糙度Zs=s2/l來計(jì)算地表的粗糙狀況，建立了Zs與不同角度下后向散射系數(shù)之間的經(jīng)驗(yàn)關(guān)系。陳晶等[20]和余凡等[21]分別提出了的組合粗糙度參數(shù)用于反演土壤水分。通過地面實(shí)測(cè)數(shù)據(jù)可以有效去除土壤粗糙度影響，但工作量大，故有學(xué)者利用多波段、多角度及多極化的散射數(shù)據(jù)，建立了土壤水分反演的經(jīng)驗(yàn)?zāi)Ｐ蚚22-31]，Oh模型就是其中常用的一種，該模型如式（2）至式（4）所示，模型的適用條件為：0.04＜mv＜0.291，0.13＜ks＜6.98，10°＜θ＜70°。

式中：θ為雷達(dá)入射角；mv為土壤體積含水率；s為均方根高度；k為自由空間波數(shù)（k=2πf/c，f為頻率，c為光速）；p為同極化比；q為交叉極化比。首先由式（2）和式（3）求解得mv1和s1，由式（4）求解得s2，然后代入式（2）和式（3）求得mv2和mv3，最后土壤水分值取三個(gè)計(jì)算結(jié)果的平均值。

Merzouki等[32]基于Oh模型驗(yàn)證農(nóng)田土壤水分反演的性能，結(jié)果表明，模型可用于反演田間尺度的土壤水分，但反演模型的準(zhǔn)確性需進(jìn)一步提高。Pierdicca等[33]利用Oh模型反演裸露地表的土壤水分，雖然反演預(yù)測(cè)結(jié)果較好，但由于驗(yàn)證的數(shù)據(jù)量小反演結(jié)果可信度有待提升。Sahebi等[34]利用Radarsat-1數(shù)據(jù)基于Oh模型反演裸露農(nóng)田地表水分，但由于Radarsat-1重訪周期長(zhǎng)，土壤水分容易受雨水、強(qiáng)蒸發(fā)等影響，反演結(jié)果實(shí)用性不強(qiáng)。尹楠等[35]利用同極化方位角修正Oh模型，將模型拓展應(yīng)用于反演壟行結(jié)構(gòu)的耕地表層土壤水分，對(duì)壟行結(jié)構(gòu)耕地的旱澇監(jiān)測(cè)有參考價(jià)值。Oh模型是通過實(shí)測(cè)數(shù)據(jù)得到的適用于一定區(qū)域的散射模型，雖然可以直接用于反演土壤水分，但Oh模型依賴于特定研究區(qū)域和地表情況，土壤體積含水量、地表均方根高度和雷達(dá)入射角需要符合模型適用條件，因此，導(dǎo)致其應(yīng)用范圍比較窄。雖然具有一定的局限性，但該模型計(jì)算簡(jiǎn)單且能模擬微波散射特性，對(duì)定量反演和監(jiān)測(cè)土壤水分起著重要作用。

在傳統(tǒng)模型存在限制的情況下，機(jī)器學(xué)習(xí)方法被應(yīng)用于土壤水分反演中。土壤水分和后向散射系數(shù)等影響因子之間的相互關(guān)系可看作復(fù)雜的非線性函數(shù)問題，選擇適合的核函數(shù)進(jìn)行耦合，通過空間變換可實(shí)現(xiàn)其線性可分性。在利用機(jī)器學(xué)習(xí)算法反演土壤水分時(shí)，人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）和支持向量回歸 （support vector regression，SVR）是常用的兩種方法。Paloscia等[36]基于人工神經(jīng)網(wǎng)絡(luò)反演土壤水分，結(jié)果表明，盡管X波段波長(zhǎng)的穿透能力較低，但SAR信號(hào)對(duì)土壤水分變化比較敏感。Notarnicola等[37]利用不同頻率、極化和入射角的數(shù)據(jù)基于ANN反演土壤水分，從訓(xùn)練結(jié)果可以看出，隨著數(shù)據(jù)量增加，土壤水分反演的誤差逐漸減小。余凡等[38]提出了基于神經(jīng)網(wǎng)絡(luò)的主被動(dòng)遙感數(shù)據(jù)協(xié)同反演土壤水分算法，這為融合使用光學(xué)和雷達(dá)遙感數(shù)據(jù)提供了參考。Zhang等[39]研究了TerraSAR-X和Radarsat-2數(shù)據(jù)反演土壤水分的可能性，結(jié)果表明，SVR模型利用Radarsat-2數(shù)據(jù)獲得的結(jié)果相比TerraSAR-X數(shù)據(jù)略有改進(jìn)，而同時(shí)采用兩種SAR數(shù)據(jù)時(shí)土壤水分反演的準(zhǔn)確性進(jìn)一步提高。機(jī)器學(xué)習(xí)算法能夠融合不同傳感器數(shù)據(jù)，可以加入各種植被指數(shù)、地面高程數(shù)據(jù)及局部入射角等參數(shù)。此外，機(jī)器學(xué)習(xí)模型沒有適用條件的限制，容易拓寬適用范圍，例如應(yīng)用在植被覆蓋地表或山區(qū)，在土壤水分反演中有廣闊的發(fā)展和應(yīng)用前景。

2.2 多時(shí)相SAR數(shù)據(jù)反演土壤水分

對(duì)于裸露地表而言，雷達(dá)后向散射系數(shù)主要受土壤水分和土壤粗糙度的影響，利用單時(shí)相微波數(shù)據(jù)可以基于極化差和入射角來計(jì)算土壤粗糙度，但是間接計(jì)算的土壤粗糙度存在較大誤差，進(jìn)而會(huì)影響土壤水分反演精度，故有學(xué)者開始研究利用多時(shí)相數(shù)據(jù)進(jìn)行土壤水分反演[40-44]?；诙鄷r(shí)相數(shù)據(jù)反演土壤水分的理論基礎(chǔ)在于當(dāng)獲取重復(fù)觀測(cè)的SAR影像時(shí)，地表狀況的變化相較于土壤水分沒有變化或變化緩慢。這里的地表狀況主要指地表粗糙度和地表植被，則最終時(shí)序內(nèi)的雷達(dá)后向散射系數(shù)的變化可認(rèn)為僅由土壤水分的變化引起。

Wickel等[40]利用多時(shí)相Radarsat影像監(jiān)測(cè)采收后農(nóng)田的土壤水分，實(shí)驗(yàn)結(jié)果證明雷達(dá)后向散射系數(shù)的變化與土壤水分的變化有著一致性，兩者的相關(guān)系數(shù)達(dá)到了0.89。張祥等[41]在土壤粗糙度恒定的情況下，首先利用模擬數(shù)據(jù)分析雷達(dá)后向散射系數(shù)變化與土壤水分變化之間的關(guān)系，驗(yàn)證了變化檢測(cè)模型用于估算土壤水分變化的合理性。Balenzano等[42]基于多時(shí)相反演的理論基礎(chǔ)提出了Alpha近似模型，該模型旨在利用2個(gè)時(shí)相雷達(dá)后向散射系數(shù)的比值消除地表粗糙度和植被對(duì)雷達(dá)后向散射系數(shù)的影響，進(jìn)而計(jì)算出土壤水分的絕對(duì)值，實(shí)驗(yàn)結(jié)果表明土壤水分的反演精度較高。Alpha近似模型如式（5）所示。

式中：σ0為雷達(dá)后向散射系數(shù)；εs為土壤相對(duì)介電常數(shù)；θ為雷達(dá)入射角；PP為極化方式（HH或VV，同向極化）；αPP為極化幅度，是雷達(dá)入射角和土壤介電常數(shù)的函數(shù)；T1和T2為雷達(dá)數(shù)據(jù)獲取時(shí)間。

Alpha近似模型是利用多時(shí)相數(shù)據(jù)提取土壤水分的常用模型，先獲取相同觀測(cè)地區(qū)不同時(shí)間的數(shù)據(jù)，進(jìn)而建立后向散射系數(shù)比值和土壤水分的關(guān)系來反演土壤水分。何連等[43]簡(jiǎn)化了原始的Alpha近似模型，在求解觀測(cè)方程組時(shí)無需依賴于地面實(shí)測(cè)數(shù)據(jù)，他們先驗(yàn)證了上述改進(jìn)方法在農(nóng)田玉米地土壤水分反演中的正確性，然后利用多期Sentinel-1 SAR數(shù)據(jù)構(gòu)建方程組得到了土壤水分的絕對(duì)值。陳婷婷等[44]認(rèn)為兩個(gè)時(shí)相雷達(dá)觀測(cè)的入射角不同，這在一定程度上會(huì)影響后向散射系數(shù)的大小，他們進(jìn)一步改進(jìn)了Alpha模型，將時(shí)間序列SAR數(shù)據(jù)入射角的變化考慮進(jìn)來，利用Sentinel-1 SAR數(shù)據(jù)及地面的土壤水分觀測(cè)數(shù)據(jù)驗(yàn)證提出的算法。結(jié)果表明，改進(jìn)后的Alpha模型精度有所提高。在觀測(cè)期內(nèi)，土壤地表狀況會(huì)受耕種等人為活動(dòng)影響，地表植被也會(huì)隨時(shí)間生長(zhǎng)，從而導(dǎo)致模型理論基礎(chǔ)不成立，故此方法難以用于反演長(zhǎng)時(shí)間序列的土壤水分?？傮w而言，通過多時(shí)相數(shù)據(jù)消除地表粗糙度和植被覆蓋的散射影響，有助于簡(jiǎn)化反演過程，為土壤水分反演提供了一種新思路。

3 植被覆蓋地表土壤水分反演

3.1 極化SAR數(shù)據(jù)反演土壤水分

土壤表層通常存在植被覆蓋，如農(nóng)田地表常有小麥、油菜、玉米等不同農(nóng)作物。植被會(huì)產(chǎn)生復(fù)雜的散射，從而降低雷達(dá)信號(hào)對(duì)土壤水分的敏感性，因而反演時(shí)需要將植被的散射貢獻(xiàn)從總的后向散射中分離出來，以消除植被覆蓋的影響。水云模型常用來分離植被部分的影響[45-47]，也可以直接通過不同的植被指數(shù)來表征植被影響。水云模型如式（6）至式（8）所示。

水云模型中VWC是受植被覆蓋疏密影響的參數(shù)，A和B分別為取決于植被類型的參數(shù)，對(duì)于不同研究區(qū)該模型的參數(shù)需重新計(jì)算，因此，有學(xué)者直接通過植被指數(shù)來考慮植被覆蓋影響，并沒有對(duì)總的雷達(dá)后向散射系數(shù)進(jìn)行分離。Emanuele等[53]基于人工神經(jīng)網(wǎng)絡(luò)利用多時(shí)相C波段SAR數(shù)據(jù)反演土壤水分，利用歸一化植被指數(shù)信息來衡量植被覆蓋，然后反演土壤水分。郭交等[54]利用Sentinel多源數(shù)據(jù)構(gòu)建了農(nóng)田地表土壤水分反演模型，驗(yàn)證結(jié)果表明模型反演結(jié)果與當(dāng)?shù)亟涤昵闆r吻合，對(duì)反演土壤水分有一定的參考價(jià)值。Holtgrave等[55]利用Sentinel-1和Landsat-8數(shù)據(jù)對(duì)洪澇區(qū)的土壤水分進(jìn)行反演，通過歸一化植被指數(shù)（normalized different vegetation index，NDVI） 確定植被的影響。結(jié)果表明，該模型適用于反演洪澇區(qū)的土壤水分。這些模型在其所選研究區(qū)域內(nèi)均有著較好的反演效果，但缺乏更大范圍的實(shí)際驗(yàn)證。為了改進(jìn)和完善這些模型，未來需在更加復(fù)雜、更多地表植被類型覆蓋區(qū)域進(jìn)行實(shí)驗(yàn)驗(yàn)證。

3.2 極化分解SAR數(shù)據(jù)反演土壤水分

近年來，隨著極化分解理論的發(fā)展，各種極化分解方法也逐漸應(yīng)用于反演土壤水分。該方法首先對(duì)極化SAR數(shù)據(jù)進(jìn)行目標(biāo)分解，得到不同類型的特征參數(shù)，然后建立特征參數(shù)及其組合與土壤水分之間的關(guān)系，進(jìn)而反演出土壤水分值。?zerdem等[56]利用極化分解模型分解出各種特征向量，然后基于廣義回歸神經(jīng)網(wǎng)絡(luò)建立特征參數(shù)和土壤水分之間的關(guān)系，但由于缺乏對(duì)植被和粗糙度參數(shù)的地面測(cè)量，部分結(jié)果缺乏驗(yàn)證。Wang等[57]利用雙參數(shù)（表面和體積）C波段極化分解方法對(duì)Radarsat-2數(shù)據(jù)進(jìn)行極化分解，可以較好地反演農(nóng)田的土壤水分。Hajnsek等[58]采用L波段的極化SAR數(shù)據(jù)，利用表面、二面角和植被散射的簡(jiǎn)單規(guī)范模型來模擬散射過程，然后利用極化分解獲取的表面和二面角參數(shù)來反演土壤水分。王平等[59]基于Freeman極化分解技術(shù)分解Radarsat-2全極化數(shù)據(jù)，可以較好地反演貴州省喀斯特高原山區(qū)團(tuán)棵期煙田的土壤水分。不同作物的極化散射特性不同，不同極化分解方法也存在著差異性，今后應(yīng)當(dāng)對(duì)地物極化散射特性進(jìn)行更深入的研究，提高極化分解方法的適用性。在植被覆蓋的地表?xiàng)l件下，通過極化分解SAR數(shù)據(jù)反演土壤水分是一種新的思路，具有較大的潛力。

4 反演問題和展望

微波遙感反演土壤水分有著監(jiān)測(cè)范圍廣、周期短等優(yōu)勢(shì)，隨著合成孔徑雷達(dá)技術(shù)的進(jìn)一步發(fā)展及相關(guān)反演算法的改進(jìn)完善，微波遙感監(jiān)測(cè)土壤水分在實(shí)際應(yīng)用中具有廣闊的前景。然而，遙感觀測(cè)土壤水分與實(shí)際應(yīng)用需求依然存在一些差距，通過分析國(guó)內(nèi)外在土壤水分反演方面的現(xiàn)狀發(fā)現(xiàn)存在如下三個(gè)問題。

4.1 土壤水分反演模型準(zhǔn)確性不高

SAR遙感監(jiān)測(cè)土壤水分時(shí)，地表粗糙度和地表植被覆蓋是兩個(gè)關(guān)鍵的影響參數(shù)，因此，如何降低這兩者對(duì)微波遙感反演土壤水分的影響是研究中的重難點(diǎn)。目前常用方法是利用多時(shí)相、多極化、多入射角雷達(dá)數(shù)據(jù)來最大限度地減少土壤粗糙度和植被覆蓋的影響，但這些算法仍存在的問題是對(duì)地物的散射缺乏機(jī)理性研究。地物微波散射機(jī)理十分復(fù)雜且不同對(duì)象散射特性差異較大，因此，在反演土壤水分時(shí)需要考慮覆蓋的植被類型和研究區(qū)的土壤類型。針對(duì)這一問題，今后應(yīng)充分研究各種地物散射體的物理機(jī)理，一是融合不同地表的微波散射模型，更加全面地理解地物微波散射機(jī)制，二是加強(qiáng)不同作物對(duì)不同極化方式后向散射系數(shù)的影響與作用機(jī)理研究，提高土壤水分反演準(zhǔn)確性。

4.2 土壤水分反演方法普適性不足

當(dāng)前土壤水分的反演方法主要是利用遙感數(shù)據(jù)與土壤實(shí)測(cè)數(shù)據(jù)之間的關(guān)系建立的，微波傳輸機(jī)理比較復(fù)雜，云雨天氣和晝夜時(shí)期獲得的遙感數(shù)據(jù)存在區(qū)別。另外，農(nóng)田、濕地、鹽堿地等不同地表類型的土壤狀況不同，所以土壤實(shí)測(cè)數(shù)據(jù)也會(huì)有差異。雖然這些土壤水分的反演方法理論基礎(chǔ)相同，在各自區(qū)域研究中有較好的效果，但在其他區(qū)域卻難以有理想的反演效果，暫時(shí)無法推廣應(yīng)用到整個(gè)自然地表狀況，所以土壤水分反演方法的普適性需要進(jìn)一步提高。針對(duì)這一問題，今后可探索僅僅利用遙感參數(shù)建立反演模型，這種不依賴于土壤實(shí)測(cè)數(shù)據(jù)的反演模型將有效提高模型的普適性。

4.3 土壤水分反演結(jié)果時(shí)空分辨率不高

時(shí)間分辨率和空間分辨率是衛(wèi)星遙感的兩個(gè)關(guān)鍵參數(shù)，但是目前衛(wèi)星的時(shí)空分辨率過大，例如Sentinel-1雷達(dá)衛(wèi)星干涉寬幅模式下的GRDH數(shù)據(jù)空間分辨率為5 m×20 m，時(shí)間分辨率為6天，暫時(shí)難以精準(zhǔn)高效地指導(dǎo)農(nóng)業(yè)生產(chǎn)活動(dòng)。隨著雷達(dá)傳感器功能參數(shù)和性能指標(biāo)不斷增強(qiáng)與完善，遙感衛(wèi)星也朝著高時(shí)空分辨率、多波段和多極化的方向發(fā)展，其重訪周期不斷縮短、分辨率不斷提高、獲取的觀測(cè)數(shù)據(jù)更加豐富，通過融合不同觀測(cè)模式（多波段、多極化、多角度）的數(shù)據(jù)[60-62]或者其他類型衛(wèi)星數(shù)據(jù)[63-68]是反演土壤水分的重要趨勢(shì)。另外，機(jī)載和無人機(jī)遙感克服了星載遙感時(shí)空分辨率的限制，可以更快、更精確地獲取目標(biāo)數(shù)據(jù)，將星載、機(jī)載和無人機(jī)遙感相結(jié)合將是未來的研究熱點(diǎn)，這將有助于實(shí)現(xiàn)區(qū)域土壤水分高時(shí)空分辨率的動(dòng)態(tài)監(jiān)測(cè)。

5 結(jié)語(yǔ)

本文從SAR監(jiān)測(cè)土壤水分、裸露地表土壤和植被覆蓋下地表土壤水分反演三個(gè)方面對(duì)SAR數(shù)據(jù)反演土壤水分的應(yīng)用進(jìn)展進(jìn)行系統(tǒng)性介紹和分析，指出當(dāng)前SAR反演土壤水分存在的問題，并對(duì)未來發(fā)展趨勢(shì)進(jìn)行展望。雖然遙感反演土壤水分的研究仍面臨一些問題，但與其他監(jiān)測(cè)方法相比，遙感反演方法有著快速便捷、監(jiān)測(cè)范圍廣等明顯優(yōu)勢(shì)。隨著對(duì)SAR技術(shù)的深入研究，以及充分發(fā)揮衛(wèi)星、航空、地面協(xié)同對(duì)地觀測(cè)能力，融合星-機(jī)-地遙感數(shù)據(jù)，不斷完善土壤水分反演模型和算法，合成孔徑雷達(dá)監(jiān)測(cè)土壤水分技術(shù)將具有廣闊的發(fā)展前景。