| Titre | Using SAR-derived vegetation descriptors in a water cloud model to improve soil moisture retrieval |
| |
| Auteur | Li, J; Wang, S |
| Source | Remote Sensing vol. 10, no. 9, 1370, 2018 p. 1-17, https://doi.org/10.3390/rs10091370  Accès ouvert |
| Image |  |
| Année | 2018 |
| Séries alt. | Ressources naturelles Canada, Contribution externe 20170259 |
| Éditeur | Elsevier |
| Document | publication en série |
| Lang. | anglais |
| DOI | https://doi.org/10.3390/rs10091370 |
| Media | papier; en ligne; numérique |
| Formats | pdf; html |
| Programme | Géoscience des eaux souterraines , Aquifer Assessment & support to mapping |
| Diffusé | 2018 08 29 |
| Résumé | (disponible en anglais seulement)
The water cloud model (WCM) is a widely used radar backscatter model applied to SAR images to retrieve soil moisture over vegetated areas. The WCM needs
vegetation descriptors to account for the impact of vegetation on SAR backscatter. The commonly used vegetation descriptors in WCM, such as Leaf Area Index (LAI) and Normalized Difference Vegetation Index (NDVI), are sometimes difficult to obtain due
to the constraints in data availability in in-situ measurements or weather dependency in optical remote sensing. To improve soil moisture retrieval, this study investigates the feasibility of using all-weather SAR derived vegetation descriptors in
WCM. The in-situ data observed at an agricultural crop region south of Winnipeg in Canada, RapidEye optical images and dual-polarized Radarsat-2 SAR images acquired in growing season were used for WCM model calibration and test. Vegetation
descriptors studied include HV polarization backscattering coefficient (sigmaHV°) and Radar Vegetation Index (RVI) derived from SAR imagery, and NDVI derived from optical imagery. The results show that sigmaHV° achieved similar results as NDVI but
slightly better than RVI, with a root mean square error of 0.069 m3/m3 and a correlation coefficient of 0.59 between the retrieved and observed soil moisture. The use of sigmaHV° can overcome the constraints of the commonly used vegetation
descriptors and reduce additional data requirements (e.g., NDVI from optical sensors) in WCM, thus improving soil moisture retrieval and making WCM feasible for operational use. |
| Sommaire | (Résumé en langage clair et simple, non publié)
Les observations continues de l'humidité des sols sur de grandes superficies jouent un rôle important dans de nombreuses applications des
sciences de la Terre. Les produits actuels pour l'humidité des sols et dérivés de données télédétectées par la mission satellite SMOS (soil moisture and ocean salinity) (Mission d'étude de l'humidité des sols et de la salinité des océans) et des
données télédétectées par la mission satellite SMAP (Soil Moisture Active/Passive) (données d'analyse active /passive de l'humidité) peuvent offrir une couverture mondiale à l'intérieur d'un cycle de 2 à 3 jours, mais à de faibles résolutions (~ 40
km), ce qui limite l'utilisation de ces données pour ces applications. La combinaison de données télédétectées SMOS/SMAP et de données SAR offre une façon de réduire l'échelle des produits pour l'humidité des sols de la couverture mondiale et permet
d'obtenir une résolution plus élevée. Cette étude explore la capacité de séries chronologiques dérivées de l'imagerie satellite RADARSAT-2 pour l'extraction de paramètres d'humidité du sol sur une zone de végétation. Cette étude prépare le fondement
théorique pour la réduction de l'échelle des données satellitaires SMOS/SMAP sur l'humidité des sols en utilisant des données SAR. |
| GEOSCAN ID | 306179 |
|
|