前言
在上一篇推文《SAR图像特性与SARscape安装》中，我介绍了回波能量的强弱受到入射脉冲特性和地物属性的影响。在入射脉冲一定的情况下，地物的介电特性和表面粗糙度是关键因素。液态水因其强极化能力和高介电常数，在自然界中含水量的多少直接影响地物的相对介电常数，从而决定了雷达后向散射信号的强弱。因此，通过分析接收到的信号强度，可以估算地物的含水量。
由于地表的复杂性，雷达脉冲在很多情况下需要穿透植被层才能到达土壤表面，返回的能量中自然也包含了植被的影响。因为植被含水量较高，往往对土壤水分的反演造成干扰。因此，许多研究已经探索了如何估算植被覆盖下的土壤水分。光学遥感技术可以有效提取植被冠层信息，而SAR技术则能穿透植被，协同使用这两种遥感数据可以提高土壤水分反演的精度。目前，已经开发了多个模型用于分析植被覆盖下的土壤水分。
植被覆盖地表微波遥感反演土壤水分模型：
-
水云模型
该模型由 Attema 和 Ulaby 于1978年基于辐射传输理论提出，是经典且广泛使用的模型。模型假设植被层由均匀分布的散射颗粒组成，并忽略了植被与土壤表面的多次散射。变量包括植被高度、植被含水量和土壤湿度。该模型可以利用被动光学影像计算的植被层含水量作为关键参数反演植被覆盖层的土壤含水量。具体公式如下：
-
MIMICS模型
MIMICS模型在水云模型的基础上进一步细化，将地表分为植被冠层、植被茎秆和地表三个部分，考虑了多次散射的作用。虽然该模型更为复杂，能够捕捉更多细节，但由于参数繁多且部分参数难以获取或精确测定，其应用受到了一定限制。
在《农业雷达遥感方法与应用》书中提到植被覆盖区土壤湿度反演有两种方法：一种是极化分解的方法，得到土壤散射的分解量。理解起来有点像激光雷达的全波形分解获取土壤回波能量。第二种方法是利用作物的散射机理，结合模型（如水云模型），去除植被影响，反演出土壤湿度。但这种方法也类似于土壤后向散射系数的分解。
下文介绍基于主被动遥感数据（sentinel1、sentinel2）采用水云模型消除研究区植被对土壤水分反演中雷达后向散射系数的影响。我们可以通过建立土壤后向散射系数与实测土壤水分的回归关系，最终利用回归方程计算研究区域的土壤含水量。由于我目前没有实测土壤水分数据，本文将介绍到土壤后向散射系数的反演部分。有实测数据时，通过Excel或SPSS等软件建立回归方程也并不复杂。
除了植被影响，理论上我们还应考虑土壤粗糙度的影响。不过，由于最终结果与实测数据回归拟合，我直观的认为粗糙度的影响相对较小。如果要进一步消除其影响，可以针对不同的土壤类型和覆盖层分别处理。
方法
反演思路：通过水云模型计算土壤后向散射系数。首先，通过Sentinel-2卫星影像反演植被冠层含水量（可用植被指数进行估算）；其次，使用Sentinel-1雷达影像计算地表总的后向散射系数。最后，结合卫星观测的入射角栅格图，运用水云模型公式实现土壤后向散射系数的反演。
数据准备：Sentinel-1数据和对应或邻近时间的sentinel-2数据
具体操作步骤
-
植被冠层含水量
这里我使用的改进归一化差异水体植被指数（MNDWI）表示植被冠层含水量，虽然很多文献用了不同的指数如NDWI、FVI等，但我觉得这里使用某个水体指数就行，因为最后土壤后向反射系数还需要与实测进行拟合。
在计算MNDWI之前，首先需要加载影像。由于Sentinel-2的各波段分辨率不同，我需要使用SNAP软件将所有波段重采样到相同的分辨率。然而，这次我遇到了一些问题，影像无法打开，原因暂时不明。
由于ENVI只能打开10米分辨率的波段，我需要在image_data文件夹中找到B4和B11波段并导入ENVI。因为它们是.jp2格式，接下来需要将B4波段（10米分辨率）另存为ENVI标准格式。然后，使用“Resize Data”工具将B4波段重采样至20米分辨率。最后，使用Band Math工具计算MNDWI，公式为：(B4 - B11) / float(B4 + B11)。
-
地表总后向散射系数
在我的上一篇推文《SNAP安装与SAR数据预处理---以sentinel-1为例》我已经介绍了SAR的GRD影像数据进行数据预处理得到辐射校正后的影像的步骤，这里不再赘述。接下来，我们需要将辐射校正后的影像重采样到与光学影像一致的分辨率（20米），以便于后续处理。
-
SAR影像入射角
在下载的影像压缩包中的tie_point_grids文件下有incident_angle影像文件，但是该影像文件没有空间信息，需要定义投影，并进行地理配准。地理配准就结合着投影后的sar影像的四个角点进行地理配准就行。
裁剪
最后将三个影像在研究区范围内，并保持一致的分辨率，而影像入射角图像分辨率太低需要先重采样至同一分辨率在裁剪，否则不太好裁剪。土壤后向散射系数求解
在ENVI基于计算的参数影像使用band math工具就可以计算。参照水云模型的公式，下面公式只要选择对应波段在band math就可以计算了
植被层的双程衰减因子：exp(-2* (0.3334) * b1/cos(b2))
植被层后向反射系数：0.1449 * b1 * cos(b2) * (1-b3)
土壤层后向反射系数：(b1-b2)/b3建立回归方程
最后使用实测的土壤含水量进行回归就好了。我也没有实测数据这一步就不具体介绍了。我们看看别人的结果。
参考：
《主被动遥感协同反演地表土壤水分方法》余凡，我比较推荐这本书。
《农业雷达遥感方法与应用》邵芸
《基于 Sentinel－1 SAR数据的锡林浩特市典型草原土壤水分反演》 王龙
《光学与 SAR 遥感协同反演土壤水分研究进展》艾璐
https://www.bilibili.com/video/BV1Py4y1z7bU/?spm_id_from=333.880.my_history.page.click&vd_source=68fd7d73a611b6f1bf806cd8e9d19dab
