土壤水分是全球水、能源和碳循环的关键变量,同时也是农作物生长、作物长势监测、作物估产及旱情监测的基本参数。合成孔径雷达(Synthetic Aperture Radar,SAR)可以实现全天时、全天候的采集数据,由于SAR后向散射系数对土壤介电常数的敏感性,而土壤水分又是土壤介电常数的决定因素,因此SAR遥感被广泛应用于土壤水分反演研究。但雷达系统参数、地表粗糙度等因素对SAR反演土壤水分的干扰很大,特别是在农田区域,干扰因素更为复杂,又包括植被冠层结构、植被含水量等因素影响。因此为提高农田区域土壤水分的反演精度,需要有效的剔除这些干扰。而以往的研究多集中在经验、半经验、物理模型等方法,这些模型的输入参数在真实地表很难获得,且仅仅适用于小区域的土壤水分反演。变化探测算法因其无需先验知识、只要有雷达、光学数据,就能有效地减弱地表粗糙度和植被覆盖等干扰,在大面积的农田区域反演土壤水分具备优势,欧空局发布的哨兵系列卫星数据兼具雷达、光学数据,数据覆盖范围广,且时间分辨率(12天)和空间分辨率(10m)很高,为变化探测算法提供了有力支持。本文研究变化探测算法在农田区域土壤水分反演的可行性,取得的研究成果如下:(1)土壤水分观测网络与地面土壤水分验证数据集获取考虑空间异质性、植被类型、土壤质地等因素,在德惠市农田区域设计了一套40km*40km的土壤水分自动监测网络。测量了表层土壤水分0-5cm有效“真”值。地表粗糙度采用针式粗糙度剖面板进行测量,并计算出表征地表几何特征的粗糙度参数,包括相关长度、均方根高度、垄宽、垄高、垄向等。其中,垄宽范围为62.8-70.4 cm,垄高范围为5.92-12.94 cm,均方根高度0.36-1.28 cm,指数相关长度1.23-7.85cm,垄台高斯相关长度0.94-11.1cm,雷达系统参数垄的平均入射角为37.95-39.79°。本研究同时测量了对雷达后向散射信号影响比较大的所有监测点垄台方位角,垄台方位角在16.42-76.42°之间。(2)基于时间序列SAR数据的变化探测算法研究以及土壤水分最佳空间分辨率的确定详细介绍了雷达数据后向散射系数处理、光学数据提取NDVI以及插值出因云覆盖而缺失的NDVI值。详细阐述3种变化探测算法的原理和应用。算法1是根据长时间序列内,假设雷达过境时间内,农田的粗糙度变化很小,植被影响以及土壤水分的变化与后向散射系数的变化直接相关,将植被影响因素用与植被归一化指数NDVI相关的函数来代替,达到去除植被覆盖的干扰。算法2改进了算法1,提出一种运用模型IEM模拟出最干条件下的后向散射系数最小值,根据各期雷达数据与模拟最小值的差值以及光学NDVI数据,联合反演土壤水分,确定最终的土壤水分反演算法以及最佳空间尺度。算法3是假设相邻两期雷达数据的粗糙度变化和植被生物量通常很小,以至于两期之间的后向散射信号差异主要取决于土壤水分的变化,给定边界约束条件,反演出土壤水分。将各个算法升尺度到90m的空间分辨率(9*9个后向散射系数的像元值取平均)。经过升尺度到30m(3*3个像元),50m(5*5个像元),70m(7*7像元)等多次尝试,反演水分值与实测土壤水分值的误差较大。升尺度到90m后,该尺度下各个方法反演的精度最高。且90m的分辨率可以减少不同玉米品种的异质性所造成的不确定性,可满足研究区的农业实际需要。(3)几种算法的精度评价、误差分析以及误差来源的不确定性分析根据地面实测数据与3种方法土壤水分反演值的对比分析,利用RMSE、MRE、MAE、IA、ubRMSE和R等统计指标分别评价了3种反演方法的精度和优劣性,给定3种方法的适用性以及应用范围,对误差来源进行分析讨论。综合各个指标来看,方法2整体精度略优于方法1,方法3精度低于方法1和方法2。考虑到简单性,高效性,且部分数据因仪器故障问题会导致水分实测值的缺失,所以尽可能的选择水分实测值较多的数据来进行验证分析。这里选择几期代表性的数据,裸土时期(20170429)、植被生长时期(20170628)、植被茂盛期(20170815)以及植被衰落期(20170920)。其中,在裸土期,方法2更为可靠。在生长期,方法1更具备适用性。在衰落期,方法1和方法2都比较合理。以上结果说明基于变化探测算法的SAR数据反演农田有一定的合理性与实用性。