Soil moisture estimation based on integration of optical and SAR images

Abstract

In the past, different soil moisture estimation models were developed using remotely sensed data. Some of these models are based on optical images (i.e., optical models), some are based on synthetic aperture radar (SAR) images (i.e., SAR models), and a few models were developed based on integration of optical and SAR images (i.e., hybrid models). In this study, these three different types of soil moisture estimation models are compared. Results show that generally the SAR models are more accurate than the optical models, and by using the hybrid models the accuracies improve.

Using a calibrated Dubois model, a root mean square surface roughness parameter was estimated for all the in situ data. This parameter was then considered in the SAR models to correct the surface roughness effects on radar backscatter coefficients. Consideration of this parameter improved the SAR models.

Vegetation water content (VWC) is an important parameter in the SAR models to correct vegetation effects on radar backscattering coefficients. However, normally it is collected by extensive field work. It was shown that there is high correlation between VWC and Normalized Difference Vegetation Index by using a linear regression model. Therefore, it may be possible to estimate VWC using optical images.

A new hybrid model has been developed based on integration of optical and multipolarization SAR images, and its accuracies have been assessed using ground check points. The results show that this model is the most accurate and can be used as a suitable model to estimate soil moisture.

However, because limitations existed in the SAR, optical images, and the ground data used in this research, to verify the validity of obtained results for a global scale it is necessary to do more experiments using more aerial or satellite image data and also to test the models for different geophysical conditions.

Dans le passé, différents modèles d'estimation de l'humidité du sol ont été développés à l'aide des données de télédétection. Certains de ces modèles sont basés sur l'utilisation d'images optiques (p. ex. les modèles optiques), certains de ceux-ci sont basés sur l'utilisation d'images radar à synthèse d'ouverture (RSO) (p. ex. les modèles RSO) et quelques-uns ont été développés sur la base de l'intégration d'images optiques et radar (p. ex. les modèles hybrides). Dans cette recherche, on compare ces trois différents types de modèles d'estimation de l'humidité du sol. Les résultats montrent qu'en général les modèles RSO sont plus précis que les modèles optiques et, qu'en utilisant les modèles hybrides, les précisions s'améliorent.

Également, à l'aide d'un modèle de Dubois étalonné, on a estimé l'erreur quadratique moyenne du paramètre de rugosité de surface pour l'ensemble des données in situ. Ensuite, ce paramètre a été pris en considération dans les modèles RSO pour corriger les effets de rugosité de surface sur les coefficients de rétrodiffusion radar. La prise en considération de ce paramètre a permis d'améliorer les modèles RSO.

La teneur en eau de la végétation est un paramètre important dans les modèles RSO pour corriger les effets de la végétation sur les coefficients de rétrodiffusion radar. Cependant, l'acquisition de cette variable suppose généralement des travaux de terrain laborieux. Il a été démontré qu'il y a une forte corrélation entre la teneur en eau de la végétation et le «Normalized Difference Vegetation Index» en utilisant un modèle de régression linéaire. Ainsi, on pourrait potentiellement estimer la teneur en eau de la végétation en utilisant des images optiques.

Un nouveau modèle hybride a été développé basé sur l'intégration des images optiques et RSO en multipolarisation et la précision du modèle a été évaluée à l'aide de points de contrôle au sol. Les résultats montrent que ce modèle est le plus précis et qu'il peut être utilisé comme modèle adéquat pour l'estimation de l'humidité du sol.

Toutefois, dû à certaines limitations présentes dans les images RSO et optiques ainsi que dans les données au sol utilisées dans cette recherche, afin de pouvoir vérifier la validité des résultats obtenus à l’échelle du globe, il est nécessaire d'expérimenter davantage en utilisant plus d'images aériennes ou satellitaires et aussi de tester les modèles dans différentes conditions géophysiques.

[Traduit par la Rédaction]

Acknowledgements

The authors would like to thank the Soil Moisture Experiment 2003 Science Team and USDA-ARS Grazing lands Research Laboratory for their assistance in the collection of this data set, and the University of Tehran for financial support for this research under grant number 8103001/1/04.