Using RADARSAT-2 polarimetric and ENVISAT-ASAR dual-polarization data for estimating soil moisture over agricultural fields

Abstract

There are several challenges in estimating soil moisture from radar remote sensing over agricultural fields in eastern Canada. To begin, snow cover or frozen ground is observed from November to April. From April to May, agricultural activities (e.g., ploughing and sowing) change the surface roughness from week to week thereby limiting the applicability of multitemporal and multi-incidence angle approaches. Techniques using a priori information on surface roughness are difficult to apply since the type of crop often changes from year to year. Here, we present an approach using effective roughness parameters (i.e., effective root mean square height and effective correlation length) that are obtained using an empirical relationship (independent of the crop type) between the root mean square height and the correlation length. The effective parameters allow us to resolve the Integral Equation Model for observed incidence angle and backscattering coefficient in HH and VV polarizations (σ°_HH and σ°_VV) using a look-up table. An additional challenge is posed by the growth of vegetation that begins in May. Three-component decompositions and radar vegetation indices were used to characterize the vegetation in agricultural fields. Surface backscattering coefficients in HH and VV polarizations (σ°_{SURF_HH} and σ°_{SURF_VV}) were calculated using the decompositions. An improvement in estimates of soil moisture was observed with the use of surface backscattering coefficients for bare soil and sparsely vegetated fields instead of the total backscattering.

L'estimation de l'humidité du sol à partir de données radar à synthèse d'ouverture au dessus de champs agricoles dans l'est du Canada présente une situation particulière. De la neige ou un sol gelé est observé de novembre à avril, puis plusieurs opérations (labour, semis) sont effectuées dans les champs, changeant la rugosité du sol de semaine en semaine. Ainsi les approches multi-temporelles et multi-incidences sont limitées par les pratiques agricoles. Les techniques utilisant une information a priori sur la rugosité du sol sont également difficile à appliquer, puisque le type de culture change d'une année à l'autre. Cet article présente une approche utilisant des paramètres de rugosité effectifs (hauteur quadratique moyenne et longueur de corrélation). Afin d'obtenir les paramètres de rugosité effectifs, une relation empirique entre hauteur quadratique moyenne et longueur de corrélation est développée. Ces paramètres permettent ensuite de résoudre le modèle de l’équation intégrale pour un angle d'incidence et des coefficients de rétrodiffusion observés en polarisation HH et VV (σ°_HH et σ°_VV) en utilisant une table de correspondance. En plus des difficultés liées à la rugosité du sol, la végétation commence à croitre en mai et son influence sur la rétrodiffusion du signal doit être considérée. La technique de décomposition de la cible, ainsi que des indices de végétation radar sont utilisés pour caractériser la végétation des champs agricoles. Des coefficients de rétrodiffusion de surface en polarisation HH et VV (σ°_{SURF_HH} et σ°_{SURF_VV}) sont ensuite calculés à l'aide des décompositions. Une amélioration de l'estimation de l'humidité du sol est observée avec l'utilisation des coefficients de rétrodiffusion de surface pour les sols nus et de faible végétation.

Acknowledgements

This research was supported by the Natural Sciences and Engineering Research Council of Canada through an individual research grant and the Groundwater Program of Natural Resources Canada. The authors wish to thank Michel Nolin of Agriculture and Agri-Food Canada for his help in the soil analysis.