基于无人机的土壤湿度遥感测量：跨不同土地覆盖类型的验证与贝叶斯不确定性表征
信号处理
2026-01-27 v1
摘要
高分辨率土壤湿度（SM）观测对农业监测、森林管理和灾害预测至关重要，但当前的卫星被动微波任务无法直接提供十米尺度的反演结果。载荷微波辐射计的无人机方案正在成为有前景的替代方法，但目前大多数评估仅聚焦于农业场景，缺乏对其他土地覆盖类型的探索，以及对反演不确定性量化的努力不足。本研究通过在2024年进行为期10天的田间试验，评估了在中州美国的灌木丛、裸露土地和森林条带区域，对基于无人机的便携式L波段辐射计（PoLRa）获取的SM反演进行了评估。在10米、20米和30米的飞行高度下执行受控无人机飞行，以获得7米、14米和21米的空间分辨率的亮度温度（TB）。采用多种基于tau-omega模型的算法进行SM反演，包括单通道算法（SCA）、双通道算法（DCA）和多时序双通道算法（MTDCA）。随后应用贝叶斯推断框架，对SM和植被光学深度（VOD）提供概率化不确定性表征。结果表明，格网化的TB分布一致地捕捉到与植被密度变化相关的干湿梯度， polarized观测之间的空间相关性在不同尺度下得到很好保持。在与现场测量值进行的验证表明，PoLRa基于SCAV和MTDCA算法获取的SM反演在不同土地覆盖类型下的无偏均方根误差（ubRMSE）通常低于0.04 m3/m3。贝叶斯后验分析确认，参考SM值大多落在导出的不确定性区间内，SCA和DCA相关反演的平均不确定性范围分别为0.02 m3/m3和0.11 m3/m3。
引用
@article{arxiv.2506.05572,
title = {UAV-Based Remote Sensing of Soil Moisture Across Diverse Land Covers: Validation and Bayesian Uncertainty Characterization},
author = {Runze Zhang and Ishfaq Aziz and Derek Houtz and Yuxiang Zhao and Trent W. Ford and Adam C. Watts and Mohamad Alipour},
journal= {arXiv preprint arXiv:2506.05572},
year = {2026}
}