CN103940834A - 采用合成孔径雷达技术测量土壤湿度的方法 - Google Patents

Abstract

本发明提供了一种采用合成孔径雷达技术测量土壤湿度的方法。该方法包括：利用两个不同时刻t₁和t₂重复观测获取的观测区域的极化合成孔径雷达复图像S₁(x，y)和S₂(x，y)，计算得到观测区域内每一个像素点的归一化干涉复相干系数γ₁₂(x，y)；对于观测区域内的每一个像素点，计算其归一化干涉复相干系数γ₁₂(x，y)的相位值φ₁₂(x，y)；在观测区域中，排除归一化干涉复相干系数γ₁₂(x，y)的幅度A₁₂(x，y)小于a的像素组成的区域，获取有效观测区域，以及对有效观测区域内的每一个元素，利用地表相干散射模型和前一个时刻的土壤湿度值Mv₁计算后一个时刻下的土壤湿度值Mv₂，从而得到有效观测区域内的土壤湿度分布。本发明能够简单、快速地获取观测区域的高分辨率土壤湿度测量值。

Description

采用合成孔径雷达技术测量土壤湿度的方法

技术领域

本发明涉及雷达技术领域，尤其涉及一种采用合成孔径雷达技术测量土壤湿度的方法。

背景技术

利用合成孔径雷达的干涉相位信息进行土壤湿度测量是一种新的技术。早期利用合成孔径雷达测量土壤湿度的方法都是基于幅度信息，其中以多极化合成孔径雷达技术的应用潜力最大。由于幅度数据需要经过准确的定标过程才能用于定量研究，并且对于土壤湿度测量这种应用而言，合成孔径雷达数据的幅度容易受到土壤粗糙度的影响，而这种影响难以通过信号处理进行分离或校正。然而，干涉相位是相对值，不需要进行复杂的幅度标定，土壤粗糙度可以认为是慢变量并且变化非常小。因而，利用不同时刻重复观测的合成孔径雷达数据获取干涉相位信息具有多方面的优势。但是通过干涉相位信息提取土壤湿度的可能性是近10年才得到关注和研究。

在1989年，A.Gabriel等人利用SEASAT数据观测到了干涉相位与土壤水分变化的联系，他们认为是由土壤的膨胀引起的粗糙地表形态变化造成的(A.Gabriel，R.Goldstein，and H.Zebker，“Mapping small elevationchanges over large areas：Differential radar interferometry,”J.Geophys.Res.，vol.94，no.B7，pp.9183-9191，Jul.1989.)。直到1998年，G.Nesti等人在EMSL暗室开展了实验，给出了2-12GHz频率范围内土壤湿度随时间变化引起的干涉测量相位差的测量结果(G.Nesti et al.，“Phase shift anddecorrelation of radar signal related to soil moisture changes,”Proc.of2ndInternational Workshop on Retrieval of Bio-Geo-physical Parameter from SARdata for Land Applications，ESTEC，Noordwijk，Netherlands，Oct.21-23，ESASP441，1998.)。此后，M.Nolan和I.Hajnsek等人分别开展了深入的研究，他们认为土壤水分的变化引起了相位中心的偏移，进而产生干涉相位差此外差分干涉的方法有利于提取微小的相位变化，他们分别利用星载C波段和机载L波段SAR数据进行了初步的实验现象分析。(M.Nolan etal.，”DInSAR Measurements of Soil Moisture,”IEEE Trans.Geosci.RemoteSensing，vol.41，no.2，2003.；I.Hajnsek et al.，“Soil Moisture Estimation inTime with D-InSAR”International Geoscience and Remote SensingSymposium，2008.)。2011年K.Morrison等人在暗室可控环境开展的地基SAR实验获得了C波段干涉相位变化与土壤水分含量变化的经验线性关系，并证实该线性关系在土壤湿度变化较大时可忽略土壤粗糙度差异的影响，使得利用干涉相位监测土壤湿度变化的可能性进一步提升(K.Morrison，J.C.Bennett，M.Nolan，and R.Menon，“Laboratory measurementof the DInSAR response to spatio-temporal variations in soil moisture,”IEEETrans.Geosci.Remote Sens.，vol.49，no.10，pp.3815-3823，Oct.2011.)。然而，上述文献都是基于实验现象的分析和解释，没有提出利用干涉相位来估计土壤湿度的方法。

2014年F.De Zan等人(F.De Zan et al.，“A SAR Interferometric Modelfor Soil Moisture,”IEEE Trans.Geosci.Remote Sens.，vol.52，no.1，pp.418-425，Jan.2014.)基于平面波和Born近似提出了一种利用干涉相位来估计土壤湿度的方法，并以L波段机载E-SAR数据进行了初步的反演实验研究。该方法存在的不足是假设条件太强，假设了土壤表面发生电磁波散射的颗粒非常小，土壤与空气的分界面连续光滑，这就导致了其适用范围受到限制，对于大多数自然地表并不适用。

发明内容

(一)要解决的技术问题

鉴于上述技术问题，本发明提供了一种采用合成孔径雷达技术测量土壤湿度的方法，以减小对雷达数据获取的限制与对外部数据的依赖。

(二)技术方案

本发明采用合成孔径雷达技术测量土壤湿度的方法包括：步骤A：利用两个不同时刻t₁和t₂重复观测获取的观测区域的极化合成孔径雷达复图像S₁(x，y)和S₂(x，y)，计算得到观测区域内每一个像素点的归一化干涉复相干系数γ₁₂(x，y)；步骤B：对于观测区域内的每一个像素点，计算其归一化干涉复相干系数γ₁₂(x，y)的幅度值A₁₂(x，y)和相位值φ₁₂(x，y)；步骤C，在观测区域中，排除归一化干涉复相干系数γ₁₂(x，y)的幅度A₁₂(x，y)小于a的像素组成的区域，获取有效观测区域，以及步骤D：对有效观测区域内的每一个元素，利用地表相干散射模型和前一个时刻的土壤湿度值Mv₁计算后一个时刻下的土壤湿度值Mv₂，从而得到有效观测区域内的土壤湿度分布。

(三)有益效果

从上述技术方案可以看出，本发明采用合成孔径雷达技术测量土壤湿度的方法具有以下有益效果：

(1)避免了F.De Zan等方法假设条件较强的问题，能够简单、快速地获取观测区域的高分辨率土壤湿度测量值；

(2)对雷达数据获取的限制较少，对外部数据的依赖较少，可忽略地表粗糙度的影响，对雷达数据幅度定标要求低，应用的难度小。

附图说明

图1为根据本发明第一实施例采用合成孔径雷达技术测量土壤湿度方法的流程图；

图2和图3分别为图1所示方法中执行步骤B后获取的观测区域内归一化干涉复相干系数的幅度和相位；

图4为图1所示方法中执行步骤C过程中将有目标区域相干系数幅度A₁₂＜0.7以及无目标区域置零后的有效区域的示意图；

图5为图1所示方法中执行步骤C后有效区域内归一化干涉复相干系数的相位图；

图6为图1所示方法中计算后一个时刻下土壤湿度值的流程图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本发明的保护范围。

本发明的目的在于利用重复观测的单极化合成孔径雷达复图像数据获得归一化干涉复相干系数，再利用地表相干散射模型和前一个时刻的土壤湿度值计算后一个时刻的土壤湿度值。

在对本发明进行详细说明之前，首先对土壤复介电模型以及地表相干散射模型进行说明。

最常用的土壤的复介电模型为：

${\mathrm{\ϵ}}_r={\mathrm{\ϵ}}_r^{\text{'}}+{\mathrm{j\ϵ}}_r^{\text{'}\text{'}}---\left(1\right)$

${\mathrm{\ϵ}}_r^{\text{'}}=3.03+9.3*\mathrm{Mv}+146*{\mathrm{Mv}}^2-76.7*{\mathrm{Mv}}^3---(2-1)$

${\mathrm{\ϵ}}_r^{\text{'}\text{'}}=0.1{\mathrm{\ϵ}}_r^{\text{'}}---(2-2)$

其中，ε_r是土壤复介电常数，和分别是土壤复介电常数的实部和虚部，Mv是土壤百分比形式体积含水量，即土壤湿度值。

除了上述第一组的土壤复介电模型之外，还可以采用其他的土壤复介电模型，例如在土壤成分可以测量的情况下，下面的土壤复介电模型更加准确：

$\begin{array}{c}{\mathrm{\ϵ}}_r^{\text{'}}=2.46+(13.07+0.14S-0.44C)*\mathrm{Mv}\\ +(132.11+0.38S+C)*{\mathrm{Mv}}^2+(-103.86-1.16S-0.49C)*{\mathrm{Mv}}^3\end{array}---(3-1)$

$\begin{array}{c}{\mathrm{\ϵ}}_r^{\text{'}\text{'}}=0.12+(4.7+0.00646S-0.002356C)*\mathrm{Mv}\\ +(30.56-0.61S+1.12C)*{\mathrm{Mv}}^2+(-34.29+1.36S-1.15C){\mathrm{Mv}}^3\end{array}---(3-2)$

其中，ε_r是土壤复介电常数，和分别是土壤复介电常数的实部和虚部，Mv是土壤百分比形式体积含水量，即土壤湿度值，S和C分别是沙和粘土在土壤中所占的重量比例。

地表相干散射模型为：

${\stackrel{\‾}{\mathrm{\γ}}}_{12}(x,y)=A_r\frac{\⟨{\mathrm{\α}}_1{\mathrm{\α}}_2^{*}\⟩}{\sqrt{\⟨{\left|{\mathrm{\α}}_1\right|}^2\⟩}\sqrt{\⟨{\left|{\mathrm{\α}}_2\right|}^2\⟩}}---\left(4\right)$

其中，α₁为前一时刻的极化反射系数，α₂为后一时刻的极化反射系数，是归一化干涉复相干系数的估计：

(1)在垂直极化数据的情况下，α₁＝α_v1，α2＝α_v2，则是垂直极化归一化干涉复相干系数的估计；

(2)在水平极化数据的情况下，α₁＝α_h1，α₂＝α_h2，则是水平极化归一化干涉复相干系数的估计。

此外，A_r是与散射体到波源的距离有关的幅度因子，与归一化干涉复相干系数估计的相位无关，由于本申请应用的是归一化干涉复相干系数估计的相位信息，因此对其并不关心。

垂直极化反射系数α_v与土壤的复介电常数ε_r和合成孔径雷达的入射角θ₀的关系式如下：

${\mathrm{\α}}_v=\frac{({\mathrm{\ϵ}}_r-1)[{\mathrm{\ϵ}}_r{\sin }^2{\mathrm{\θ}}_0+({\mathrm{\ϵ}}_r-{\sin }^2{\mathrm{\θ}}_0)]}{{[{\mathrm{\ϵ}}_r\cos {\mathrm{\θ}}_0+{({\mathrm{\ϵ}}_r-{\sin }^2{\mathrm{\θ}}_0)}^{1/2}]}^2}---\left(5\right)$

水平极化反射系数α_h与土壤的复介电常数ε_r和合成孔径雷达的入射角θ₀的关系式如下：

${\mathrm{\α}}_h=\frac{({\mathrm{\ϵ}}_r-1)}{{[{\mathrm{\ϵ}}_r\cos {\mathrm{\θ}}_0+{({\mathrm{\ϵ}}_r-{\sin }^2{\mathrm{\θ}}_0)}^{1/2}]}^2}---\left(6\right)$

其中，θ₀是合成孔径雷达的入射角。

在本发明的第一个示例性实施例中，提供了一种采用合成孔径雷达技术测量土壤湿度的方法。在本实施例中，采用垂直极化的合成孔径雷达图像来求取土壤湿度信息，其特点为准确率较高。

图1为根据本发明第一实施例采用合成孔径雷达技术测量土壤湿度方法的流程图。如图1所示，本实施例采用合成孔径雷达技术测量土壤湿度的方法包括：

步骤A：利用两个不同时刻t₁和t₂重复观测获取的观测区域的垂直极化的合成孔径雷达复图像S₁(x，y)和S₂(x，y)，计算得到观测区域内每一个像素点的归一化干涉复相干系数γ₁₂(x，y)：

${\mathrm{\γ}}_{12}(x,y)=\frac{\⟨S_1(x,y)\·{S_2}^{*}(x,y)\⟩}{\sqrt{\⟨{\left|S_1(x,y)\right|}^2\⟩}\sqrt{{|\⟨S_2(x,y)\⟩|}^2}}---\left(7\right)$

其中，S₁(x，y)和S₂(x，y)均为二维矩阵，(x，y)表示图像中每一个像素点在二维矩阵中的位置，即图像中每一个像素点的行、列坐标，从0开始计数。||表示对矩阵元素值取模。<>表示在矩阵窗口内取集合平均，一般情况下，该矩阵窗口可以选5*5或7*7。*表示对矩阵求共轭。

步骤B：对于观测区域内的每一个像素点，计算其归一化干涉复相干系数γ₁₂(x，y)的幅度值A₁₂(x，y)和相位值φ₁₂(x，y)：

A₁₂(x，y)＝|γ₁₂(x，y)|，φ₁₂(x，y)＝arg(γ₁₂(x，y))   (8)

图2和图3分别为图1所示方法中执行步骤B后获取的观测区域内归一化干涉复相干系数的幅度和相位；

步骤C，在观测区域中，排除归一化干涉复相干系数γ₁₂(x，y)的幅度A₁₂(x，y)小于a的像素组成的区域，获取有效观测区域，其中，0.5≤a＜1，本实施例中选取a为0.7；

由于归一化干涉复相干系数γ₁₂(x，y)的幅度A₁₂小于0.7的情况下，这些区域的相干性太低，难以提取有用信息，因此将这些区域排除。在本实施例中，图像中心为圆心，直径100mm的区域放置了土壤目标。

图4为图1所示方法中执行步骤C过程中将有目标区域相干系数幅度A₁₂＜0.7以及无目标区域置零后的有效区域的示意图；图5为图1所示方法中执行步骤C后有效区域内归一化干涉复相干系数的相位图。

步骤D：对有效观测区域内的每一个元素，利用地表相干散射模型和前一个时刻的土壤湿度值Mv₁计算后一个时刻下的土壤湿度值Mv₂；

图6为图1所示方法中计算后一个时刻下土壤湿度值的流程图。请参见图6，对于观测区域内的每一个像素，计算后一个时刻土壤湿度值Mv₂的步骤D具体包括以下步骤：

子步骤D1：利用土壤复介电模型，由前一个时刻的土壤湿度值Mv₁计算前一时刻土壤的复介电常数ε_r1；

本子步骤中，该土壤复介电模型可以采用公式2-1和2-2，也可以采用公式3-1和3-2。

子步骤D2：利用垂直极化反射系数α_v与土壤的复介电常数ε_r和合成孔径雷达的入射角θ₀的关系式，由前一时刻土壤的复介电常数ε_r1计算前一时刻对应的垂直极化反射系数α_V1；

本实施例中，采用的垂直极化的合成孔径雷达图像，因此，采用垂直极化反射系数α_v与土壤的复介电常数ε_r和合成孔径雷达的入射角θ₀的关系式，即公式5来计算的也是垂直极化反射系数α_V1，θ₀为合成孔径雷达的入射角，为已知量。

子步骤D3：若φ₁₂(x，y)＜0，则设定后一个时刻的土壤湿度初始值为Mv₂＝Mv₁-0.1％，若φ₁₂(x，y)＞0，则设定后一个时刻的土壤湿度初始值为Mv₂＝Mv₁+0.1％；

需要说明的是，此处土壤湿度值增加或下降的幅度可以介于0.05～2纸浆，本领域技术人员可以根据实际场景进行选择。

子步骤D4：利用土壤的复介电模型，由后一时刻的土壤湿度值Mv₂计算复介电常数ε_r2；

子步骤D5：利用垂直极化反射系数α_v与土壤的复介电常数ε_r和合成孔径雷达的入射角θ₀的关系式，由后一时刻土壤的复介电常数ε_r2计算后一时刻对应的垂直极化反射系数α_V2；

子步骤D6：利用垂直情况下的地表相干散射模型，由前一时刻对应的垂直极化反射系数α_V1和后一时刻对应的垂直极化反射系数α_V2，计算归一化干涉复相干系数的估计

子步骤D7，计算归一化干涉复相干系数估计的相位值进而计算归一化干涉复相干系数估计的相位值与归一化干涉复相干系数γ₁₂(x，y)的相位值φ₁₂(x，y)的差值的绝对值，如下式所示：

${\stackrel{\&OverBar;}{\mathrm{\&phi;}}}_{12}(x,y)=\arg \left({\stackrel{\&OverBar;}{\mathrm{\&gamma;}}}_{12}(x,y)\right)---\left(9\right)$

$\mathrm{\&Delta;\&phi;}(x,y)=|\stackrel{\&OverBar;}{{\mathrm{\&phi;}}_{12}}(x,y)-{\mathrm{\&phi;}}_{12}(x,y)|---\left(10\right)$

子步骤D8，令Mv₁＝Mv₂，重复执行步骤D3～D7，查找使相位差Δφ最小的Mv₂取值，即为该像素点的后一个时刻的土壤湿度值。

步骤E，对有效观测区域内每一个像素计算的土壤湿度结果做平均处理，得到观测区域内的平均湿度值。

本实施例中，观测区域较小，相干性较高的区域不连续，因此采用了对有效观测区域内每一个像素计算的土壤湿度结果做平均处理，处理的结果如表1所示。表1给出了多次重复观测中，观测区域后一时刻平均土壤湿度与实际测量的平均土壤湿度值的比较结果。

表1

至此，本发明第一实施例介绍完毕。

在本发明的第二个示例性实施例中，还提供了一种采用合成孔径雷达技术测量土壤湿度的方法。采用的数据为水平极化的合成孔径雷达复图像。

与第一实施例不同的是，在本实施例中，在执行子步骤D2时，应当采用水平极化反射系数α_h与土壤的复介电常数ε_r和合成孔径雷达的入射角θ₀的关系式，即公式6来计算的也是水平极化反射系数α_h1。步骤D5同样采用公式6来计算水平极化反射系数α_h2。并且在执行子步骤D6时，应用的地表相干散射模型与垂直极化情况下相同。本实施例的其他步骤与第一实施例的步骤相同，此处不再重述。

需要说明的是，由于水平极化的相干散射模型对于土壤湿度变化的敏感度略差，因此采用本实施例的方法获得的土壤湿度准确率较低。

在本发明的第三个示例性实施例中，还提供了一种采用合成孔径雷达技术测量土壤湿度的方法。

与第一实施例不同的是，本实施例中，星载或机载的合成孔径雷达数据，观测区域每一个像素点对应的区域都比较大，在这种情况下，就不需要对有效观测区域内的土壤湿度结果做平均，由此可以看出观测区域内土壤湿度的分布情况，将更加有意义，即在本实施例中，可以省略步骤E。本实施例的其他步骤与第一实施例的步骤相同，此处不再重述。

至此，已经结合附图对本发明三个实施例进行了详细描述。依据以上描述，本领域技术人员应当对本发明采用合成孔径雷达技术测量土壤湿度的方法有了清楚的认识。

此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换。

综上所述，本发明利用合成孔径雷达技术测量土壤湿度的方法，利用重复观测的单极化合成孔径雷达复图像数据获得归一化干涉复相干系数，再利用地表相干散射模型和前一个时刻的土壤湿度值计算后一个时刻的土壤湿度值。本发明对雷达数据获取的限制较少，对外部数据的依赖较少，可忽略地表粗糙度的影响，对雷达数据幅度定标要求低，从而使其在土壤旱情监测应用领域具有较大的应用价值。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种采用合成孔径雷达技术测量土壤湿度的方法，其特征在于，包括：

步骤A：利用两个不同时刻t₁和t₂重复观测获取的观测区域的极化合成孔径雷达复图像S₁(x，y)和S₂(x，y)，计算得到观测区域内每一个像素点的归一化干涉复相干系数γ₁₂(x，y)；

步骤B：对于观测区域内的每一个像素点，计算其归一化干涉复相干系数γ₁₂(x，y)的幅度A₁₂(x，y)和相位值φ₁₂(x，y)；

步骤C，在观测区域中，排除归一化干涉复相干系数γ₁₂(x，y)的幅度A₁₂(x，y)小于a的像素组成的区域，获取有效观测区域，以及

步骤D：对有效观测区域内的每一个元素，利用地表相干散射模型，由前一个时刻的土壤湿度值Mv₁计算后一个时刻下的土壤湿度值Mv₂，从而得到有效观测区域内的土壤湿度分布。

2.根据权利要求1所述的方法，其特征在于，所述步骤D中，对有效观测区域内的一个元素，由前一个时刻的土壤湿度值Mv₁计算后一个时刻下的土壤湿度值Mv₂包括：

子步骤D1：由前一个时刻的土壤湿度值Mv₁计算其复介电常数ε_r1；

子步骤D2：由前一时刻土壤的复介电常数ε_r1计算前一时刻对应的极化反射系数α₁；

子步骤D3：若φ₁₂(x，y)＜0，则设定后一个时刻的土壤湿度初始值为Mv₂＝Mv₁-b％，若φ₁₂(x，y)＞0，则设定后一个时刻的土壤湿度初始值为Mv₂＝Mv₁+b％；

子步骤D4：由后一时刻的土壤湿度值Mv₂计算其复介电常数ε_r2；

子步骤D5：由后一时刻土壤的复介电常数ε_r2计算后一时刻对应的极化反射系数α₂；

子步骤D6：由前一时刻对应的极化反射系数α₁和后一时刻对应的极化反射系数α₂，计算归一化干涉复相干系数的估计

子步骤D7，计算归一化干涉复相干系数估计的相位值进而计算相位值与φ₁₂(x，y)的相位差绝对值Δφ；以及

子步骤D8，令Mv₁＝Mv₂，重复执行步骤D3～D7，查找使相位差绝对值Δφ最小的Mv₂取值，即为该像素点的后一个时刻的土壤湿度值。

3.根据权利要求2所述的方法，其特征在于，所述子步骤D1和D4中，利用土壤复介电模型，由土壤湿度值Mv计算土壤的复介电系数ε_r，其中，所述土壤复介电模型为：

${\mathrm{\&epsiv;}}_r={\mathrm{\&epsiv;}}_r^{\text{'}}+{\mathrm{j\&epsiv;}}_r^{\text{'}\text{'}}$

${\mathrm{\&epsiv;}}_r^{\text{'}}=3.03+9.3*\mathrm{Mv}+146*{\mathrm{Mv}}^2-76.7*{\mathrm{Mv}}^3$

${\mathrm{\&epsiv;}}_r^{\text{'}\text{'}}=0.1{\mathrm{\&epsiv;}}_r^{\text{'}}$

其中，ε_r是土壤复介电常数，和分别是土壤复介电常数的实部和虚部，Mv是土壤百分比形式体积含水量，即土壤湿度值。

4.根据权利要求2所述的方法，其特征在于，所述子步骤D1和D4中，利用土壤复介电模型，由土壤湿度值Mv计算土壤的复介电系数ε_r，其中，所述土壤复介电模型为：

${\mathrm{\&epsiv;}}_r={\mathrm{\&epsiv;}}_r^{\text{'}}+{\mathrm{j\&epsiv;}}_r^{\text{'}\text{'}}$

$\begin{array}{c}{\mathrm{\&epsiv;}}_r^{\text{'}}=2.46+(13.07+0.14S-0.44C)*\mathrm{Mv}\\ +(132.11+0.38S+C)*{\mathrm{Mv}}^2+(-103.86-1.16S-0.49C)*{\mathrm{Mv}}^3\end{array}$

$\begin{array}{c}{\mathrm{\&epsiv;}}_r^{\text{'}\text{'}}=0.12+(4.7+0.00646S-0.002356C)*\mathrm{Mv}\\ +(30.56-0.61S+1.12C)*{\mathrm{Mv}}^2+(-34.29+1.36S-1.15C){\mathrm{Mv}}^3\end{array}$

其中，ε_r是土壤复介电常数，和分别是土壤复介电常数的实部和虚部，Mv是土壤百分比形式体积含水量，即土壤湿度值，S和C分别是沙和粘土在土壤中所占的重量比例。

5.根据权利要求2所述的方法，其特征在于：

所述合成孔径雷达复图像S₁(x，y)和S₂(x，y)为垂直极化的合成孔径雷达复图像，所述极化反射系数α₁和α₂为垂直极化反射系数；

所述子步骤D2和D5具体为，利用如下垂直极化反射系数α_v与土壤的复介电常数ε_r和合成孔径雷达的入射角θ₀的关系式，由土壤的复介电常数ε_r2计算垂直极化反射系数α_v：

${\mathrm{\&alpha;}}_v=\frac{({\mathrm{\&epsiv;}}_r-1)[{\mathrm{\&epsiv;}}_r{\sin }^2{\mathrm{\&theta;}}_0+({\mathrm{\&epsiv;}}_r-{\sin }^2{\mathrm{\&theta;}}_0)]}{{[{\mathrm{\&epsiv;}}_r\cos {\mathrm{\&theta;}}_0+{({\mathrm{\&epsiv;}}_r-{\sin }^2{\mathrm{\&theta;}}_0)}^{1/2}]}^2}$

其中，θ₀是合成孔径雷达的入射角；

所述子步骤D6中，由前一时刻对应的垂直极化反射系数α_v1和后一时刻对应的垂直极化反射系数α_v2，计算归一化干涉复相干系数的估计 ${\stackrel{\&OverBar;}{\mathrm{\&gamma;}}}_{12}(x,y).$

6.根据权利要求2所述的方法，其特征在于：

合成孔径雷达复图像S₁(x，y)和S₂(x，y)为水平极化的合成孔径雷达复图像，所述极化反射系数α₁和α₂为水平极化反射系数；

所述子步骤D2和D5具体为，利用如下水平极化反射系数α_h与土壤的复介电常数ε_r和合成孔径雷达的入射角θ₀的关系式，由土壤的复介电常数ε_r2计算水平极化反射系数α_h：

${\mathrm{\&alpha;}}_h=\frac{({\mathrm{\&epsiv;}}_r-1)}{{[{\mathrm{\&epsiv;}}_r\cos {\mathrm{\&theta;}}_0+{({\mathrm{\&epsiv;}}_r-{\sin }^2{\mathrm{\&theta;}}_0)}^{1/2}]}^2}$

其中，θ₀是合成孔径雷达的入射角；

所述子步骤D6中，由前一时刻对应的水平极化反射系数α_h1和后一时刻对应的水平极化反射系数α_h2，计算归一化干涉复相干系数的估计 ${\stackrel{\&OverBar;}{\mathrm{\&gamma;}}}_{12}(x,y).$

7.根据权利要求2所述的方法，其特征在于，所述子步骤D3中，0.05≤b＜2。

8.根据权利要求1所述的方法，其特征在于，所述步骤D之后还包括：

步骤E，对有效观测区域内每一个像素计算的土壤湿度结果做平均处理，得到有效观测区域内的平均湿度值。

9.根据权利要求1至8中任一项所述的方法，其特征在于，所述步骤A中，依据下式由极化合成孔径雷达复图像S₁(x，y)和S₂(x，y)计算归一化干涉复相干系数γ₁₂(x，y)：

${\mathrm{\&gamma;}}_{12}(x,y)=\frac{\&lang;S_1(x,y)\&CenterDot;{S_2}^{*}(x,y)\&rang;}{\sqrt{\&lang;{\left|S_1(x,y)\right|}^2\&rang;}\sqrt{{|\&lang;S_2(x,y)\&rang;|}^2}}$

其中，S₁(x，y)和S₂(x，y)均为二维矩阵，(x，y)表示图像中每一个像素点在二维矩阵中的位置，即图像中每一个像素点的行、列坐标，从0开始计数；||表示对矩阵元素值取模；<>表示在矩阵窗口内取集合平均，*表示对矩阵元素求共轭。

10.根据权利要求1至8中任一项所述的方法，其特征在于，所述步骤C中，0.5≤a＜1。