SAR土壤湿度反演 | SAR Soil Moisture Retrieval
Retrieves the volumetric soil moisture content mv (m³/m³) of bare soil surfaces from the SAR backscatter coefficient σ⁰, using simplified Dubois / Oh semi-empirical physical models:
σ⁰_dB(mv, ks, θ) = A(θ) + B(θ)·(k·s) + C(θ)·mv
where θ is the incidence angle, k = 2π/λ is the radar wavenumber (C-band λ ≈ 5.6 cm), s is the surface RMS height, and ks = k·s is the normalized roughness; C(θ) ∝ cos²θ is the moisture-sensitive term. Since σ⁰_dB is monotonically linear with respect to mv, the retrieval solves analytically and clips the result to the physically valid range [0.01, 0.60] m³/m³.
Application Scenarios / 应用场景
- Farmland soil moisture monitoring and drought assessment
- Soil moisture assimilation in hydrological models
- Irrigation management and precision agriculture
Dependencies / 依赖
pip install 'numpy' 'rasterio'
Usage / 使用方法
Example 1 (Synthetic Data, Offline)
python geoskill-sar-soil-moisture.py --bbox 116.0 39.0 117.0 40.0 --incidence-angle 40 --model dubois --synthetic --output-dir ./out
示例 2（Oh 模型）
python geoskill-sar-soil-moisture.py --bbox 116.0 39.0 117.0 40.0 --model oh --synthetic --output-dir ./out
Example 3 (Real σ⁰ Imagery)
python geoskill-sar-soil-moisture.py --input sigma0_db.tif --model dubois --roughness-ks 1.2 --output-dir ./out
Example 4 (Different Incidence Angles)
python geoskill-sar-soil-moisture.py --input sigma0_db.tif --incidence-angle 35 --model oh --output-dir ./out
Output / 输出
| File | Format | Description |
|---|---|---|
soil_moisture.tif |
GeoTIFF | Retrieved soil moisture content (m³/m³) |
soil_moisture_stats.json |
JSON | Model coefficients, retrieval statistics, synthetic validation (RMSE/correlation) |
output-manifest.json |
JSON | Run manifest |
Data Source / 数据源 / Source
A local σ⁰ (dB) GeoTIFF, or a simulated scene generated by forward modeling from --synthetic soil moisture + roughness fields.
Privacy / 隐私声明 / Privacy
- Runs offline by default;
--syntheticmode requires no network at all. - All processing is done locally; no user data is uploaded.
License / License
MIT
name: geoskill-sar-soil-moisture description: 'SAR 土壤湿度反演：基于简化 Dubois/Oh 半经验模型，由后向散射系数 σ⁰、入射角与地表粗糙度解析反演裸土体积含水量 (m³/m³)'
SAR土壤湿度反演 | SAR Soil Moisture Retrieval
从 SAR 后向散射系数 σ⁰ 反演裸土地表土壤体积含水量 mv (m³/m³)。采用简化的 Dubois / Oh 半经验物理模型：
σ⁰_dB(mv, ks, θ) = A(θ) + B(θ)·(k·s) + C(θ)·mv
其中 θ 为入射角，k = 2π/λ 为雷达波数（C 波段 λ≈5.6 cm），s 为地表 RMS 高度， ks = k·s 为归一化粗糙度；C(θ) ∝ cos²θ 为湿度敏感项。σ⁰_dB 对 mv 单调线性， 反演时解析求解并裁剪到物理有效范围 [0.01, 0.60] m³/m³。
应用场景
- 农田墒情监测、干旱评估
- 水文模型土壤水分同化
- 灌溉管理与精准农业
依赖
pip install 'numpy' 'rasterio'
使用方法
示例 1（合成数据，离线）
python geoskill-sar-soil-moisture.py --bbox 116.0 39.0 117.0 40.0 --incidence-angle 40 --model dubois --synthetic --output-dir ./out
示例 2（Oh 模型）
python geoskill-sar-soil-moisture.py --bbox 116.0 39.0 117.0 40.0 --model oh --synthetic --output-dir ./out
示例 3（真实 σ⁰ 影像）
python geoskill-sar-soil-moisture.py --input sigma0_db.tif --model dubois --roughness-ks 1.2 --output-dir ./out
示例 4（不同入射角）
python geoskill-sar-soil-moisture.py --input sigma0_db.tif --incidence-angle 35 --model oh --output-dir ./out
输出
| 文件 | 格式 | 说明 |
|---|---|---|
soil_moisture.tif |
GeoTIFF | 反演土壤含水量 (m³/m³) |
soil_moisture_stats.json |
JSON | 模型系数、反演统计、合成验证 (RMSE/相关) |
output-manifest.json |
JSON | 运行清单 |
数据源 / Source
本地 σ⁰ (dB) GeoTIFF，或 --synthetic 土壤湿度 + 粗糙度场正演的模拟场景。
隐私声明 / Privacy
- 默认离线运行，
--synthetic模式完全无网络。 - 所有处理在本地完成，不上传用户数据。
License
MIT