Determinación de la humedad de suelo mediante regresión lineal múltiple con datos TerraSAR-X

Abstract

Los primeros 5 centímetros del suelo forman una interfaz donde se producen los principales intercambios de flujos de calor entre la superficie terrestre y la atmósfera. La teledetección ha demostrado ser una excelente fuente de datos espacial y temporalmente distribuidos de las características sobresalientes de la superficie terrestre. Los sensores de microondas activos (SAR) ofrecen la posibilidad de monitorizar la humedad de suelo (HS) a escala global, regional y local, mediante la modelación de los procesos involucrados. Comúnmente, estos modelos se basan en la física de la retrodispersión de las ondas SAR, muy afectadas por las propiedades del suelo. Hasta el presente se han desarrollado muchas metodologías que estiman HS a partir de técnicas estadísticas tales como redes neuronales, métodos de inversión y modelos de regresión. Estudios recientes han demostrado que las técnicas simples de regresión múltiple arrojan resultados aceptables. Las variables implicadas en estas metodologías son descriptivas de las estructura del suelo, características de las microondas y cobertura del suelo. Por esto, en este trabajo se propone desarrollar un modelo de regresión lineal múltiple para estimar HS en zonas de llanura combinando datos de la misión satelital TerraSAR-X y datos de una estación meteorológica. La modelación propuesta involucra las variables hidrológicas que caracterizan las zonas de llanura, donde los movimientos verticales de agua en el suelo predominan sobre el escurrimiento horizontal. Los resultados obtenidos muestran que la selección a priori de las variables a involucrar es clave para determinar la variabilidad de HS en llanuras.

The first five centimeters of soil form an interface where the main heat fluxes exchanges between the land surface and the atmosphere occur. Besides ground measurements, remote sensing has proven to be an excellent tool for the monitoring of spatial and temporal distributed data of the most relevant Earth surface parameters including soil’s parameters. Indeed, active microwave sensors (Synthetic Aperture Radar - SAR) offer the opportunity to monitor soil moisture (HS) at global, regional and local scales by monitoring involved processes. Several inversion algorithms, that derive geophysical information as HS from SAR data, were developed. Many of them use electromagnetic models for simulating the backscattering coefficient and are based on statistical techniques, such as neural networks, inversion methods and regression models. Recent studies have shown that simple multiple regression techniques yield satisfactory results. The involved geophysical variables in these methodologies are descriptive of the soil structure, microwave characteristics and land use. Therefore, in this paper we aim at developing a multiple linear regression model to estimate HS on flat agricultural regions using TerraSAR-X satellite data and data from a ground weather station. The results show that the backscatter, the precipitation and the relative humidity are the explanatory variables of HS. The results obtained presented a RMSE of 5.4 and a R2 of about 0.6.