geoskill-sar-soil-moisture

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

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:

text

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

bash

pip install 'numpy' 'rasterio'

Usage / 使用方法

Example 1 (Synthetic Data, Offline)

bash

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）

bash

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)

bash

python geoskill-sar-soil-moisture.py --input sigma0_db.tif --model dubois --roughness-ks 1.2 --output-dir ./out

Example 4 (Different Incidence Angles)

bash

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; --synthetic mode 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：

text

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

bash

pip install 'numpy' 'rasterio'

使用方法

示例 1（合成数据，离线）

bash

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）

bash

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）

bash

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）

bash

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