Una comparación de algoritmos para recuperar la humedad del suelo a partir de imágenes de ENVISAT/ASAR

En este artículo, presentamos una intercomparación de algoritmos para recuperar el contenido de humedad del suelo (SMC) a partir de imágenes del Satélite Ambiental (ENVISAT)/Radar de Apertura Sintética Avanzado. Los algoritmos considerados fueron una red neuronal artificial (ANN) alimentada hacia adelante con dos capas ocultas, un enfoque estadístico basado en el teorema de Bayes y un algoritmo iterativo basado en el método de búsqueda directa de Nelder-Mead. La comparación se llevó a cabo utilizando tanto datos simulados como experimentales. Los datos simulados se obtuvieron a través del modelo de ecuación integral (IEM). Los datos experimentales se recolectaron en un área agrícola en el norte de Italia durante 2003-2005; incluyeron el coeficiente de retrodispersión en polarizaciones HH y HV y a un ángulo de incidencia de thetas = 23 grados, así como mediciones de verdad de referencia detalladas de SMC, rugosidad de la superficie y parámetros de vegetación. Los datos polarizados en HH se relacionaron con SMC, mientras que la información del canal cruzado se utilizó para corregir la retrodispersión por los efectos de la rugosidad de la superficie. Una comparación de los algoritmos con datos experimentales mostró que todos los enfoques probados produjeron valores de SMC muy cercanos a los medidos. Sin embargo, las predicciones de la ANN fueron ligeramente más adecuadas que los otros métodos para generar mapas en un tiempo razonable. La producción de mapas de humedad realizada en diferentes fechas utilizando este algoritmo señaló la viabilidad de separar hasta seis niveles de variaciones espaciales/temporales de SMC en el rango del 10%-35%.