Soil moisture estimation using an artificial neural network: a feasibility study

An artificial neural network (ANN) based algorithm is implemented and tested for soil moisture estimation. The ANN model is calibrated (trained) and validated (tested) with data including National Centers for Environmental Protection (NCEP) daily precipitation; normalized difference vegetation index (NDVI) data processed by the US Geological Survey Earth Resources Observations Systems (USGS EROS) data center; Geostationary Operational Environmental Satellite (GOES) based, cloud-masked infrared (IR) skin temperature produced by the University of Maryland; and soil moisture profiles measured over the Oklahoma (OK) Mesonet. The performance of the ANN model is evaluated by direct comparison between the soil moisture estimated by the ANN model and the Mesonet measurements and by examining the correlation between them. Strong correlation is demonstrated between the ANN estimates and Mesonet measurements for spatially averaged data. This work suggests that the ANN model is a promising alternative to soil moisture estimation. The advantage of the ANN approach to soil moisture estimation is that it can provide estimates having resolution commensurate with remotely sensed IR data and has the potential for worldwide coverage. Résumé. On élabore et teste un algorithme basé sur les réseaux de neurones artificiels (RNA) pour l’estimation de l’humidité du sol. Le modèle RNA est étalonné (entraîné) et validé (testé) avec des données comprenant les précipitations quotidiennes NCEP, les données d’indice NDVI (« normalized difference vegetation index ») traitées par le Centre de données EROS de la USGS, les données IR de température de la peau masquées pour les nuages produites par l’Université du Maryland à partir des données GOES et les profils d’humidité du sol mesurés au-dessus du site Mesonet de l’Oklahoma (OK). La performance du modèle RNA est évaluée par comparaison directe entre l’humidité du sol estimée par le modèle RNA et les mesures du Mesonet, et en examinant la corrélation entre ces données. Il existe une forte corrélation entre les estimations RNA et les mesures Mesonet dans le cas des données spatialement moyennées. Ce travail suggère que le modèle RNA constitue une alternative prometteuse pour l’estimation de l’humidité du sol. L’avantage de l’approche RNA pour l’estimation de l’humidité du sol réside dans le fait qu’elle donne des estimations avec une résolution compatible avec les données IR de télédétection de même que dans la possibilité de couverture à l’échelle du monde qu’elle offre. [Traduit par la Rédaction]