1.一种基于变化检测算法的土壤水分提取方法，其特征在于，包括以下步骤：S1：获取在预设时间段内需要进行土壤水分提取地区所对应的序列化哨兵1号微波遥感数据、序列化哨兵2号光学数据以及序列化SMAP数据，分别进行以下处理：根据哨兵1号微波遥感数据生成SAR图像序列，记SAR图像序列中的SAR图像数量为T，选择其中一幅SAR图像作为基准SAR图像，将其他SAR图像与基准SAR图像进行配准，记配准处理后各SAR图像为 然后从每幅SAR图像 中提取出对应的后向散射系t

数分布图，记第t幅SAR图像中各个像素点的后向散射系数为σ(i,j)，(i,j)表示SAR图像中像素点的坐标；

根据序列化哨兵2号光学数据中生成光学图像序列，记光学图像序列中的SAR图像数量为D，将每幅光学图像与基准SAR图像进行配准，记配准处理后各光学图像为从序列化SMAP数据中提取出土壤水分提取地区的含水量时间序列，根据SAR图像中各个像素点(i,j)的地理位置坐标从含水量时间序列中获取该像素点(i,j)所对应含水量的极大值 和极小值

S2：对于每幅SAR图像 从光学图像序列中搜索出与其时间最为接近的光学图像将该光学图像 中的红光波段和近红外波段进行组合得到归一化植被指数，记像素点(i,j)的归一化植被指数为NDVId′(i,j)，然后将其转化成植被含水量 再将植被含水量 代入水云模型，得到各个像素点去除了植被影响的后向散射系数S3：对于每幅SAR图像 根据后向散射系数分布图中获取该SAR图像 中每个像素点(i,j)的VV极化下的后向散射系数 以及VH极化下的后向散射系数 根据以下公式计算得到该像素点进行粗糙度归一化的后向散射系数其中，a＝‑20.35，γ表示预设的交叉极化差σvv‑σvh的基准值，σvv表示VV极化下的后向散射系数，σvh表示VH极化下的后向散射系数；

S4：对于SAR图像中每个像素点(i,j)，在其对应的T个粗糙度归一化后的 中搜索出最大值 和最小值 令干参考值湿参考值 根据以下公式计算

得到每幅SAR图像 中像素点(i,j)对应的土壤相对含水量S5：根据以下公式计算每幅SAR图像 中像素点(i,j)对应的土壤绝对含水量完成土壤水分提取：

2.根据权利要求1所述的土壤水分提取方法，其特征在于，所述步骤S2中植被含水量的计算公式如下：

3.根据权利要求1所述的土壤水分提取方法，其特征在于，所述步骤S2中后向散射系数的计算公式如下：

其中，θ是哨兵1号雷达的入射角，A和B是与植被类型相关的参数。