1.基于比值法的农田土壤水分反演方法，其特征在于：包括以下步骤：获取SAR影像和光学影像，并进行预处理，所述影像数据为覆盖了种植植物和土壤图像；

从预处理后的SAR影像和光学影像中提取后向散射系数以及植被描述参数；

构建土壤水分估算数据集，并确定训练集和测试集；

在训练集上，构建不同粗糙度条件的地表散射模型，通过地表散射模型模拟裸土后向散射系数；结合观测的总后向散射系数、提取的植被描述参数、模拟的裸土后向散射系数构建比值方程；计算得到训练集上估算的裸土后向散射系数，基于最小代价函数策略，从当前粗糙度条件下地表散射模型构建的查找表中反演土壤水分；计算估算土壤水分与实测土壤水分的均方根误差作为训练集土壤水分的估算精度；

遍历给定粗糙度范围内的粗糙度参数，重复上述步骤，取估算精度最高时的粗糙度参数作为研究区内的有效粗糙度参数；有效粗糙度参数条件下构建的比值方程为最终的土壤水分估算模型；

基于有效粗糙度参数构建地表散射模型查找表，然后使用最小代价函数反演策略，从查找表中反演测试集的土壤水分，然后与测试集实测土壤含水量进行比较，进行精度验证。

2.如权利要求1所述的基于比值法的农田土壤水分反演方法，其特征在于：所述比值方程按照以下公式建立：其中， 表示裸土表面后向散射系数， 表示总后向散射系数，pp表示HH或VV极化方式，F表示比值函数，所述比值函数如下：c

F＝aV+bV；

其中，V代表植被描述参数，a、b、c为比值函数的待定系数；

使用训练集的数据结合最小二乘法，求出比值函数的待定系数。

3.如权利要求1所述的基于比值法的农田土壤水分反演方法，其特征在于：所述后向散射系数的提取按照以下步骤进行：根据采样点的经纬度信息，从预处理后的SAR影像中提取出采样点的四种极化方式的后向散射系数，所述四种极化方式包括HH/VV/HV/VH；

对提取出的后向散射系数进行入射角的归一化处理，计算方法如下：其中，θ为局部入射角，θref为参考入射角；

从多光谱数据中提取出红光波段和近红外波段的反射率信息，然后计算出采样点的两种植被指数，按照以下公式计算RVI和NDVI，将RVI和NDVI作为比值方程中的植被描述参数：其中， 和 为不同极化方式的后向散射系数；

其中，NIR和R分别表示近红外波段和红光波段的地表反射率。

4.如权利要求1所述的基于比值法的农田土壤水分反演方法，其特征在于：所述训练集和测试集是按照以下方式进行的：将提取出的总后向散射系数、植被参数与实测的土壤水分一同构建土壤水分估算数据集，并按照预设比例分成训练集与测试集。

5.如权利要求1所述的基于比值法的农田土壤水分反演方法，其特征在于：所述裸土后向散射系数是使用CIEM地表散射模型来计算，所述CIEM模型中相关长度与均方根高度经验关系按照以下公式计算：b (cθ+d)

L(s,θ,pp)＝a(sinθ) s ；

其中，L为地表相关长度，s为均方根高度，pp表示HH或VV极化方式，θ表示局部入射角；

a、b、c、d为待定系数。

6.如权利要求1所述的基于比值法的农田土壤水分反演方法，其特征在于：所述最小代价函数反演策略按照以下公式计算：其中， 和 分别表示估算的HH极化和VV极化方式下的裸土表面后向散射系数；

和 分别表示CIEM模型模拟的HH极化和VV极化方式下的裸土表面后向散射系数。

7.如权利要求1所述的基于比值法的农田土壤水分反演方法，其特征在于：所述测试集的土壤水分的计算按照以下步骤进行：使用构建好的最终给的比值方程计算得到估算的裸土后向散射系数，然后基于有效粗糙度参数下CIEM模型模拟的裸土后向散射系数，结合最小代价函数策略，反演得到测试集上的土壤水分，最后结合测试集上的实测土壤水分完成精度评估。

8.如权利要求1所述的基于比值法的农田土壤水分反演方法，其特征在于：还包括土壤含水量区域性估算与制图，具体步骤如下：对于每一个采样日期，使用有效粗糙度参数构建CIEM模型的后向散射系数查找表，然后遍历遥感数据中的种植区的所有像元，通过土壤含水量估算方法计算每个像元的土壤含水量信息，最终完成土壤含水量估算并进行土壤含水量区域制图。

9.基于比值法的农田土壤水分反演系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1‑8中任一项所述方法的步骤。