基于多时相Sentinel-1A数据的水稻面积提取

摘要：

合成孔径雷达(SAR)具有全天候、全天时获取遥感影像的能力,因此在南方多阴雨地区有着较高的应用潜力.本研究以江苏省盐城市建湖县为研究区域,选用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源,依据光谱微分变换分析法,采用一种雷达微分变换的方法,通过对长时间序列SAR影像进行一阶和二阶微分变换处理,选取其中水稻与其他地物后向散射系数差异明显的时间段,再利用支持向量机(SVM)模型进行分类从而获取水稻信息.与利用多时相极化SAR影像的阈值分类法进行比较可知,基于二阶微分变换的SVM分类方法优于阈值分类方法,其总体精度为89.88％,Kappa系数和F1值分别为0.8412和0.8795,水稻提取面积为525.32 km2,相对误差为11.58％.说明,经过微分变换的时序SAR数据结合SVM模型进行分类可以进一步提高水稻面积提取精度,为作物识别提供了一种新的思路.

关键词：水稻面积、长时间序列、Sentinel-1A、微分变换、阈值分类

所属期刊栏目：38

分类号：TP79(遥感技术)

资助基金：国家重点研发计划;安徽理工大学引进人才科研启动项目;安徽理工大学研究生创新基金项目;安徽理工大学青年教师科学研究基金项目

在线出版日期：2022-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：666-674