基于Sentinel-1和Sentinel-2数据融合的农作物分类

摘要：

基于光学影像的遥感技术受云雨、昼夜影响较大,导致获取连续的作物时序生长曲线较困难,而雷达影像作为主动式成像,能够很好地克服这一缺陷.本文以陕西省渭南市大荔县某农场为研究区域,分别采用最大似然法(Maximum likelihood,ML)和支持向量机(Support vector machine,SVM)2种方法,融合Sentinel-1雷达影像和Sentinel-2光学影像,提高农作物的分类精度.研究结果表明,融合数据的农作物分类精度相比光学数据分类精度有所提高.在无云层覆盖的情况下,利用SVM方法融合Sentinel-2的红、绿、蓝、近红外4个波段数据与Sentinel-1数据,总体分类精度提高了2个百分点,Kappa系数提高了5个百分点;在有少量云层覆盖情况下,利用ML处理融合数据的分类结果精度和Kappa系数分别提高2个百分点和4个百分点,SVM方法下的分类精度提高了6个百分点,Kappa系数提高了8个百分点.

关键词：作物分类、光学图像、雷达图像、数据融合、支持向量机、最大似然

所属期刊栏目：49

分类号：S127(农业物理学)

资助基金：国家自然科学基金项目41301450、61701416;陕西省自然科学基础研究计划项目2016JQ6061

在线出版日期：2018-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：192-198