多时相PolInSAR数据土地覆盖类型分类研究

摘要：

以河北省塞罕坝机械林场2020年L波段全极化ALOS-2为数据源,主要对落叶松林、阔叶林和针叶混交林等进行分类,比较多时相极化分解结合干涉相干性、单时相极化分解和单时相极化分解结合干涉相干性3种方案对7种地物的分类精度.具体方法如下:①计算每个时相全极化数据的12个极化分解方法(81个极化分解特征);②将后向散射系数和干涉相干性分别结合筛选到的极化分解特征得到3种分类方案,结合随机森林分类器按重要性筛选参与分类的特征;③确定研究区内土地覆盖类型的最佳分类方案.研究结果表明,同一时相,按照筛选特征的重要性增加参与分类的特征,总体分类精度先增加然后趋于稳定;时相信息可以提高极化SAR影像极化分解分类精度,总体分类精度和Kappa系数分别由87.33％、0.8510提高到90.41％、0.8875;结合随机森林分类器进行特征筛选,获得5个时相的102个分类特征,得到最佳分类精度(总体分类精度达93.84％,Kappa系数为0.9276).多时相干涉相干性结合多时相极化分解可以有效提高土地覆盖类型的识别精度,也可为林分类型的快速识别提供参考.

关键词：极化分解、随机森林、SAR、多时相、干涉相干性

所属期刊栏目：38

分类号：S718.5(林业基础科学)

资助基金：国家自然科学基金;民用航天技术预先研究项目

在线出版日期：2022-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：10-17