基于SVM+SFS策略的多时相紧致极化SAR水稻精细分类

• 作者: 国贤玉 李坤 李宏宇 杨知 王志勇
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: CP-SAR SVM+SFS 水稻田 决策树分类 多时相
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 技术方法
• 页码范围: 20-27
• 页数: 8页
• 分类号: TP79
• 字数: 6763字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2018.04.04

摘要

种类和种植方式的不同会导致水稻长势、产量的差异.精细区分不同水稻品种与种植方式,能够为水稻长势监测与估产提供更精准的信息.紧致极化SAR(compact polarimetry synthetic aperture Radar,CP-SAR)作为新一代对地观测SAR系统的重要发展趋势之一,同时兼具相对丰富的极化信息和较大的幅宽,为大范围水稻精细制图提供了可能.本研究首先利用RADARSAT-2全极化SAR数据模拟CP-SAR数据,并提取了22个CP-SAR特征参数;然后,针对CP-SAR多维特征信息,引入基于支持向量机和序列前进搜寻策略(support vector machine+se-quential forward selection,SVM+SFS)的特征选择方法,构建基于决策树和SVM的水稻精细分类方法,得到了水稻精细分类的最优特征子集.实验结果表明,基于决策树的水稻精细分类方法可以获得较好的分类结果,总体精度达92.57％,Kappa系数达0.896,与全部特征参数进行分类的结果相比,总体精度高1.2％,Kappa系数大0.016.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李坤	中国科学院遥感与数字地球研究所	35	273	11.0	16.0
2	王志勇	山东科技大学测绘科学与工程学院	32	303	9.0	17.0
3	杨知	中国电力科学研究院输变电工程研究所	4	3	1.0	1.0
4	国贤玉	山东科技大学测绘科学与工程学院	3	2	1.0	1.0