基于Sentinel-1和Sentinel-2数据融合的农作物分类

• 作者: 朱琳 郭交 靳标
• 来源期刊: 农业机械学报
• 学科: 农学
• 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
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 192-198
• 页数: 7页
• 分类号: S127
• 字数: 5568字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2018.04.022

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱琳	西北农林科技大学机械与电子工程学院	29	285	6.0	16.0