基于多时相双极化SAR数据的作物种植面积提取

• 作者: 古丽努尔·依沙克 买买提·沙吾提 马春玥
• 来源期刊: 作物学报
• 关键词: 多时相 Sentinel-1A 后向散射系数 作物面积提取
• 年，卷（期）: 2022,（7）
• 所属期刊栏目: 耕作栽培·生理生化
• 页码范围: 1099-1111
• 页数: 12页
• 语种: 中文
• DOI: 10.3724/SP.J.1006.2020.94134

摘要

及时准确地获取农作物的空间分布信息和种植面积, 在农业生产管理与农业政策的制定等方面具有非常重要的作用。本文以多时相Sentinel-1A影像(4月17日、5月5日、6月16日、7月22日、8月27日、9月2日)为主要数据源, 根据研究区作物的物候特征, 提取棉花、玉米和果树在不同生长期的后向散射系数(Sigma)和归一化后向散射系数(Gamma)。通过对作物不同极化、不同时相后向散射系数的统计, 建立散射特征时序变化曲线, 并分析其特征。利用人工神经网络(Artificial neural network)、支持向量机(Support vector machine)和随机森林(Random forest) 3种分类方法对研究区的主要农作物进行分类识别以及种植面积提取, 并对分类结果对比分析和验证。结果表明, 1)棉花的后向散射系数在6月现蕾期和7月开花期明显上升, 8月份达最高值, 变化特征最明显, 易与其他作物区分; 玉米和果树的后向散射系数在9月份与其他地物之间表现出显著差异。2)相较于神经网络和支持向量机, 随机森林的分类效果最好, 总体精度达88.97%。其中, 对棉花和果园的分类精度为90.88%和93.17%, 对玉米的分类效果最差, 仅有71.6%。综上所述, 多时相双极化SAR数据在不同类型作物的识别及面积提取方面具有一定的应用潜力。