排序方式: 共有74条查询结果,搜索用时 15 毫秒
11.
12.
基于合成孔径雷达的农作物识别研究进展 总被引:5,自引:8,他引:5
精准识别农作物对于及时准确估计农作物种植面积、产量等关键农情信息具有重要意义。合成孔径雷达(synthetic aperture radar,SAR)以其不受云雨天气影响,可全天时、全天候监测等优点已被广泛应用于农情遥感监测领域,为大区域尺度的农作物遥感识别提供了强有力的数据保障和技术支持。该文以雷达技术的发展进程为论述主线,对20余年来国内外农作物SAR识别研究与实践应用的新进展进行了系统总结,具体归纳为4个方面:早期研究(20世纪80年代末-2002年),特征是以单波段、单极化、多时相SAR数据为主;基于多极化、多波段SAR数据进行农作物识别与面积监测研究;利用SAR与光学遥感相结合提高农作物的识别精度与效率研究;农作物SAR分类算法研究。在今后农作物SAR识别研究中,对于复杂种植结构背景下的旱地作物识别,如何优化组合SAR系统工作参数(极化方式、频率及入射角等)及与光学遥感融合来提高农作物识别精度与时效性,发展机理性的农作物SAR分类算法将是需要重点解决的3个问题。 相似文献
13.
常规岩土体变化监测方法的局限性造成采用它们来实施大型库区及周边地表形变的持续监测非常困难.为了解决大型水电站库区岩土体的高效实时变化监测这一关键问题,选取乌东德水电站库区为研究区域,根据岩土体变化类型,分别采用D-InSAR技术和假彩色合成技术对库区进行监测,提取出变动区域.最后通过2种方法的监测结果与地面验证结果的比较,验证了变化地点和岩土变动类型与分析结果相一致,达到了发现变化、监视趋势的遥感监测目的.证明了D-InSAR技术和假彩色合成技术相结合用于监测广域岩土体变化的可行性. 相似文献
14.
提出了一种新型的SAR转发器实现方法--数字欠采样方法.从转发器原理、频谱翻转原理、带通信号欠采样等方面论证了新方法的可行性.根据工程应用中对频率稳定度的要求,在不同波段和不同带宽情况下对传统的模拟混频方法和新的数字欠采样方法进行了脉冲压缩仿真实验,并根据脉冲压缩结果的主副瓣比技术指标,给出了最小频率稳定度要求.仿真实验结果表明数字欠采样方法具有更大的优势. 相似文献
15.
多山地区微波遥感图像的正射校正是实践应用中的关键和瓶颈,该文以星载合成孔径雷达数据ALOS(advanced landobservation satellite)PALSAR为基础数据,GAMMA软件为处理平台,研究微波图像正射校正方法。首先利用数字高程模型(digital elevation model,DEM)及卫星轨道参数生成模拟合成孔径雷达数据(synthetic aperture radar,SAR),再利用图像交叉相关分析算法自动搜索模拟SAR与真实SAR同名地物点偏移量,建立校正多项式模型,在此基础上通过建立校正查找表方法实现真实SAR图像的地理编码及正射校正。校正效果经检验,误差在一个像元以内,校正效果较好。 相似文献
16.
利用多时相Sentinel-1 SAR数据反演农田地表土壤水分 总被引:7,自引:5,他引:7
土壤水分是陆面生态系统水分和能量循环的重要变量,在农田干旱监测、作物长势监测和作物估产等应用研究中具有重要的作用。该文结合基于变化检测的Alpha近似模型,利用Sentinel-1卫星获取的多时相C波段合成孔径雷达(synthetic aperture radar,SAR)数据,实现了农田地表土壤水分的反演。该文首先利用微波辐射传输模型验证了Alpha近似模型在土壤水分反演中的合理性。研究发现,对于土壤散射占主导的区域,Alpha近似模型对辐射传输模型有较好的近似,能够有效地消除地表粗糙度和植被对雷达后向散射系数的影响。在此基础上,结合怀来研究区多时相Sentinel-1 SAR数据,利用Alpha近似模型构建了土壤水分观测方程组,通过求解方程组得到了农田地表土壤水分。地面验证结果表明,土壤水分反演的均方根误差(root mean square error,RMSE)为0.06 cm3/cm3,平均偏差为0.01 cm3/cm3,精度较好。该文研究为利用高重访周期、多时相的Sentinel-1 SAR数据获取农田地表土壤水分提供了参考。 相似文献
17.
基于多时相合成孔径雷达与光学影像的冬小麦种植面积提取 总被引:2,自引:2,他引:2
小麦是中国最重要的农作物之一,准确、及时掌握小麦种植面积具有重要意义。以探索合成孔径雷达(synthetic aperture radar,SAR)与光学数据对种植结构复杂地区冬小麦识别的能力,提高识别精度为目的。该研究以多时相SAR(Sentinel-1A)和光学影像(Landsat-8)为数据源,选取种植结构复杂的都市农业区为研究区。构建不同特征向量组合,利用支持向量机(support vector machine,SVM)提取冬小麦种植面积。通过对比分析基于不同特征向量组合的冬小麦识别精度,结果表明:1)使用SAR后向散射数据得到85.7%的制图精度和87.9%的用户精度;2)添加SAR数据纹理信息,总体精度高达90.6%,比单独使用后向散射数据在制图精度和用户精度上分别提高7.6%和6.7%;3)当SAR数据和光学影像结合时,总体精度高达95.3%(制图精度97%,用户精度98.4%),比单独使用SAR数据在制图精度和用户精度上分别提高3.7%和3.8%。因此,基于SAR数据的都市农业区冬小麦分类,有着较高分类精度,纹理信息和光学影像的添加能有效提高识别精度。研究结果可为SAR数据的农作物识别和应用提供理论基础。 相似文献
18.
合成孔径雷达(SAR)具有全天时、全天候、高分辨率、大幅面监测地物的特征,利用SAR在阴雨天气多、云量大的水稻种植地区开展水稻识别、监测和估产具有光学遥感无可比拟的优势。目前基于雷达对水稻进行识别和监测的研究多用ERS/SAR、RADARSAT/SAR、ENVISATASAR等,其多是以民用或军民两用为主的星载合成孔径雷达。在用SAR数据监测水稻时,其后向散射系数来自4个方面:①入射波直接被水稻散射回去,即直接散射项(D-BS);②入射波经水稻层的散射到达水面后,经水面反射到水稻层,经水稻层衰减回到雷达(SRE);③入射波经水稻层衰减到达水面,经水面反射回到水稻层,经水稻层散射回去(ERS);④入射波经水稻层衰减到达水面,经水面反射到水稻层,经水稻层的散射改变方向下行,再次经水面反射到水稻层,并经水稻层的衰减后回到雷达(W-R-W)。其中,后向散射系数的主要来源是SRE项和ERS项。SAR数据后向散射系数不仅要受到水稻物候期、植株高度、生物量、含水量等的影响,也受到自身入射角、波段、极化方式等的影响。一般地,水稻后向散射系数总体上是先随水稻生长增大,然后略有下降;水稻生长早期,后向散射系数随入射角波动的幅度较小,在水稻生长后期,后向散射系数随入射角波动的幅度变大,波动起伏次数增加;L波段和C波段的后向散射系数表现基本类同,但值要小很多,X波段则与L、C波段的表现相差较大。已有研究中大部分采用同极极化方式的后向散射系数作为研究对象。VV极化的后向散射系数变化比较平滑,HH极化的后向散射系数变化比较复杂。随着雷达卫星技术的发展,多极化、多模式、特殊波段将更能突出星载SAR的优势,拓宽SAR的应用范围,为进一步分析、识别和检测目标提供更有力的工具。 相似文献
19.
极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。 相似文献
20.
获取了川西高原区多时相Sentinel-1星载合成孔径雷达(SAR)影像,引入了地形辐射校正技术,发展了一种阴影双视向补偿算法,综合分析后向散射系数、纹理特征、相干系数、数字高程的统计特征,采用支持向量机进行了土地覆盖分类.结果表明,对地形起伏大的高原山区,该方法能够有效提取常绿针叶林、混交林、灌木林、天然草地、水体等地物信息,分类总精度为83.62%. 相似文献