| 基于Sentinel-1数据时序特征的热带地区水稻种植结构提取方法 |
| |
| 引用本文： | 黄翀, 许照鑫, 张晨晨, 李贺, 刘庆生, 杨振坤, 刘高焕. 基于Sentinel-1数据时序特征的热带地区水稻种植结构提取方法[J]. 农业工程学报, 2020, 36(9): 177-184. DOI: 10.11975/j.issn.1002-6819.2020.09.020 |
| |
| 作者姓名： | 黄翀 许照鑫 张晨晨 李贺 刘庆生 杨振坤 刘高焕 |
| |
| 作者单位： | 1.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101;2.中国科学院地理科学与资源研究所中国科学院黄河三角洲现代农业工程实验室,北京 100101;3.中国地质大学（北京）地球科学与资源学院,北京 100083;4.中国科学院大学,北京 100049 |
| |
| 基金项目： | 国家自然科学基金项目（41561144012）;中国科学院A类战略性先导科技专项"地球大数据科学工程"（XDA19060302） |
| |
| 摘 要： | 由于热带地区的雨季时间较长,云覆盖严重,基于光学影像难以准确提取区域内的水稻种植模式。该文以泰国湄南河流域中部平原水稻种植区为例,基于Sentinel-1SAR时间序列数据,提出一种融合时序统计参数与时序曲线相似性特征的热带地区水稻种植结构提取方法。首先利用年内所有可获取的Sentinel-1SAR数据,分别基于像元和基于对象构建后向散射系数时间序列曲线,提取时序特征参数;利用动态时间规整(Dynamic Time Warping,DTW)算法,计算后向散射系数时序曲线与地物标准曲线间的隶属度;将时序特征参数、时序曲线隶属度相结合,利用随机森林模型进行机器学习监督分类,提取研究区的水稻种植信息并评价分类精度。结果表明,基于Sentinel-1SAR时序特征融合的算法可以较好地提高水稻种植结构分类精度。其中,基于对象的分类算法的单季稻提取用户精度为81.46%,生产者精度为82.00%;双季稻用户精度为88.0%,生产者精度为84.08%,均优于基于像元的分类算法。研究结果可为多云多雨的热带地区水稻种植信息提取提供一种新的思路。
|
| 关 键 词： | 水稻 提取 数据处理 合成孔径雷达 时间序列数据 动态时间规整 随机森林 Sentinel-1 |
| 收稿时间： | 2019-12-17 |
| 修稿时间： | 2020-03-11 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载免费的PDF全文 |
|
