作物的早期識(shí)別對(duì)糧食安全至關(guān)重要。在以往的研究中,中國(guó)南方作物早期識(shí)別面臨的主要挑戰(zhàn)包括:1)云層覆蓋時(shí)間長(zhǎng)、地塊尺寸小且作物類型豐富;2)缺少高時(shí)空分辨率合成孔徑雷達(dá)（syntheticapertureradar,SAR）數(shù)據(jù)。歐洲航天局Sentinel-1A（S1A）衛(wèi)星提供的SAR圖像具有12d的重訪周期,空間分辨率達(dá)10m,為中國(guó)南方作物早期識(shí)別提供了新的機(jī)遇。為在作物早期識(shí)別中充分利用S1A影像的時(shí)間特征,本研究提出一維卷積神經(jīng)網(wǎng)絡(luò)（one-dimensional convolutional neural network, 1D CNN）的增量訓(xùn)練方法:首先利用生長(zhǎng)季內(nèi)全時(shí)間序列數(shù)據(jù)來(lái)訓(xùn)練1D CNN的超參數(shù),稱為分類器;然后從生長(zhǎng)季內(nèi)第一次S1A影像獲取開(kāi)始,在每個(gè)數(shù)據(jù)獲取時(shí)間點(diǎn)輸入該點(diǎn)之前（包括該點(diǎn)）生長(zhǎng)季內(nèi)所有數(shù)據(jù)訓(xùn)練分類器在該點(diǎn)的其他參數(shù)。以中國(guó)湛江地區(qū)2017年生長(zhǎng)季為研究實(shí)例,分別基于VV、VH和VH+VV,評(píng)估不同極化數(shù)據(jù)在該地區(qū)的作物分類效果。為驗(yàn)證該方法的有效性,本研究同時(shí)應(yīng)用經(jīng)典的隨機(jī)森林（random forest, RF）模型對(duì)研究區(qū)進(jìn)行試驗(yàn)。結(jié)果表明... 

【文章來(lái)源】：農(nóng)業(yè)工程學(xué)報(bào). 2020,36(03)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

不同極化方式下五類作物的后向散射系數(shù)時(shí)間序列

不同極化方式的五類作物后向散射系數(shù)均值和方差

技術(shù)路線

【參考文獻(xiàn)】：
期刊論文
[1]近30年雷州半島季節(jié)性氣象干旱時(shí)空特征[J]. 王壬,陳建耀,江濤,黎坤,趙新鋒.  水文. 2017(03)



本文編號(hào)：3539981