由于熱帶地區(qū)的雨季時(shí)間較長(zhǎng),云覆蓋嚴(yán)重,基于光學(xué)影像難以準(zhǔn)確提取區(qū)域內(nèi)的水稻種植模式。該文以泰國(guó)湄南河流域中部平原水稻種植區(qū)為例,基于Sentinel-1SAR時(shí)間序列數(shù)據(jù),提出一種融合時(shí)序統(tǒng)計(jì)參數(shù)與時(shí)序曲線相似性特征的熱帶地區(qū)水稻種植結(jié)構(gòu)提取方法。首先利用年內(nèi)所有可獲取的Sentinel-1SAR數(shù)據(jù),分別基于像元和基于對(duì)象構(gòu)建后向散射系數(shù)時(shí)間序列曲線,提取時(shí)序特征參數(shù);利用動(dòng)態(tài)時(shí)間規(guī)整（Dynamic Time Warping,DTW）算法,計(jì)算后向散射系數(shù)時(shí)序曲線與地物標(biāo)準(zhǔn)曲線間的隸屬度;將時(shí)序特征參數(shù)、時(shí)序曲線隸屬度相結(jié)合,利用隨機(jī)森林模型進(jìn)行機(jī)器學(xué)習(xí)監(jiān)督分類,提取研究區(qū)的水稻種植信息并評(píng)價(jià)分類精度。結(jié)果表明,基于Sentinel-1SAR時(shí)序特征融合的算法可以較好地提高水稻種植結(jié)構(gòu)分類精度。其中,基于對(duì)象的分類算法的單季稻提取用戶精度為81.46%,生產(chǎn)者精度為82.00%;雙季稻用戶精度為88.0%,生產(chǎn)者精度為84.08%,均優(yōu)于基于像元的分類算法。研究結(jié)果可為多云多雨的熱帶地區(qū)水稻種植信息提取提供一種新的思路。 

【文章來(lái)源】：農(nóng)業(yè)工程學(xué)報(bào). 2020,36(09)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

研究區(qū)位置和采樣點(diǎn)分布

基于Sentinel-1時(shí)間序列影像蘊(yùn)含的高頻時(shí)序信息，將時(shí)序統(tǒng)計(jì)參數(shù)與時(shí)序曲線相似性特征相結(jié)合，進(jìn)行水稻種植信息提取。首先利用一年內(nèi)所有可獲取的Sentinel-1數(shù)據(jù)，構(gòu)建不同地物的后向散射系數(shù)時(shí)間序列曲線（簡(jiǎn)稱時(shí)序曲線），并計(jì)算時(shí)序曲線的統(tǒng)計(jì)參數(shù)；然后利用基于像元的動(dòng)態(tài)時(shí)間規(guī)整（Pixel-Based Dynamic Time Warping,PBDTW）算法和基于對(duì)象的動(dòng)態(tài)時(shí)間規(guī)整（Object-Based Dynamic Time Warping,OBDTW）算法計(jì)算時(shí)序曲線與標(biāo)準(zhǔn)地物曲線的隸屬度；最后將時(shí)序統(tǒng)計(jì)參數(shù)、時(shí)序曲線隸屬度相結(jié)合，利用隨機(jī)森林分類器進(jìn)行分類，提取水稻種植信息，并比較不同算法的分類結(jié)果，具體技術(shù)流程見圖2。3.1 后向散射系數(shù)時(shí)序曲線構(gòu)建

由圖3可知，單季稻為一年一熟作物，生長(zhǎng)周期在4至5個(gè)月左右，生長(zhǎng)時(shí)間集中在6—10月多雨時(shí)間段。雙季稻在時(shí)序曲線上有2個(gè)明顯的波峰，旱季和雨季各有一次峰值出現(xiàn)，旱季水稻需人為灌溉，生長(zhǎng)周期較短，一般持續(xù)3個(gè)月左右；雨季水稻生長(zhǎng)期較長(zhǎng)，一般持續(xù)5個(gè)月左右。甘蔗、木薯為一年一熟或多年生的旱地作物，時(shí)序曲線上都存在一個(gè)明顯的波峰。但與單季稻相比，甘蔗和木薯生長(zhǎng)周期更長(zhǎng)，二者的時(shí)序曲線均有明顯的長(zhǎng)時(shí)間段的波型圖出現(xiàn)，橫跨旱季雨季2季。林地的時(shí)序曲線波動(dòng)較小，與其他地物區(qū)別明顯。4.2 時(shí)序統(tǒng)計(jì)參數(shù)特征

【參考文獻(xiàn)】：
期刊論文
[1]基于Sentinel-2A影像特征優(yōu)選的隨機(jī)森林土地覆蓋分類[J]. 何云,黃翀,李賀,劉慶生,劉高煥,周振超,張晨晨.  資源科學(xué). 2019(05)
[2]基于時(shí)間序列Sentinel-1A數(shù)據(jù)的玉米種植面積監(jiān)測(cè)研究[J]. 李俐,孔慶玲,王鵬新,王蕾,荀蘭.  資源科學(xué). 2018(08)
[3]基于Sentinel-1A雷達(dá)影像的崇明東灘蘆葦鹽沼植被識(shí)別提取[J]. 胥為,周云軒,沈芳,田波,于鵬.  吉林大學(xué)學(xué)報(bào)(地球科學(xué)版). 2018(04)
[4]泰國(guó)水稻產(chǎn)業(yè)的現(xiàn)狀與啟示[J]. 肖昕,劉迪林,江奕君,梁世胡,何秀英.  中國(guó)稻米. 2017(06)
[5]基于網(wǎng)格搜索隨機(jī)森林算法的工礦復(fù)墾區(qū)土地利用分類[J]. 陳元鵬,羅明,彭軍還,王軍,周旭,李少帥.  農(nóng)業(yè)工程學(xué)報(bào). 2017(14)
[6]利用SAR影像時(shí)間序列的耕地提取研究[J]. 鐘禮山,李滿春,伍陽(yáng),夏南,程亮.  地理科學(xué)進(jìn)展. 2015(07)
[7]基于DTW距離的時(shí)序相似性方法提取水稻遙感信息——以泰國(guó)為例[J]. 管續(xù)棟,黃翀,劉高煥,徐增讓,劉慶生.  資源科學(xué). 2014(02)
[8]基于NDVI時(shí)序數(shù)據(jù)的水稻種植面積遙感監(jiān)測(cè)分析——以江蘇省為例[J]. 苗翠翠,江南,彭世揆,呂恒,李揚(yáng),張瑜,王妮,李軍.  地球信息科學(xué)學(xué)報(bào). 2011(02)
[9]基于MODIS數(shù)據(jù)的泰國(guó)耕地信息提取[J]. 呂婷婷,劉闖.  農(nóng)業(yè)工程學(xué)報(bào). 2010(02)
[10]基于MODIS/EVI的中國(guó)北方耕地復(fù)種指數(shù)提取[J]. 左麗君,董婷婷,汪瀟,趙小麗,易玲.  農(nóng)業(yè)工程學(xué)報(bào). 2009(08)



本文編號(hào)：3290834