為了探討雙極化Sentinel-1A雷達影像數(shù)據(jù)識別提取早稻面積分布信息的能力,在分析典型地物后向散射系數(shù)的基礎上,沿用極化差分合成孔徑雷達(synthetic aperture Radar,SAR)圖像和極化比值SAR圖像對典型地物分類有著重要作用的思路,提出水體歸一化參數(shù),隨后采用支持向量機(support vector machine,SVM)分類方法和閾值分類方法選取單時相、多時相水體歸一化極化SAR數(shù)據(jù)(2017年3月10日、3月22日、4月3日、4月15日、4月27日)提取早稻面積。結果表明,閾值分類方法優(yōu)于SVM分類方法,其總體精度為89.01%,Kappa系數(shù)為0.823 1,早稻的制圖精度和用戶精度分別為92.68%和82.26%;種植面積為1.29萬hm²,與臨高縣主要的早稻生產(chǎn)基地在空間分布上基本一致。由此可得,多參數(shù)的極化SAR數(shù)據(jù)可以提高識別提取地物的精度,提取早稻面積的最佳監(jiān)測數(shù)據(jù)為多時相水體歸一化VH極化SAR數(shù)據(jù)。

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 研究區(qū)概況及數(shù)據(jù)源
    1.1 研究區(qū)概況
    1.2 遙感數(shù)據(jù)源及其預處理
    1.3 野外調查資料
    1.4 早稻物候資料
2 研究方法
    2.1 水體歸一化參數(shù)
    2.2 監(jiān)測方法
    2.3 分類方法
    2.4 精度評價方法
3 結果與分析
    3.1 基于水體歸一化時間序列極化SAR數(shù)據(jù)J-M距離的可分離性分析
    3.2 基于水體歸一化極化SAR數(shù)據(jù)的SVM分類
    3.3 基于水體歸一化極化SAR數(shù)據(jù)的閾值分類
4 結論



本文編號：3766690