典型文献
基于多时相SAR数据的水稻面积提取
文献摘要：
合成孔径雷达(SAR)由于不受天气影响,具有全天候、全天时高分辨率成像的能力,以及对某些地物的穿透探测,因此在南方多云雨地区的农作物监测方面有着很大的应用潜力.本文以江苏省盐城市阜宁县为研究区域,采用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源,利用监督分类中的支持向量机(SVM)对SAR影像进行分类,与利用VV和VH极化组合进行后向散射系数阈值分类的方法作比较.结果表明,阈值分类方法优于监督分类方法,其总体精度为89.48％,Kappa系数为0.8184,水稻提取面积为672.65km2,相对误差为11.48％.由此可得,对不同极化组合的长时间序列SAR数据进行阈值分类可以更高效地识别地物信息,在水稻面积提取方面有独特的优势.
文献关键词：
水稻面积;长时间序列;SVM分类;阈值分类
中图分类号：
作者姓名：
张煜;王世航;夏俊
作者机构：
安徽理工大学空间信息与测绘工程学院,安徽 淮南232001;安徽理工大学矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室,安徽 淮南232001;安徽理工大学矿区环境与灾害协同监测煤炭行业工程研究中心,安徽 淮南232001
文献出处：
引用格式：
[1]张煜;王世航;夏俊-.基于多时相SAR数据的水稻面积提取)[J].农业与技术,2022(12):32-35
A类：
65km2
B类：
多时相,SAR,水稻面积,面积提取,合成孔径雷达,天气影响,全天候,天时,高分辨率成像,地物,多云,云雨,雨地,作物监测,江苏省盐城市,阜宁县,水稻生长,生长周期,长时间序列,Sentinel,1A,数据源,监督分类,VV,VH,后向散射系数,阈值分类,分类方法,总体精度,Kappa,水稻提取
AB值：
0.364843
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
