典型文献
基于多时相Sentinel-1A数据的水稻面积提取
文献摘要：
合成孔径雷达(SAR)具有全天候、全天时获取遥感影像的能力,因此在南方多阴雨地区有着较高的应用潜力.本研究以江苏省盐城市建湖县为研究区域,选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,依据光谱微分变换分析法,采用一种雷达微分变换的方法,通过对长时间序列SAR影像进行一阶和二阶微分变换处理,选取其中水稻与其他地物后向散射系数差异明显的时间段,再利用支持向量机(SVM)模型进行分类从而获取水稻信息.与利用多时相极化SAR影像的阈值分类法进行比较可知,基于二阶微分变换的SVM分类方法优于阈值分类方法,其总体精度为89.88％,Kappa系数和F1值分别为0.8412和0.8795,水稻提取面积为525.32 km2,相对误差为11.58％.说明,经过微分变换的时序SAR数据结合SVM模型进行分类可以进一步提高水稻面积提取精度,为作物识别提供了一种新的思路.
文献关键词：
水稻面积;长时间序列;Sentinel-1A;微分变换;阈值分类
中图分类号：
作者姓名：
夏俊;苏涛;刘丽娜;王建;朱菲;廖晋一
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]夏俊;苏涛;刘丽娜;王建;朱菲;廖晋一-.基于多时相Sentinel-1A数据的水稻面积提取)[J].江苏农业学报,2022(03):666-674
A类：
B类：
多时相,Sentinel,1A,水稻面积,面积提取,合成孔径雷达,SAR,全天候,天时,遥感影像,阴雨,雨地,江苏省盐城市,建湖县,水稻生长,生长周期,长时间序列,数据源,微分变换,变换分析,变换处理,地物,后向散射系数,取水,阈值分类,分类法,分类方法,总体精度,Kappa,水稻提取,km2,数据结,作物识别
AB值：
0.326511
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。
