科研之友
微信
新浪微博
Facebook
分享链接
摘要
在全球气候变暖背景下，愈发频繁的洪涝灾害是造成我国粮食作物减产的主要农业灾害之一。雷达遥感技术具备全天候的对地观测能力，是快速监测区域范围内洪涝灾害信息的一种重要手段。随着人工智能领域的发展，机器学习方法广泛应用于洪涝灾害遥感监测，虽然该类算法具有较高的精度，但其训练过程往往需要大量的野外调查或遥感解译样本支持。为克服样本标记限制、提高区域尺度洪涝灾害监测的精度，本研究以2021年7月20日河南北部特大洪涝事件为背景，利用国产高分三号(GF-3)双极化雷达影像(HH-HV),构建了一种基于弱监督高斯混合模型(gaussian mixture model, GMM)的洪涝淹没作物监测方法，通过该方法提取了豫北部分区域农田洪涝淹没范围。通过对比4种典型的机器学习方法，包括随机森林、支持向量机、K最近邻分类和平行六面体方法，发现该文构建的弱监督GMM方法的精度最高，其总体精度为0.95,Kappa系数为0.90。该研究对于提高基于合成孔径雷达(synthetic aperture radar, SAR)遥感技术监测区域尺度作物洪涝的准确性和普适性具有重要意义。
-
单位中国农业大学; 河南省气象科学研究所; 民政部国家减灾中心
