基于多时相SAR数据的水稻面积提取

作者：张煜; 王世航^*; 夏俊

来源：农业与技术, 2022, 42(12): 32-35.

DOI：10.19754/j.nyyjs.20220630008

• 水稻面积
• 长时间序列
• SVM分类
• 阈值分类

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。

• 单位
  安徽理工大学