科研之友
微信
新浪微博
Facebook
分享链接
摘要
合成孔径雷达数据因其较强的纹理特征近年来被广泛应用于农作物分类的研究中。针对多光谱影像无法实现农作物的精确分类问题,本文选取鲁西南济宁市为研究区,融合了2020年4-9月的Sentinel-1 SAR数据和Sentinel-2多光谱数据作为数据源,提取光谱特征、纹理特征、双极化后向散射系数共52个特征变量,通过独立主成分分析算法进行特征选择,选出占方差95%的前6个分量。对提取的特征进行多尺度分割,使用随机森林分类器进行分类,较好地证明了多源遥感数据融合在农作物分类提取中的优势地位。研究结果表明,面向对象分类精度为89.62%,相比于面向像元分类精度提升7.7%;且在同等条件下,SAR数据的加入可以将农作物分类精度提升17%,本研究成果能为后续多源遥感数据融合后农作物分类提取提供理论支撑。
- 单位
