多时相C波段全极化SAR农作物识别方法研究

发布时间：2019-01-18 16:37

【摘要】：卫星遥感能够提供各种作物在空间和时间上的分布信息,相较于传统的人工调查方法,卫星遥感不仅具有宏观、动态、及时、准确监测的优势,还节约了大量的人力、物力,已逐渐成为作物监测的重要数据源和主要方法之一。对于我国华南、西南各省来说,这些地区气候多变,多云多雨,地物分布十分破碎,多种作物混杂严重,并且不同作物类型以及同种作物类型不同植期之间的物候特征存在较大差异,一般的光学遥感数据难以对地表覆盖情况进行有效地的识别与监测。而合成孔径雷达可以全天候地获取数据,并且不受极端气候条件所限制,这无疑对中国广大南方地区,尤其是广东地区的作物遥感监测提供了一种重要的可行手段。但是以往基于SAR的农业遥感研究所用数据极化方式比较单一,不足以全面刻画农作物的散射特性,并且很少采用长时序数据,因而不能够充分对应农作物的生长规律和物候特征,除此之外,研究区域范围普遍较小也是限制合成孔径雷达应用的一大因素,因而对于典型作物,尤其是长植期作物的识别精度往往不高,并且混分现象十分严重。针对上述问题,本文进行多时相C波段全极化SAR农作物识别方法研究。以广东省湛江市为实验区,以C波段全极化Radarsat-2为数据源,研究面向当地典型农作物的C波段极化特征,在充分理解利用各类极化目标分解模型以及其它参数特征的基础上,通过一个生长周期的分析,建立甘蔗、水稻、香蕉等典型农作物的极化特征时序变化曲线、特征空间离散程度以及极化合成下的极化空间功率分布,并研究基于多时相离散观测与特征时序变化曲线、特征空间离散程度以及极化空间功率分布的农作物识别方法,不仅考虑不同农作物类型之间的极化特征差异性,而且还考虑了同种农作物类型种植时间和植期的多样性,通过比较分析实验区域内典型地物类型在最佳分类特征组合和时相组合下的差异性,建立典型农作物识别的知识与规则,基于面向对象的分类方法对典型农作物进行识别,有效提高农作物的分类精度,从而提高识别的准确性。结果表明:以3月28日为时相选择,由极化散射角α、极化散射熵H和体散射强度PVOL构成的多极化特征组合在极化特征时序变化曲线和特征空间离散程度分析上都表现出优越的分类性能,其所描述的甘蔗、香蕉、水稻等典型对象也在极化空间功率分布中呈现出较为明显的极化特性差异,通过提取参数构建和阈值分割的方法放大这些差异后,建立面向对象的分类规则对实验区甘蔗、香蕉、水稻的分布信息进行提取,最后的提取结果比较令人满意,分类精度达到了92%以上,Kappa系数为86%,即多时相C波段Radarsat-2全极化SAR数据在识别甘蔗、水稻、香蕉等典型农作物方面有很大的优势。最后,本文不仅在华南农作物识别上具有现实的实践意义,也对促进多时相全极化SAR数据在农作物监测中的应用,以及进一步估产具有重要的科学意义。
[Abstract]:......
【学位授予单位】：内蒙古师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S127

【参考文献】