基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别

发布时间：2021-12-17 10:59

　　作物的早期识别对粮食安全至关重要。在以往的研究中,中国南方作物早期识别面临的主要挑战包括:1)云层覆盖时间长、地块尺寸小且作物类型丰富;2)缺少高时空分辨率合成孔径雷达（syntheticapertureradar,SAR）数据。欧洲航天局Sentinel-1A（S1A）卫星提供的SAR图像具有12d的重访周期,空间分辨率达10m,为中国南方作物早期识别提供了新的机遇。为在作物早期识别中充分利用S1A影像的时间特征,本研究提出一维卷积神经网络（one-dimensional convolutional neural network, 1D CNN）的增量训练方法:首先利用生长季内全时间序列数据来训练1D CNN的超参数,称为分类器;然后从生长季内第一次S1A影像获取开始,在每个数据获取时间点输入该点之前（包括该点）生长季内所有数据训练分类器在该点的其他参数。以中国湛江地区2017年生长季为研究实例,分别基于VV、VH和VH+VV,评估不同极化数据在该地区的作物分类效果。为验证该方法的有效性,本研究同时应用经典的随机森林（random forest, RF）模型对研究区进行试验。结果表明... 

【文章来源】：农业工程学报. 2020,36(03)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

不同极化方式下五类作物的后向散射系数时间序列

不同极化方式的五类作物后向散射系数均值和方差

技术路线

【参考文献】：
期刊论文
[1]近30年雷州半岛季节性气象干旱时空特征[J]. 王壬,陈建耀,江涛,黎坤,赵新锋.  水文. 2017(03)



本文编号：3539981