基于Sentinel-1数据时序特征的热带地区水稻种植结构提取方法

发布时间：2021-07-19 14:03

　　由于热带地区的雨季时间较长,云覆盖严重,基于光学影像难以准确提取区域内的水稻种植模式。该文以泰国湄南河流域中部平原水稻种植区为例,基于Sentinel-1SAR时间序列数据,提出一种融合时序统计参数与时序曲线相似性特征的热带地区水稻种植结构提取方法。首先利用年内所有可获取的Sentinel-1SAR数据,分别基于像元和基于对象构建后向散射系数时间序列曲线,提取时序特征参数;利用动态时间规整（Dynamic Time Warping,DTW）算法,计算后向散射系数时序曲线与地物标准曲线间的隶属度;将时序特征参数、时序曲线隶属度相结合,利用随机森林模型进行机器学习监督分类,提取研究区的水稻种植信息并评价分类精度。结果表明,基于Sentinel-1SAR时序特征融合的算法可以较好地提高水稻种植结构分类精度。其中,基于对象的分类算法的单季稻提取用户精度为81.46%,生产者精度为82.00%;双季稻用户精度为88.0%,生产者精度为84.08%,均优于基于像元的分类算法。研究结果可为多云多雨的热带地区水稻种植信息提取提供一种新的思路。 

【文章来源】：农业工程学报. 2020,36(09)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

研究区位置和采样点分布

基于Sentinel-1时间序列影像蕴含的高频时序信息，将时序统计参数与时序曲线相似性特征相结合，进行水稻种植信息提取。首先利用一年内所有可获取的Sentinel-1数据，构建不同地物的后向散射系数时间序列曲线（简称时序曲线），并计算时序曲线的统计参数；然后利用基于像元的动态时间规整（Pixel-Based Dynamic Time Warping,PBDTW）算法和基于对象的动态时间规整（Object-Based Dynamic Time Warping,OBDTW）算法计算时序曲线与标准地物曲线的隶属度；最后将时序统计参数、时序曲线隶属度相结合，利用随机森林分类器进行分类，提取水稻种植信息，并比较不同算法的分类结果，具体技术流程见图2。3.1 后向散射系数时序曲线构建

由图3可知，单季稻为一年一熟作物，生长周期在4至5个月左右，生长时间集中在6—10月多雨时间段。双季稻在时序曲线上有2个明显的波峰，旱季和雨季各有一次峰值出现，旱季水稻需人为灌溉，生长周期较短，一般持续3个月左右；雨季水稻生长期较长，一般持续5个月左右。甘蔗、木薯为一年一熟或多年生的旱地作物，时序曲线上都存在一个明显的波峰。但与单季稻相比，甘蔗和木薯生长周期更长，二者的时序曲线均有明显的长时间段的波型图出现，横跨旱季雨季2季。林地的时序曲线波动较小，与其他地物区别明显。4.2 时序统计参数特征

【参考文献】：
期刊论文
[1]基于Sentinel-2A影像特征优选的随机森林土地覆盖分类[J]. 何云,黄翀,李贺,刘庆生,刘高焕,周振超,张晨晨.  资源科学. 2019(05)
[2]基于时间序列Sentinel-1A数据的玉米种植面积监测研究[J]. 李俐,孔庆玲,王鹏新,王蕾,荀兰.  资源科学. 2018(08)
[3]基于Sentinel-1A雷达影像的崇明东滩芦苇盐沼植被识别提取[J]. 胥为,周云轩,沈芳,田波,于鹏.  吉林大学学报(地球科学版). 2018(04)
[4]泰国水稻产业的现状与启示[J]. 肖昕,刘迪林,江奕君,梁世胡,何秀英.  中国稻米. 2017(06)
[5]基于网格搜索随机森林算法的工矿复垦区土地利用分类[J]. 陈元鹏,罗明,彭军还,王军,周旭,李少帅.  农业工程学报. 2017(14)
[6]利用SAR影像时间序列的耕地提取研究[J]. 钟礼山,李满春,伍阳,夏南,程亮.  地理科学进展. 2015(07)
[7]基于DTW距离的时序相似性方法提取水稻遥感信息——以泰国为例[J]. 管续栋,黄翀,刘高焕,徐增让,刘庆生.  资源科学. 2014(02)
[8]基于NDVI时序数据的水稻种植面积遥感监测分析——以江苏省为例[J]. 苗翠翠,江南,彭世揆,吕恒,李扬,张瑜,王妮,李军.  地球信息科学学报. 2011(02)
[9]基于MODIS数据的泰国耕地信息提取[J]. 吕婷婷,刘闯.  农业工程学报. 2010(02)
[10]基于MODIS/EVI的中国北方耕地复种指数提取[J]. 左丽君,董婷婷,汪潇,赵小丽,易玲.  农业工程学报. 2009(08)



本文编号：3290834