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

• Published in: 农业工程学报 Vol. 36; no. 9; pp. 177 - 184
• Main Authors: 黄翀, 许照鑫, 张晨晨, 李贺, 刘庆生, 杨振坤, 刘高焕
• Format: Journal Article
• Language: Chinese
• Published: 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101 01.05.2020; 中国科学院地理科学与资源研究所中国科学院黄河三角洲现代农业工程实验室,北京 100101%中国地质大学(北京)地球科学与资源学院,北京,100083%中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101; 中国科学院大学,北京 100049%中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京,100101
• Subjects: 随机森林; 合成孔径雷达; Sentinel-1; 水稻; 提取; 动态时间规整; 数据处理; 时间序列数据
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2020.09.020

P237; 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-1 SAR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-1 SAR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-1 SAR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.