基于时序雷达植被指数的黑河中游农作物精细分类研究
卢捷1
薛华柱2
1.河南信息工程学校,河南 郑州 4500032.河南理工大学 测绘与国土信息工程学院,河南 焦作 454000
摘要：在农作物分类中常用的光学影像易受云、雨等因素影响,限制了遥感技术在部分地区农业资源监测中的应用.合成孔径雷达(Synthetic aperture radar,SAR)数据具有不易受天气影响的优势.为了探究使用SAR影像是否可以准确地完成农作物分类,分别使用卷积神经网络(CNN)、极度梯度提升(XGBoost)、随机森林(RF)和支持向量机(SVM)4种分类器,基于Sentinel-1后向散射系数和双极化雷达植被指数(SVIDP)进行黑河中游农作物分类,并将分类结果与Sentinel-2光学影像的分类结果进行比较.结果表明,使用包含SVIDP的SAR影像作为训练数据时,CNN、XGBoost、RF、SVM 4种分类器的总体精度分别为81.50%、78.49%、77.92%和76.60%,使用光学影像作为训练数据时,总体精度分别为82.21%、79.23%、77.96%和76.34%,两者分类精度相近.对于苜蓿和其他特征信息复杂的类别,使用SAR影像时可以获得更高的精度.综上,雷达植被指数可以丰富SAR影像的特征信息,SAR影像可以用于农作物分类任务并取得准确分类结果.
关键词：农作物精细分类Sentienl-1Sentinel-2卷积神经网络雷达植被指数
分类号：S127(农业物理学)
论文发表日期：2025-06-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：11( 152-162 )
英文信息