基于SVM+SFS策略的多时相紧致极化SAR水稻精细分类

种类和种植方式的不同会导致水稻长势、产量的差异。精细区分不同水稻品种与种植方式,能够为水稻长势监测与估产提供更精准的信息。紧致极化SAR(compact polarimetry synthetic aperture Radar,CP-SAR)作为新一代对地观测SAR系统的重要发展趋势之一,同时兼具相对丰富的极化信息和较大的幅宽,为大范围水稻精细制图提供了可能。本研究首先利用RADARSAT-2全极化SAR数据模拟CP-SAR数据,并提取了22个CP-SAR特征参数;然后,针对CP-SAR多维特征信息,引入基于支持向量机和序列前进搜寻策略(support vector machine+sequential forward selection,SVM+SFS)的特征选择方法,构建基于决策树和SVM的水稻精细分类方法,得到了水稻精细分类的最优特征子集。实验结果表明,基于决策树的水稻精细分类方法可以获得较好的分类结果,总体精度达92. 57%,Kappa系数达0. 896,与全部特征参数进行分类的结果相比,总体精度高1. 2%,Kappa系数大0. 016。

基于多时相TanDEM-X极化干涉SAR数据的水稻株高反演

水稻株高是水稻本身以及土壤、水文、气象等因素的综合反映,是水稻长势监测的重要指标。准确、高效、大范围的株高反演为水稻品种识别、物候监测、病虫害评估和产量预测等提供了可靠的依据。合成孔径雷达(SAR),具有全天时、全天候、穿透性的优势,成为水稻株高反演的重要手段之一。基于极化干涉测量(PolInSAR)的散射模型的反演算法具有严密的物理模型的支撑及较高的反演精度等特点,成为植被高度反演研究的热点。结合极化干涉SAR技术,构建了一种基于RVoG(Random Volume over Ground)模型的水稻株高反演算法,并利用2015年水稻生长季内9个时相的TanDEM-X极化干涉SAR数据,进行了水稻株高反演试验。首先基于每个时相下的极化干涉SAR数据分别得到8个复相干系数,利用这8个复相干系数在考虑卫星双站模式等情况下进行去相干处理,然后建立适用于水稻田特性的RVoG模型,接着构建基于该模型的水稻株高反演迭代算法,最后对9个时相下的TanDEM-X数据进行研究区的水稻株高反演及精度评定。结果表明,当水稻株高高于0.4m时,该方法的反演结果较好,决定系数(R^2)为0.86,均方根误差RMSE为6.79 cm;当水稻株高较低时(水稻株高小于0.4 m),反演误差在0.1~0.8 m之间,反演结果较差,被明显高估。通过分析认为,基于极化干涉理论,TanDEM-X数据在较好地反映出水稻植株的较大体散射量的前提下,利用所构建的基于RVOG模型的水稻株高反演算法,能够较好地反演株高在0.33~1.2 m的水稻株高。

南方典型湿地植被微波暗室测量与散射特性分析

利用微波特性测量与仿真成像科学实验平台,测量芦苇和茭白在2~17 GHz频率范围内的雷达散射截面积(RCS),分析其在连续频率下的散射特性和极化特性,探讨芦苇和茭白遥感探测的最优模式。结果表明:Ku波段,芦苇和茭白的RCS值最大、X波段次之、C波段最小;不同波段上同极化RCS值远大于交叉极化,当入射角为35°时,无论是芦苇还是茭白,他们在低频部分同极化与交叉极化的RCS差异明显;当入射角为55°时芦苇在高频部分而茭白在整个测量频段,其水平发射水平接收(HH)和垂直发射垂直接收(VV)极化的RCS值差异明显。通过对比分析二者的RCS值特征发现,当入射角为25°时,在7.8~17 GHz波段,利用VV极化和VH极化基本可以区分芦苇和茭白,当入射角为55°时,在7~17 GHz波段,通过分析HH极化和VV极化可以明显区分二者。本研究丰富了湿地地物散射波谱库,并对后续芦苇和茭白的监测具有重要指示意义。