在俄罗斯远东南部使用哨兵-1数据绘制农田地图
Konstantin Dubrovin1, Alexey Stepanov2, Andrey Verkhoturov3
1Computing Center Far Eastern Branch of the Russian Academy of Sciences, 680000 Khabarovsk, Russia.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
这项研究表明,来自Sentinel-1B数据的双极化雷达植被指数 (DpRVI) 能够有效地识别大豆和麦等作物,以及地. 随机森林和二次差异分析算法在数字农业应用中实现了高精度.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 地理空间分析的研究.
背景情况:
- 数字农业依赖于准确的作物识别,以实现高效的管理.
- 遥感数据,特别是来自Sentinel-1B等卫星的遥感数据,为界定田地和识别地提供了一种可行的方法.
- 了解季节性植被变化对于区分不同的作物类型和土地用途至关重要.
研究的目的:
- 评估来自Sentinel-1B卫星数据的双极化雷达植被指数 (DpRVI) 的有效性,用于作物识别.
- 为了比较不同分类算法 (SVM,QDA,RF) 在识别大豆,麦作物和地方面的性能.
- 评估DPRVI作为俄罗斯远东农田自动分类的主要特征的潜力.
主要方法:
- 利用了2021年5月至10月期间获得的Sentinel-1B卫星数据,用于哈巴罗夫斯基区和阿穆尔地区.
- 计算了双极化雷达植被指数 (DpRVI) 作为分类的主要特征.
- 使用支持向量机器 (SVM),二次差异分析 (QDA) 和随机森林 (RF) 算法进行土地覆盖分类.
- 使用培训和测试数据集验证分类准确性,包括现场准确性评估.
主要成果:
- 随机森林算法在哈巴罗夫斯基区的测试组中实现了最高的整体准确率82.0%.
- 在阿穆尔地区,QDA分类器的整体准确率为83.1%,大豆 (0.86),休地 (0.84) 和麦 (0.79) 的F1得分高.
- 与雷达植被指数 (RVI) 和VV/VH比率相比,DPRVI表现出更高的性能,其准确度分别为74.9%和74.6%.
结论:
- 双极化雷达植被指数 (DpRVI) 是一个非常有效的特征,用于区分大豆,麦作物和地.
- 机器学习算法,特别是随机森林和QDA,通过SAR数据提供准确的农田分类结果.
- 在俄罗斯远东南部的数字农业计划中,DPRVI显示了自动作物识别和分类的巨大潜力.
