使用基于时间序列双极化SAR特性和NDVI的决策树提取冬季小麦
Huiyang Zhang1, Zhiyong Wang1,2, Zhenjin Li1
1College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao, China.
PloS one
|May 8, 2024
概括
准确地绘制冬季小麦田对农业至关重要. 这项研究使用决策树方法结合了SAR和光学数据,实现了96.10%的精度,用于精确的冬季小麦提取.
科学领域:
- 农业遥感 农业遥感
- 地理空间分析的研究.
- 农作物监测 农作物监测
背景情况:
- 准确的冬季小麦面积对于农业政策至关重要.
- 由于分辨率和天气依赖性,单个SAR或光学数据在冬季小麦提取中存在局限性.
- 现有的方法在确定冬季小麦种植区的准确性较低.
研究的目的:
- 开发一种高精度和快速的冬季小麦提取方法.
- 为了克服使用单个SAR或光学数据的局限性.
- 为半自动化冬季小麦绘制提供一种新的技术方法.
主要方法:
- 开发了一种决策树分类方法,集成时间序列SAR反向散射特征和NDVI (规范差异植被指数).
- 协同使用Sentinel-1 SAR和Sentinel-2光学数据可以弥补个人数据的局限性.
- 冬季小麦在成熟时使用NDVI进行识别,并使用SAR回散特征进行进一步提取.
主要成果:
- 拟议的方法实现了96.10%的整体精度 (OA) 和0.94.9的卡帕系数 (Kappa).
- 与使用单个Sentinel-2图像 (5.66%) 和多时间复合图像 (10.69%) 的SVM分类相比,观察到OA的显著改善.
- 与仅SAR分类相比,冬季小麦提取的生产者准确性 (PA) 和用户准确性 (UA) 分别提高了3.08%和8.25%.
结论:
- 综合SAR和光学数据方法为冬季小麦提取提供了快速而准确的解决方案.
- 这种方法有效地解决了个别数据源的局限性,提高了映射精度.
- 该研究提出了一种新且高效的技术方法,用于精确地分析冬季小麦的空间分布.
