【论文笔记】：作物分类--多时相极化SAR数据的旱地作物分类研究

【论文笔记】：作物分类–多时相极化SAR数据的旱地作物分类研究

单位：中国农业科学院农业资源与农业区划研究所

一、摘要：

1.目的：对河北省冀州市棉花、玉米、水体和建筑进行分类，比较不同时相及分类方法
RADARSAT-2数据对4种地物的分类精度。

2.方法：
（1） 计算得到每个时相 （2018年7月14日、 8月7日、9月24日） 全极化RADARSAT-2数据的39个特征；
（2） 结合随机森林分类器比较不同分解方法（Freeman 分解、Yamaguchi 分解、MCSM 模型和 Cloud 分解） 得到的特征对旱地作物的分类精度影响；
（3）分析参与分类的特征数量和时相对分类精度的影响；
（4） 将多时相多特征相结合，确定研究区内旱地作物的最佳识别方案。

3.结果：
不同分解方法得到的特征越多、分类精度越高；就仅使用单景影像而言，在9月24日 （玉米成熟期早期、棉花吐穗期中期） 总体分类精度最高；不同分解方法得到的极化特征之间有一定的相关性，同一时相下，增加参与分类的极化特征数量不能有效提高分类精度；使用3个时相上117个极化特征，结合随机森林分类器，可以得到最佳分类精度 （总体分类精度达 92.89%，Kappa 系数为 0.885 9）。

4.结论：
结合多时相与多特征相 RADARSAT-2 数据，能够有效提高复杂种植结构下旱地作物的识别精度。

二、什么是目标分解？分解方法有哪些？具体怎么做？

2.1概念
极化目标分解作为极化 SAR 图像分析的一种基本手段，所提取的极化信息是极化 SAR 图像目标检测和分类的基础，在极化SAR 图像解译中起着关键作用。

基于切合实际的物理约束来解译目标的散射机制，将获得的极化数据分解为若干具有实际物理意义的参数，从而方便分析目标复杂的散射过程。还可以将分解得到的参数应用于后续极化 SAR 图像目标检测和分类。

全极化数据能够提取地物目标完整的极化矩阵、几何结构细节、介电常数等信息，对地表植被散射体的空间分布、高度、植被散射体的形状和方向均很敏感。极化目标分解是从极化 SAR数据中提取目标特征的重要方法，极化目标分解所提取的散射特征参数是极化 SAR图像分类、目标识别、地表物理参数反演等应用的重要依据。

该研究主要提取了基于特征值与特征向量的极化分解参数、基于散射模型的极化分解特征两类散射特征。

2.2分解方法

Freeman
Yamaguchi
MCSM
Cloude

2.3等我研究研究…

三、引言

1.前提：云雨天气频繁，对光学影像获取的质量和数量带来的较大影响，降低了作物面积监测的准确性和时效性。

2.微波遥感的优点：由于微波不受云雨天气和雾霾的影响，不依赖太阳光成像，具有全天时、全天候监测的优点，合成孔径雷达 （Synthetic Aperture Radar，SAR） 在作物识别研究中受到广泛应用。和单、双极化不同，全极化 SAR数据包含了目标的散射矩阵、介电常数信息和更多的几何结构细节，对地表植被散射体的几何形状、高度都很敏感，能够弥补光学遥感的不足，在农作物识别和监测中具有独特优势

由于生长期有独特的下垫面有别与其他地物类型，早期单极化 SAR数据的研究主要集中在对水稻的面积提取。

3.作物生长周期形态结构会发生改变，使用多时相数据能够提高分类精度。

四、数据源

全极化RADARSAT-2数据；
选用多时相全极化精细全极化模式的RADARSAT-2数据，包括4种极化方式，包括 HH、VV、HV、VH共4种极化方式。
选取共3个时相。

4.1预处理
软件：Polsarpro 5.1.2 和 NEST 4C
在 Polsarpro 5.1.2中进行辐射校正、精致Lee滤波、目标分解，在NEST 4C中进行距离-多普勒地理编码，自动下载研究区30 m空间分辨率 DEM数据，重采样后影像分辨率设置为 5 m×5 m，最后投影到“WGS 84 UTM-Zone 50”投影坐标系中。精致Lee滤波的窗口大小为7 × 7。

4.2地面调查数据和研究路线：

4.3主要步骤：
首先，对全极化 SAR 数据进行辐射校正、滤波、极化分解、地理编码等预处理，得到多时相的极化特征数据集；
其次，使用得到的数据集结合地面真实的训练样本，比较时相和分解方法对分类精度的影响；
最终将多时相多特征相结合，对研究区旱地作物进行分类识别，确定旱地作物识别的最佳方案。
4.4分类方法：随机森林
4.5全极化RADARSAT-2数据分解得到39个极化特征

首先对SAR数据进行辐射校正、精致Lee滤波以及极化分解，得到减少了相干斑噪声后的不同的极化特征。在使用同种分解方法得到的极化特征进行分类，得到不同时相下的分类精度。

五、结果

主要做了以下三个方面的工作：
（1） 比较了分解方法和分类时相对分类精度的影响；
（2） 分析参与分类的
极化特征数量对分类精度的影响；
（3） 探索多时相多特征相结合对旱地作物分类精度提高的潜力。
结论：
（1） 不同的分解方法、不同的分类时相对旱地作物的分类精度存在影响。同一分解方法得到的特征越多，其分类精度越高；使用的影像越靠近作物生长周期后期，其分类精度越高。
（2） 在单一时相下，不同分解方法得到的极化特征之间，信息存在冗余，增加单时相下不同的分解方法得到的特征，对分类精度的提升作用不大。
（3） 使用多时相结合多特征的方法，可以明显改善旱地作物的分类精度，基于3景影像利用不同极化分解方法得到的117个极化特征，使用随机森林分类器，能使分类精度满足实际应用水平。
（4）总体分类精度92.89%，Kappa系数0.885 9。