基于Sentinel1和Sentinel2数据融合的农作物分类-农业机械学报.PDF

２０１８年 ４月 农 业 机 械 学 报 第 ４９卷 第 ４期 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１８．０４．０２２ 基于Ｓｅｎｔｉｎｅｌ１和Ｓｅｎｔｉｎｅｌ２数据融合的农作物分类 １，２ １ １，２ 郭　交 　朱　琳 　靳　标 （１．西北农林科技大学机械与电子工程学院，陕西杨凌 ７１２１００；２．农业部农业物联网重点实验室，陕西杨凌 ７１２１００） 摘要：基于光学影像的遥感技术受云雨、昼夜影响较大，导致获取连续的作物时序生长曲线较困难，而雷达影像作 为主动式成像，能够很好地克服这一缺陷。本文以陕西省渭南市大荔县某农场为研究区域，分别采用最大似然法 （Ｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄ，ＭＬ）和支持向量机（Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）２种方法，融合 Ｓｅｎｔｉｎｅｌ １雷达影像和 Ｓｅｎｔｉｎｅｌ２光学影像，提高农作物的分类精度。研究结果表明，融合数据的农作物分类精度相比光学数据分类精度 有所提高。在无云层覆盖的情况下，利用 ＳＶＭ方法融合 Ｓｅｎｔｉｎｅｌ ２的红、绿、蓝、近红外４个波段数据与 Ｓｅｎｔｉｎｅｌ １ 数据，总体分类精度提高了２个百分点，Ｋａｐｐａ系数提高了５个百分点；在有少量云层覆盖情况下，利用 ＭＬ处理融 合数据的分类结果精度和 Ｋａｐｐａ系数分别提高２个百分点和４个百分点，ＳＶＭ方法下的分类精度提高了６个百分 点，Ｋａｐｐａ系数提高了８个百分点。 关键词：作物分类；光学图像；雷达图像；数据融合；支持向量机；最大似然 中图分类号：Ｓ１２７ 文献标识码：Ａ 文章编号：１０００１２９８（２０１８）０４０１９２０７ ＣｒｏｐＣｌａｓｓｉｆｉｃａｔｉｏｎＢａｓｅｄｏｎＤａｔａＦｕｓｉｏｎｏｆＳｅｎｔｉｎｅｌ １ａｎｄＳｅｎｔｉｎｅｌ２ １，２ １ １，２ ＧＵＯＪｉａｏ 　ＺＨＵＬｉｎ　ＪＩＮＢｉａｏ （１．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｗｅｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｌｉｎｇ，Ｓｈａａｎｘｉ７１２１００，Ｃｈｉｎａ ２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，ＭｉｎｉｓｔｒｙｏｆＡｇｒｉｃｕｌｔｕｒｅ，Ｙａｎｇｌｉｎｇ，Ｓｈａａｎｘｉ７１２１００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｓｉｎｃｅｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｂａｓｅｄｏｎｏｐｔｉｃａｌｉｍａｇｅｓｉｓｕｓｕａｌｌｙｉｎｆｌｕｅｎｃｅｄｂｙｃｌｏｕｄａｎｄ ｒａｉｎ，ｉｔ’ｓｄｉｆｆｉｃｕｌｔｔｏａｃｑｕｉｒｅｃｏｎｔｉｎｕｏｕｓｃｒｏｐｇｒｏｗｔｈｃｕｒｖｅｓｉｎｓｏｍｅａｒｅａｓ．Ｒａｄａｒ，ａｓａｎａｃｔｉｖｅｒｅｍｏｔｅ ｓｅｎｓｉｎｇｔｅｃｈｎｉｑｕｅ，ｃａｎｏｖｅｒｃｏｍｅｔｈｅｄｉｓａｄｖａｎｔａｇｅｓｕｃｃｅｓｓｆｕｌｌｙ．Ｔａｋｉｎｇｔｈｅｆａｒｍｌｏｃａｔｅｄｉｎｔｈｅｃｉｔｙｏｆ ＷｅｉｎａｎｏｆＳｈａａｎｘｉＰｒｏｖｉｎｃｅａｓｓｔｕｄｙａｒｅａ，ｔｗｏｍｅｔｈｏｄｓｏｆｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄ（ＭＬ）ａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒ ｍａｃｈｉｎｅ（ＳＶＭ）ｗｅｒｅａｄｏｐｔｅｄｔｏｃｏｍｂｉｎｅｍｕｌｔｉｓｅｎｓｏｒｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａｏｆＳｅｎｔｉｎｅｌ １ａｎｄＳｅｎｔｉｎｅｌ ２， ａｎｄｔｈｕｓｉｍｐｒｏｖｅｃｒｏｐｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｗｉｔｈｆｕｓｉｏｎ ｄａｔａｗｅｒｅｂｅｔｔｅｒｔｈａｎｔｈｏｓｅｏｆｏｐｔｉｃａｌｄａｔａ．ＴｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｏｆｆｕｓｉｏｎｄａｔａｃｏｍｐｏｓｅｄｏｆＳｅｎｔｉｎｅｌ １ ａｎｄＳｅｎｔｉｎｅｌ ２’ｓｒｅｄ，ｇｒｅ