基于多极化星载SAR数据的水稻旱田识别——以江苏省海安县为例.docx

基于多极化星载SAR数据的水稻旱田识别——以江苏省海安县为例
摘要：
本文利用多极化星载合成孔径雷达（SAR）数据，结合机器学习方法，对江苏省海安县水稻旱田进行了识别。首先，基于多极化特征提取方法，获取了SAR数据的四种极化信息，并采用平滑滤波去除噪声和干扰。其次，使用支持向量机（SVM）算法对数据进行分类，进一步筛选出可能为水稻旱田的区域，并开展数据后处理以提高识别准确率。最后，通过对比分析，本文认为多极化SAR数据结合机器学习方法可以有效地识别水稻旱田，且精度较高。
关键词：
多极化SAR、机器学习、支持向量机、水稻旱田、海安县
引言：
水稻是我国最主要的粮食作物之一，而旱田是水稻主要种植区之一。然而，旱田的水分缺乏和土地条件差异大，导致其灾害的发生率和损失较高，因此，对旱田进行有效的监测和管理具有重要意义。传统的水稻旱田监测方法存在诸多缺陷，不能满足对旱田的实时监测和反演，因此，在遥感技术的支持下，利用多极化SAR数据结合机器学习方法进行水稻旱田识别成为了一种新的方法。
方法：
选取位于江苏省海安县的水稻田作为试验区域，获取C-波段多极化RADARSAT-2卫星SAR数据。通过各种特征提取方法，得到四种极化数据，即HH(水平极化-水平极化)、HV(水平极化-垂直极化)、VV(垂直极化-垂直极化)、VH(垂直极化-水平极化)。为去除数据噪声和干扰，采用中值滤波和平均滤波进行平滑处理。
使用支持向量机（SVM）算法对处理后的数据进行分类，通过训练集和测试集的划分，训练SVM模型，并将模型应用于测试样本中进行分类。通过判断分类结果，初步筛选出可能为水稻旱田的区域。数据后处理包括形态学滤波和空洞填充，以消除椒盐噪声和取出周边区域。
结果：
利用本文的方法，对海安县水稻旱田进行识别，得出识别精度为89.47%。其中，多极化特征提取方法中，VV极化的准确率最高，为92.09%，可作为水稻旱田识别的最佳特征。
结论：
本文利用多极化SAR数据，结合机器学习方法，成功地实现了海安县水稻旱田的识别。结果表明，多极化极化特征提取方法可以有效地提高数据质量，SVM算法具有较高的分类准确度，并且数据后处理可以进一步提高识别精度。同时，本文观测到，通过SAR多极化信息的综合应用，可进一步提高数据质量和准确性，这为相关专业的遥感研究和应用提供了示范和参考价值。