基于Sentinel-1和Sentinel-2数据融合的农作物分类

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（Maximum likelihood，ML）和支持向量机（Support vector machine，SVM）2种方法，融合Sentinel-1雷达影像和Sentinel-2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