[发明专利]一种多频率SAR数据农作物遥感分类方法

说明书

技术领域

本发明涉及农作物遥感图像分类技术领域，特别涉及一种多频率SAR数据农作物遥感分类方法。

背景技术

农作物遥感监测是遥感技术在农业领域应用的重要内容。遥感技术作为地球信息科学的前沿技术，可以在短期内连续获取大范围的地面信息，实现农业信息的快速收集和定量分析，反应迅速，客观性强，是目前最为有效的对地观测技术和信息获取手段。尤其近年来新的高空间分辨率、高光谱、雷达等遥感技术的发展，为农业现代化管理提供了新的机遇。我国幅员辽阔，农作物种类丰富，如何及时、客观、准确地收集我国农作物信息，对科学指导农业生产具有重要意义。

农作物遥感识别是遥感技术在农业领域的重要应用内容，是作物种植面积估算和产量估测的基础，具有重要的意义。其中，农作物遥感估产是应用遥感信息和遥感方法估算作物产量的过程。遥感信息是指在各种遥感平台上，使用各种传感器获取作物及其环境背景的反射、辐射信息的瞬时记录。经计算机处理、识别、分类、信息提取等遥感方法，并结合数理统计分析和地学分析，最后估测出农作物的最终产量。根据遥感资料来源的不同，农作物遥感估产可分为空间遥感作物估产和地面遥感作物估产。前者又包括以应用卫星资料为主的航天遥感作物估产和以应用飞机航测资料为主的航空遥感作物估产，估产的范围广、宏观性强。后者是根据地面遥感平台获取的农作物光谱信息进行估产，估产范围较小。农作物遥感估产包括对农作物生长过程的动态监测、种植面积测算、单位面积产量估测和总产量估测。在空间遥感估产中，农作物种植面积估算是遥感估产的重要依据之一。

但是由于中国自然环境和种植制度的复杂性，作物插花种植现象普遍存在，使农作物的遥感分类难度较大，即使采用Quickbird等高空间分辨率影像仍然存在混合像元和分类精度的问题。利用微波信号与地物的相互作用，获取地表的后向散射特征，具有一定的穿透性，在对地观测中具有独特的优势，而且微波传感器可以全天时、全天候地获取数据，在农作物遥感分类上拥有较大优势，在多云雨地区则优势更加明显。然而，微波传感器接收的信号受相干斑噪声的干扰，影响了对地物目标的提取和分析，利用单景SAR(Synthetic Aperture Radar，合成孔径雷达)数据进行农作物遥感分类往往很难达到令人满意的分类精度。微波与地物相互作用的过程会随着SAR数据的频率、极化方式和入射角等因素的影响，而多频率SAR数据能够提供多频率、多极化方式和多种入射角信息。由于微波对植被的穿透力随波长的改变而变化，因而不同频率的SAR可以获取作物从冠层到茎干不同高度的信息及其下层土壤的含水量等信息，因此基于多频率SAR数据在提高农作物遥感分类精度方面具备发展潜力。

同时，由于多频率SAR数据会为农作物的分类引入更多的数据冗余，SAR数据数量的增加，不一定会对最终分类结果的精度有很明显的提高，同时还需要更多的数据处理时间和数据购买费用。因此必须发明一种能够有效地利用多频率SAR数据提高农作物分类精度的方法，这也是一项难度较大又急需解决的任务。

发明内容

(一)要解决的技术问题

针对现有技术的缺点，本发明为了解决现有技术中农作物遥感分类精度难以提高的问题，提供了一种多频率SAR数据农作物遥感分类方法，以多频率SAR影像数据为数据源，利用支持向量机(SVM)分类方法，通过加入纹理特征信息，实现对农作物的精确分类。

(二)技术方案

为实现上述目的，本发明采用如下技术方案：

一种多频率SAR数据农作物遥感分类方法，所述方法包括步骤：

S1，根据作物物候期并结合地面观测数据，确定合适时间的ASAR及TerraSAR-X数据作为数据源，并对选定的SAR数据进行预处理；

S2，利用灰度共生矩阵GLCM方法提取SAR影像的纹理特征；

S3，利用SVM方法对SAR数据进行分类；

S4，使用地面验证数据对SVM方法的分类结果进行验证。

优选地，步骤S1中，所述数据源的确定具体为：参考历史物候数据，分别在拔节初期、拔节后期和开花期获取三景ASAR数据，并获取一景与开花期的ASAR数据同时相的TerraSAR-X数据。

优选地，所述对选定的SAR数据进行预处理具体为：对所述ASAR及TerraSAR-X数据进行辐射定标、配准、几何粗纠正和滤波处理后，再进行几何精纠正。