《表6 结合光学数据的极化SAR农作物分类》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《极化SAR农作物分类研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

主动微波传感器可以获取数据而不受云雨天气太阳光的影响，在数据源方面可以很好地和光学影像互补。另一方面，光学传感器数据能反映农作物的光谱特征信息；而微波对农作物的大尺度结构属性（包括叶、茎和果实的形状和方向）都有响应，植被冠层的介电特性和几何特征、农作物的种植密度和垄向等都影响着雷达的后向散射，二者各有所长[67]。结合光学和微波传感器各自的优点，可以提取更多有效信息，用于农作物的分类研究。Shelestov[68]等使用EO-1光学数据结合RADARSAT-2对乌克兰的大豆、玉米、向日葵、甜菜等作物进行分类，总体精度达到91.4%，使用SAR数据可以使大豆的漏分误差从34%降低到13%。Hong[69]等通过HIS变换和小波融合，将RADARSAT-2的HV极化和MODIS影像融合用于加拿大苜蓿和草地分类，融合后总体精度为84.9%，与单独使用MODIS、SAR数据相比，分别提升9.4%、20.7%。Gao[70]等融合了GF-3全极化SAR数据和Sentinel-2A光学数据，采用Hoekman方法将协方差矩阵转换为强度矢量，通过主成分分析选出主要的特征值，用SVM方法对一季稻、二季稻、荷花、森林、草地进行分类，总体精度为85.27%，Kappa系数为0.83，精度高于单一数据集。表6列出了近年来国内外结合光学和极化SAR数据进行的农作物分类研究，包括使用的数据和分类算法、达到的精度等。