留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

典型Stokes参数支持的油菜物候期识别

张永鑫 张王菲 徐昆鹏 李建刚

张永鑫, 张王菲, 徐昆鹏, 李建刚. 典型Stokes参数支持的油菜物候期识别[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210394
引用本文: 张永鑫, 张王菲, 徐昆鹏, 李建刚. 典型Stokes参数支持的油菜物候期识别[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210394
ZHANG Yongxin, ZHANG Wangfei, XU Kunpeng, LI Jiangang. Phenological phase identification of oilseed rape (Brassica napus L.) Using typical Stokes parameters[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210394
Citation: ZHANG Yongxin, ZHANG Wangfei, XU Kunpeng, LI Jiangang. Phenological phase identification of oilseed rape (Brassica napus L.) Using typical Stokes parameters[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210394

典型Stokes参数支持的油菜物候期识别

doi: 10.13203/j.whugis20210394
基金项目: 

国家自然科学基金(31860240,42161059,32160365)。

详细信息
    作者简介:

    张永鑫,在读硕士研究生,主要从事合成孔径雷达森林高度反演研究。zyx@swfu.edu.cn

  • 中图分类号: P237

Phenological phase identification of oilseed rape (Brassica napus L.) Using typical Stokes parameters

Funds: 

The National Natural Science Foundation of China (31860240,42161059,32160365).

  • 摘要: 油菜关键物候期信息的获取对于油菜的田间管理,观赏时间预测,及产量估测等具有重要的意义,是精准农业实施的重要组成部分。极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)技术不仅可以实现对作物全天时监测而且对作物的结构信息敏感,在物候期提取中极具潜力。本研究以覆盖油菜整个生长期的5景时间序列全极化RADARSAT-2数据为基础,基于斯托克斯(Stokes)矢量提取了平均强度g0 ,归一化平均强度g0m ,平均极化度ρm ,零度方向路线球面度PDor ,零度孔径路线倾斜度IDap和零度孔径路线弧对称度AADap六个典型Stokes参数;对比分析了这六个参数对油菜整个生长期的动态变化的响应特征;并以此为基础采用决策树算法(Decision Tree,DT)对油菜的物候期进行了识别。研究结果表明:文中使用的6个Stokes参数中,除ρm和AADap外,其他4个参数均对油菜物候期变化敏感,在油菜物候期识别中具有极大的潜力。DT算法能有效识别油菜的各关键物候期,其分类结果与样地实测数据具有良好的一致性,总体分类精度为87.4%;而在单个物候期的识别中,识别精度最高达到了94.3%。
  • [1] Lopez-Sanchez J M, Cloude S R, Ballester-Berman J D.Rice Phenology Monitoring by Means of SAR Polarimetry at X-Band[J].IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(7):2695-2709
    [2] Wang H Q, Magagi R, Goïta K, et al.Crop Phenology Retrieval via Polarimetric SAR Decomposition and Random Forest Algorithm[J].Remote Sensing of Environment, 2019, 231:111234
    [3] Canisius F, Shang J L, Liu J G, et al.Tracking Crop Phenological Development Using Multi-Temporal Polarimetric Radarsat-2 Data[J].Remote Sensing of Environment, 2018, 210:508-518
    [4] Chen E X, Li Z Y, Pang Y, et al.Quantitative Evaluation of Polarimetric Classification for Agricultural Crop Mapping[J].Photogrammetric Engineering&Remote Sensing, 2007, 73(3):279-284
    [5] Shang F, Hirose A.Averaged Stokes Vector Based Polarimetric SAR Data Interpretation[J].IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(8):4536-4547
    [6] Muhamed S, Kurien S.Phenophases of Rambutan (Nephelium Lappaceum L.) Based on Extended BBCHScale for Kerala, India[J].Current Plant Biology, 2018, 13:37-44
    [7] Erten E, Rossi C, Yüzügüllü O, et al.Phenological growth stages of paddy rice according to the BBCH scale and SAR images[C]//2014 IEEE Geoscience and Remote Sensing Symposium.Quebec City, QC, Canada.:1017-1020
    [8] Cloude S R, Goodenough D G, Chen H.Compact Decomposition Theory[J].IEEE Geoscience and Remote Sensing Letters, 2012, 9(1):28-32
    [9] Born M, Wolf E, Principles of Optics[M].England:Cambridge Press,2016
    [10] Freeman A, Durden S L.A Three-Component Scattering Model for Polarimetric SAR Data[J].IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(3):963-973
    [11] Gordon A D, Breiman L, Friedman J H, et al.Classification and Regression Trees[J].Biometrics, 1984, 40(3):874
    [12] McNairn H, Jiao X F, Pacheco A, et al.Estimating Canola Phenology Using Synthetic Aperture Radar[J].Remote Sensing of Environment, 2018, 219:196-205
    [13] Hajj M E, Baghdadi N, Belaud G, et al.Irrigated Grassland Monitoring Using a Time Series of TerraSARX and COSMO-SkyMed X-Band SAR Data[J].Remote Sensing, 2014, 6(10):10002-10032
    [14] Yang H, Yang G J, Gaulton R, et al.In-Season Biomass Estimation of Oilseed Rape (Brassica Napus L.) Using Fully Polarimetric SAR Imagery[J].Precision Agriculture, 2019, 20(3):630-648
    [15] Jiao X F, McNairn H, Shang J L, et al.The Sensitivity of RADARSAT-2 Polarimetric SAR Data to Corn and Soybean Leaf Area Index[J].Canadian Journal of Remote Sensing, 2011, 37(1):69-81
    [16] Zhang W F, Li Z Y, Chen E X, et al.Compact Polarimetric Response of Rape (Brassica Napus L.) at CBand:Analysis and Growth Parameters Inversion[J].Remote Sensing, 2017, 9(6):591
    [17] Zhang W F, Zhang Y X, Yang Y, et al.Oilseed Rape (Brassica Napus L.) Phenology Estimation by Averaged Stokes-Related Parameters[J].Remote Sensing, 2021, 13(14):2652
    [18] Yang H, Li Z Y, Chen E X, et al.Temporal Polarimetric Behavior of Oilseed Rape (Brassica Napus L.) at C-Band for Early Season Sowing Date Monitoring[J].Remote Sensing, 2014, 6(11):10375-10394
  • [1] 刘雅婷, 龚龑, 段博, 方圣辉, 彭漪.  多时相NDVI与丰度综合分析的油菜无人机遥感长势监测 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180161
    [2] 张王菲, 文哲, 张亚红, 张庭苇, 李云.  Stokes参数在油菜长势监测中的可行性分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180375
    [3] 应申, 李威阳, 贺彪, 王维, 万远.  统计决策树下的城市地址集中文分词 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20170072
    [4] 吴佳奇, 蒋永华, 沈欣, 李贝贝, 潘申林.  决策树弱分类支持的卫星视频运动检测 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180094
    [5] 郝雨时, 徐爱功, 章红平, 隋心.  车载POS公路线形特征识别与参数计算 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20160311
    [6] 2017年02期目录 . 武汉大学学报 ● 信息科学版,
    [7] 2017年01期目录 . 武汉大学学报 ● 信息科学版,
    [8] 巩现勇, 武芳, 钱海忠, 马克楠.  建筑群多连通直线模式的参数识别方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20120708
    [9] 张剑清, 段艳.  一种结合分水岭与决策树C5.0的极化SAR分类方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20120112
    [10] 何楚, 刘明, 许连玉, 刘龙珠.  利用特征选择自适应决策树的层次SAR图像分类 . 武汉大学学报 ● 信息科学版,
    [11] 朱江洪, 李江风, 叶菁.  利用决策树工具的土地利用类型遥感识别方法研究 . 武汉大学学报 ● 信息科学版,
    [12] 韩涛, 徐晓桃, 颉耀文.  基于单时相MODIS数据的决策树自动构建及分类研究 . 武汉大学学报 ● 信息科学版,
    [13] 单棣斌, 陈性元, 张斌.  面向Web资源访问控制决策的多模式匹配算法 . 武汉大学学报 ● 信息科学版,
    [14] 江万寿, 谢俊峰, 龚健雅, 黄先锋.  一种基于星形的星图识别算法 . 武汉大学学报 ● 信息科学版,
    [15] 周曲, 颜国正, 王文兴, 徐金馗.  基于倒谱分析的散焦模糊图像参数识别 . 武汉大学学报 ● 信息科学版,
    [16] 龚衍, 舒宁.  非参数吉布斯模型和多波段遥感影像纹理分割方法研究 . 武汉大学学报 ● 信息科学版,
    [17] 王涛, 毋河海, 刘纪平.  基于区间树索引的等高线提取算法 . 武汉大学学报 ● 信息科学版,
    [18] 谈晓军, 涂建光.  一种自适应的两阶段R树批生成算法 . 武汉大学学报 ● 信息科学版,
    [19] 郑肇葆.  基于MRF参数的纹理识别的线性规划法 . 武汉大学学报 ● 信息科学版,
    [20] 管泽霖, 宁津生.  关于顾及地球扁率平方级量的斯托克司问题的解 . 武汉大学学报 ● 信息科学版,
  • 加载中
计量
  • 文章访问数:  76
  • HTML全文浏览量:  4
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-06-27

典型Stokes参数支持的油菜物候期识别

doi: 10.13203/j.whugis20210394
    基金项目:

    国家自然科学基金(31860240,42161059,32160365)。

    作者简介:

    张永鑫,在读硕士研究生,主要从事合成孔径雷达森林高度反演研究。zyx@swfu.edu.cn

  • 中图分类号: P237

摘要: 油菜关键物候期信息的获取对于油菜的田间管理,观赏时间预测,及产量估测等具有重要的意义,是精准农业实施的重要组成部分。极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)技术不仅可以实现对作物全天时监测而且对作物的结构信息敏感,在物候期提取中极具潜力。本研究以覆盖油菜整个生长期的5景时间序列全极化RADARSAT-2数据为基础,基于斯托克斯(Stokes)矢量提取了平均强度g0 ,归一化平均强度g0m ,平均极化度ρm ,零度方向路线球面度PDor ,零度孔径路线倾斜度IDap和零度孔径路线弧对称度AADap六个典型Stokes参数;对比分析了这六个参数对油菜整个生长期的动态变化的响应特征;并以此为基础采用决策树算法(Decision Tree,DT)对油菜的物候期进行了识别。研究结果表明:文中使用的6个Stokes参数中,除ρm和AADap外,其他4个参数均对油菜物候期变化敏感,在油菜物候期识别中具有极大的潜力。DT算法能有效识别油菜的各关键物候期,其分类结果与样地实测数据具有良好的一致性,总体分类精度为87.4%;而在单个物候期的识别中,识别精度最高达到了94.3%。

English Abstract

张永鑫, 张王菲, 徐昆鹏, 李建刚. 典型Stokes参数支持的油菜物候期识别[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210394
引用本文: 张永鑫, 张王菲, 徐昆鹏, 李建刚. 典型Stokes参数支持的油菜物候期识别[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210394
ZHANG Yongxin, ZHANG Wangfei, XU Kunpeng, LI Jiangang. Phenological phase identification of oilseed rape (Brassica napus L.) Using typical Stokes parameters[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210394
Citation: ZHANG Yongxin, ZHANG Wangfei, XU Kunpeng, LI Jiangang. Phenological phase identification of oilseed rape (Brassica napus L.) Using typical Stokes parameters[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210394
参考文献 (18)

目录

    /

    返回文章
    返回