milan米兰体育官网 针对亚马逊瓦尔泽亚湿地植被测绘的双季全偏振 C 波段 SAR 评估

引用

Furtado LFAdA、Silva TSF 和 Novo EMLdM (2016) 针对亚马逊瓦尔泽亚湿地植被测绘的双季节和全偏振 C 波段 SAR 评估。环境遥感，174，第 212-222 页。 https://doi.org/10.1016/j.rse.2015.12.013

摘要
本研究回答了以下问题：1) 使用单个水文周期的图像来绘制瓦尔泽亚洪泛区植被类型时，偏振 C 波段 SAR (PolSAR) 是否比双偏振 (dual-pol) C 波段 SAR 更有效？ 2) 单季 C 波段 SAR 图像对于绘制 várzea 植被类型是否比双季双极化 C 波段 SAR 图像更准确？ 3) 用于绘制 várzea 植被类型的最有效的极化描述符是什么？我们应用随机森林算法对双极化 SAR 图像和极化描述符进行分类，这些图像和极化描述符源自在巴西亚马逊下游 Lago Grande de Curuai 洪泛区的低水季和丰水季获取的两幅全偏振 Radarsat-2 C 波段图像。我们使用 Kappa 一致性指数 (κ)、分配不一致 (AD) 和数量不一致 (QD) 以及生产者和用户的准确性测量来评估分类结果。我们的结果表明，单季全极化 C 波段数据可以比单季双极化 C 波段 SAR 图像产生更准确的分类，并且与双季双极化 C 波段 SAR 分类的精度相似。尽管如此，双季节 PolSAR 仍取得了最高的精度，这表明无论 SAR 图像类型如何，季节性对于获得湿地土地覆盖分类的高精度都是至关重要的。平均而言，低水位时期的单季分类不如高水位分类准确，这可能是由于植物物候和洪水条件造成的。使用基于模型的极化分解（例如 Freeman-Durden、Yamaguchi 和 van Zyl）的分类精度最高（κ 大于 0.8；AD 范围为 7.5% 到 2.5%；QD 范围为 15% 到 12%），而基于特征向量的分解（例如 Touzi 和 Cloude-Pottier）的精度最差（κ 范围为 0.5 到 0.7；AD 范围为 15% 到 12%）。大于 10%；QD 小于 10%）。具有茂密树冠的植被类型（灌木、水淹森林和挺水植物）使用 C 波段进行分类具有挑战性，但使用双季节全极化 SAR 数据进行了准确分类，生产者和用户的准确度在 80% 到 90% 之间。我们得出的结论是，完整的偏振 C 波段图像可以对 várzea 植被进行非常准确的分类（κ ~0.8、AD ~3% 和 QD ~10%），并且可以用作森林湿地测绘的操作工具。

关键字
极化SAR；湿地；旋光分解；多时相；测绘精度；

期刊
环境遥感：第174卷