多时相Radarsat数据在广东肇庆地区稻田分类中的应用

doi:10.6046/gtzyyg.1997.04.01

全文: PDF(1537 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

将1996年获取的4个时相的Radarsat图像用于广东肇庆地区的稻田分类试验,结果表明,多时相Radarsat数据对水稻类型的识别精度较高,而且稻田的轮作规律容易推测出来。本文系统地介绍了这一试验研究的最新进展,探讨了神经网络分类方法在SAR图像处理中的应用潜力和Radarsat数据在中国南方水稻监测中的最佳时相选择和有效分辨率问题。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	艾彬
	黎夏
	胡树起
	史长义
	马生明
	刘崇民

关键词 ：雷达干涉, 平地相位, 轨道数据, 干涉频谱, 高程误差

Abstract：

It gets a good result, that the multi-temporal Radarsat data are applied to paddy Field Classification in Zhaoqing area, Guangdong province, China. The discrimination of paddy field can reach a high accuracy, and the rotation process in paddy field can also be inferred easily. This paper demonstrate the latest development in this experimental research. Emphasis has been placed on the potential of neural network classifier's application to SARimage processing and the optimum Radarsat data selection for paddy monitoring in the southern China.

Key words： InSAR Flat-earth phase Orbit data Interferometric spectrum Height elevation error

收稿日期: 1997-07-25 出版日期: 2011-08-02

作者简介: 刘浩男 1968年生,1990年毕业于北京大学地质系,1993年长春地质学院遥感地质硕士研究生毕业(现在职攻读博士学位),现从事微波遥感应用与研究。

引用本文:

刘浩, 邵芸, 王翠珍, Brian Brisco, Gordon Staples. 多时相Radarsat数据在广东肇庆地区稻田分类中的应用[J]. 国土资源遥感, 1997, 9(4): 1-6，13.
Liu Hao, Shao Yuan, Wang Cuizheng, Brian Brisco, Gordon Staples. THE APPLICATION OF MULTI-TEMPORAL RADARSAT DATA TO PADDY FIELD CLASSIFICATION IN ZHAOQING AREA, GUANGDONG PROVINCE, CHINA. REMOTE SENSING FOR LAND & RESOURCES, 1997, 9(4): 1-6，13.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.1997.04.01 或 https://www.gtzyyg.com/CN/Y1997/V9/I4/1

[1] Blown R. J. , Lmnte R. , Brisco B.,江平等译.Radarsat数据在农业和水文方面的应用潜力.星载SAR图像处理.北京:科学出版社,1996,96-112

[2] 黄德双.神经网络模式识别系统理论.北京:电子工业出版社.1996

[3] Ban Yifang, et al. Improving the Accuracy of Synthetic Aperture Radar Analysis for Agriculture Crop Classification.Canadaian Journal of Remote Sensing, 1995, 21(2) :158-163

[4] Clark C.,et al.Spectral Identification by Artificial Neural Network and Genetic Algorithm. INT. J. Remote Sensing,1995,16(12):2255-2275

[5] Wang D. , et al .A Line-!preserving Post-processing Technique for Maximum Likelihood Classification of SAR Image INT. J. Remote Sensing, 1995,16(21) :2081-2087

[6] Justin D. Paola and Robert A. Schowengerdt. Searching for Patterns in Remote sensing Networks. 1995 International Geoscience and Remote Sensing Symposium, IGARSS'95 Image Databases Using Neural,443-447

[7] Bruzaone L.,et al. An Experimental Canparison of Neural Networks for the Classification of Multisensor Remote Sensing Images. 1995 International Geoscience and Remote Sesnig Symposium, IGARSS' 95, 452-454

[8] Liu H. and Shao Y. . The Neural Net Classifier Applied to the G1obeSAR Data for Land Use Mapping. Proceedings of the Second Asia Regional GlobeSAR Workshop, Beijing, China, Oct. 9-12.1995,73-77

[1]	王振林, 廖明生, 张路, 罗恒, 董杰. 基于时序Sentinel-1数据的锦屏水电站左岸边坡形变探测与特征分析[J]. 国土资源遥感, 2019, 31(2): 204-209.
[2]	白泽朝, 汪宝存, 靳国旺, 徐青, 张红敏, 刘辉. Sentinel-1A数据矿区地表形变监测适用性分析[J]. 国土资源遥感, 2019, 31(2): 210-217.
[3]	刘斌, 葛大庆, 李曼, 张玲, 王艳, 郭小方, 张晓博. 地基合成孔径雷达干涉测量技术及其应用[J]. 国土资源遥感, 2017, 29(1): 1-6.
[4]	艾彬, 黎夏. InSAR平地相位去除算法及其对DEM精度影响研究[J]. 国土资源遥感, 2009, 21(3): 12-18.
[5]	倪文俭, 过志峰, 孙国清. 基于PALSAR数据的DEM提取方法研究[J]. 国土资源遥感, 2009, 21(3): 19-23.
[6]	周建民, 李震, 李新武. C-band和L-band雷达干涉数据西部冰川区域相干性对比分析[J]. 国土资源遥感, 2009, 21(2): 9-13.
[7]	徐佳, 关泽群, 何秀凤. 重复轨道雷达干涉测量中的大气影响及其研究展望[J]. 国土资源遥感, 2007, 19(2): 1-5.