基于Sentinel-1数据的作物分类与分割技术解析

### 基于 Sentinel - 1 数据的作物分类与分割技术解析 #### 1. 引言 卫星获取的高分辨率图像在智慧农业相关应用中，有助于提供地块的空间分布，以进行作物测绘。根据环境变化进行作物测绘，对获取景观信息、分类不同作物类型以及研究不同地表的作物分布起着重要作用。此外，作物分类是收集农业信息、成功管理作物、控制生物多样性、确保粮食安全和制定农业政策的关键步骤。目前，图像处理和卫星数据被用于农业中的有效作物分类，有助于推动食品工业领域的发展。遥感与卫星图像相结合，能够以高时间分辨率获取大面积地理区域，有助于进行有效的作物测绘，还广泛应用于农业监测，包括物候估计、作物类型测绘和产量预测。 图像分割是将图像分割为多个分辨率函数的技术。许多研究人员进行了图像分割，如多分辨率分割、简单线性集成聚类（SLIC）等，旨在为高分辨率图像开发相关技术。基于分割主要分为两类：一类是提取边界，为监测提供基础数据；另一类是超像素，将图像分割成小的像素簇。然而，SLIC 分割方法用于传统的高分辨率卫星波段分类技术，以增强农田的完整性。现有的作物测绘技术在间作农业分类时缺乏准确性，且由于非结构化数据集获取的低分辨率图像会影响精度，同时时间消耗也是近期研究的主要缺点。因此，重点在于分析基于 Sentinel - 1 数据时间序列信息的作物分类和分割相关方面，并采用更好的分类技术。 #### 2. 相关工作 以下是使用 Sentinel - 1 时间序列数据进行作物分类的不同技术的文献综述，包括其优缺点。 |作者|方法|优点|缺点| | ---- | ---- | ---- | ---- | |Tufail 等|使用 SAR Sentinel - 1 时间序列数据的随机森林（RF）分类器绘制作物类型|由于 RF 是决策树的组合，有助于绘制单个参数并提高精度值|RF 分类器易受 SAR 数据的极化指数、纹理和相干性影响，影响分类效率| |Wei 等|基于改进的 U - Net 技术的深度学习方法，处理分割问题并利用大规模作物生产的物候相似性|U - Net 表征空间数据，有助于在大规模上检测作物类型|在分散区域绘制作物会导致不平衡，影响分类精度| |Kpienbaareh 等|结合时间序列 Sentinel - 1 数据和图像处理技术进行详细的作物类型确定和土地覆盖测绘|提供来自各种光谱传感器和时间分辨率的集成数据，有效识别土地覆盖中的作物类型|在指定每个间作农场的精确作物组合时，精度会受到影响| #### 3. 问题陈述 现有卫星数据用于作物图像分割和分类的研究面临以下问题： - 分割的主要问题是分散作物绘图区域的精度较低，这是由于非作物和作物样本数量之间的数据不平衡造成的。 - 由于三维和基于时间的动态变化在生长季节频繁对土地覆盖产生重大影响，难以识别离散的作物类型。 - 几种机器学习（ML）和深度学习（DL）技术广泛用于分类，但它们耗时且需要巨大的计算能力来得出分类结果。 - 此外，由于农业地点的固有特征，使用遥感技术对作物类型进行分类是一项具有挑战性的工作。 #### 4. 分类法 主要探讨了用于作物测绘的不同 Sentinel - 1 卫星数据分割和分类方法。Sentinel - 1 卫星数据的处理包括数据预处理和提取，基于通用超像素非迭代聚类（SNIC）和基于对象的图像分析（OBIA）的方法常用于作物图像分割。此外，还对各种 ML 和 DL 分类模型进行了分析。以下是 Sentinel - 1 作物波段分割和分类的流程： ```mermaid graph LR A[数据采集] --> B[图像预处理] B --> C[特征分割] C --> D[分类] D --> E[比较分析] ``` ##### 4.1 数据采集 作物类型图是基于地球资源卫星数据的可用性创建的，这些数据具有增强的空间和光谱分辨率。例如，欧洲航天局提供的 Sentinel - 1 卫星数据，通过 5.405 GHz 的双极化 C 波段 SAR 仪器提供数据。SAR 图像获取干涉相位，每个场景包含两个极化波段，还有一个额外的波段包含每个点相对于椭球体的估计角度。此外，SAR 数据用于提高土地覆盖的准确性和增强分类精度。每个场景都需要进行预处理，以开发每个像素的后向散射系数，以便在土地覆盖类型中进行有效映射。 ##### 4.2 图像预处理 预处理是去除无关和冗余数据的必要过程，并进行校准以生成图像及其像素值，用于捕捉农业土地场景。具体步骤如下： 1. 通过裁剪研究区域创建原始数据集的子集。 2. 使用辐射校准将强度波段（VV 和 VH）转换为基于 sigma naught（σ 0）后向散射的归一化雷达系数。 3. 包括辐射校正、减少 SAR 数据中的噪声，并通过应用地形校正确定地理位置。地形校正使用范围多普勒地形校正和航天飞机雷达地形任务（STRM）实现，在 STRM 中创建 10 m × 10