Zeitschrift für Fernerkundung und GIS

Abstrakt

Anwendung zeitlicher Sentinel-1-SAR-Daten zur Klassifizierung mehrerer Erntetypen in einem Kommandobereich

Sobhan Mishra, Annie Maria Issac, Syama S Rao, Ronald Singh, PV Raju, VV Rao

Die Beurteilung der Anbaufläche während der Kharif-Saison ist aufgrund von Wolken, Wolkenschatten und Dunst eine schwierige Aufgabe. Mikrowellen-Datasets stellen daher eine gute Alternative dar, da sie über eine Wolkendurchdringungskapazität verfügen. Die Ableitung von erntebezogenen Informationen aus Mikrowellen-Datasets ist jedoch eine schwierige Aufgabe, da diese von verschiedenen Faktoren abhängen, wie beispielsweise dem phonologischen Stadium der Ernte während der Satellitenbildaufnahme, dem Vorhandensein von Speckles, der Polarisation und dem verwendeten Klassifikator. In dieser Studie werden geeignete Filterpolarisation und Klassifikatoren durch systematische Analyse von Zeitreihen und Rückstreuwerten ermittelt, die aus Daten des Synthetic Aperture Radar (SAR) von Sentinel 1 abgeleitet wurden. Laut der Studie erwiesen sich Sentinel 1-SAR-Bilder, die einer Speckle-Entfernung mit dem IDAN-Filter (Intensity Driven Adaptive Filter) unterzogen wurden, für das ausgewählte Untersuchungsgebiet und den ausgewählten Zeitraum als bei der Klassifizierung als besser geeignet als andere Filter. Die Zeitreihe der von Speckles befreiten VH-Polarisationsbilder, die mit dem Random-Forest-Klassifikator klassifiziert wurden, ergab eine Genauigkeit von 45 % bei der Klassifizierung von Reis, Nicht-Reisland und Brache.