LSTM支持下時序Sentinel-1A數據的太白山區植被制圖

作者：楊丹,周亞男,楊先增,郜麗靜,馮莉

摘要：植被分類是森林資源調查與動態監測的基礎與前提。當前植被分類研究大都利用光學遙感影像,然而,光學遙感成像易受到云雨覆蓋的影響,難以構建完整時間序列,植被分類精度有限。微波遙感具有全天時全天候、時間序列完整的優勢,在植被調查與分析中具有巨大的應用潛力。本文利用2018年Sentinel-1A微波遙感時間序列數據和深度循環網絡方法,對秦嶺太白山區的森林植被進行分類制圖。首先利用Sentinel-2光學影像與數字高程數據對研究區進行多尺度分割;然后將處理后的時間序列Sentinel-1A數據空間疊加到分割地塊上,構建地塊的多元時間序列曲線;最后利用深度循環網絡提取與學習多元時間序列的時序特征并分類。實驗結果表明:①與傳統機器學習方法(如RF、SVM)相比,本文提出的深度循環網絡方法的分類精度提高10%以上;②在Sentinel-1A微波極化特征組合中VV+VH表現最好,與VV+VH+VV/VH極化特征組合的精度相近;③使用全年的時間影像構建時間序列分類精度最高,達到82%。研究表明,利用深度循環網絡與時間序列Sentinel-1A數據的方法能夠有效提高植被分類的精度,從數據源與分類方法上為森林植被分類研究提供了新的思路。

發文機構：河海大學水文水資源學院 中國科學院空天信息創新研究院

關鍵詞：植被分類太白山時間序列Sentinel-1A數據深度循環網絡微波遙感機器學習vegetation classificationTaibai Mountaintime seriesSentinel-1A dataLSTM networkmicrowave remote sensingmachine learning

分類號： TP751[自動化與計算機技術—檢測技術與自動化裝置]Q948[生物學—植物學]