首页|多时相SAR数据下的岭南早稻提取与时空变化分析

多时相SAR数据下的岭南早稻提取与时空变化分析

Analysis on early rice distribution and spatio-temporal changes based on multi-temporal SAR data in Lingnan

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对岭南地区在水稻生长期内高质量光学影像较少、难以实现对水稻种植情况进行有效监测的问题,该文利用多时相哨兵一号数据,提出一种基于阈值分割法快速提取水稻标签范围、运用U-Net深度学习模型提取水稻分布范围的方法,并分析广东省雷州市2019-2021年早稻分布时空变化情况.①通过对比,U-Net模型提取效果优于支持向量机算法,2019年早稻面积提取精度为87.63％,2020年为91.47％;②雷州市早稻种植范围持续扩大,与2019年早稻分布范围相比,2020年和2021年新增早稻种植范围主要分布在河流两岸;③相对于2019年,2020年和2021年由早稻种植区转变为非粮种植区的面积主要集中在南渡河中下游的附城镇、南兴镇等地,主要改种的农作物是西瓜.利用多时相哨兵一号数据可以建立长时间序列、稳定、及时、免费的水稻种植监测系统,能够实现对岭南重要产粮区耕地"非粮化"的有效监测.

左坚、钟凯文、许剑辉、吴永静、魏子妤

展开 >

中国科学院广州地球化学研究所,广州 510640

广东省科学院广州地理研究所,广州 510070

中国科学院大学地球与行星科学学院,北京 101400

广东省国土资源技术中心,广州 510075

展开 >

多时相SAR数据 早稻 深度学习 时空变化

广东省省级科技计划广东省省级科技计划广东省省级科技计划广东省省级科技计划

2021B11116100012018B0202070022019B0202080042019B020208013

2023

测绘科学
中国测绘科学研究院

测绘科学

CSTPCDCSCD北大核心
影响因子：0.774
ISSN：1009-2307
年,卷(期)：2023.48(1)
  • 2
  • 16