LSTM支持下时序Sentinel-1A数据的太白山区植被制图

• 作 者: 杨丹 周亚男 杨先增 郜丽静 冯莉
• 机 构: 河海大学水文水资源学院,南京211100;中国科学院空天信息创新研究院遥感科学国家重点实验室,北京100010
• 出 处: 地球信息科学学报
• 发表日期: 2020年12期
• 关键词: 植被分类 太白山 时间序列 Sentinel-1A数据 深度循环网络 微波遥感 机器学习

植被分类是森林资源调查与动态监测的基础与前提。当前植被分类研究大都利用光学遥感影像,然而,光学遥感成像易受到云雨覆盖的影响,难以构建完整时间序列,植被分类精度有限。微波遥感具有全天时全天候、时间序列完整的优势,在植被调查与分析中具有巨大的应用潜力。本文利用2018年Sentinel-1A微波遥感时间序列数据和深度循环网络方法,对秦岭太白山区的森林植被进行分类制图。首先利用Sentinel-2光学影像与数字高程数据对研究区进行多尺度分割;然后将处理后的时间序列Sentinel-1A数据空间叠加到分割地