Sobhan Mishra、Annie Maria Issac、Syama S Rao、Ronald Singh、PV Raju、VV Rao
由于云、云影和霾的存在,评估喀拉拉季节的种植面积是一项艰巨的任务。因此,微波数据集由于其具有云层穿透能力,提供了一种很好的替代方案。但从微波数据集中获取作物相关信息是一项艰巨的任务,因为它受到不同因素的影响,例如卫星图像采集期间作物的物候阶段、斑点的存在、极化和使用的分类器。在本研究中,通过系统分析时间序列、从 Sentinel 1 合成孔径雷达 (SAR) 数据中得到的后向散射值,确定了合适的滤波器极化和分类器。根据这项研究,对于选定的研究区域和时间段,经过强度驱动自适应滤波器 (IDAN) 滤波器去除斑点的 Sentinel 1-SAR 图像在分类方面的表现优于其他滤波器。使用随机森林分类器对去除斑点的 VH 极化图像的时间序列进行分类,在水稻、非水稻和休耕地的分类准确率为 45%。