一种结合土地覆盖信息用于均匀像素识别的自适应方法：alphaHTCI

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：An Adaptive Method Integrating Land Cover for Homogeneous Pixel Identification: alphaHTCI

　　

摘要：

在利用DS干涉合成孔径雷达技术对时间序列数据进行处理时，识别统计上同质化的像素是选择分布式散射体的关键步骤。这一过程直接影响相位优化以及后续的变形估计。不过，传统的假设检验方法用于识别此类像素时效率较低。一些参数检验方法通过使用置信区间来提高效率，但若初始均值μ设定不当或显著性水平α固定不当，就可能导致严重的误判或漏判。本文提出了一种自适应置信区间假设检验方法，即将土地覆盖类型作为确定μ的参考依据，并用于自适应调整α值，该方法简称为alphaHTCI。蒙特卡洛模拟结果显示，与其它六种测试方法相比，alphaHTCI具有更高的精度，在五种典型的空间分布场景下都能保持最低的标准差。以萨尔顿海地区的Sentinel-1A数据为研究对象时，与HTCI方法相比，alphaHTCI识别的统计同质化像素数量显著增加，其中农田区域的识别数量增加了25.6%，裸地区域则增加了84.6%，从而更真实地反映了地面特征。此外，使用alphaHTCI进行相位优化后，残差比HTCI方法减少了17.30%，进一步证明了其有效性。我们还在中国山西大同地区，利用土地覆盖类型更为复杂的ALOS-1数据对该方法进行了验证。