一个动态框架，整合了光学图像和SAR图像技术，用于考卡山谷地区的甘蔗监测

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Dynamical Framework that Integrates Optical and SAR Imagery for Sugarcane Monitoring in the Cauca Valley

　　

摘要：

在这项研究中，我们提出了一个新颖的作物监测动态框架，该框架整合了SAR（合成孔径雷达）和光学卫星图像。所提出的方法采用二维状态转换来明确模拟作物的预期时间演变。通过将这种作物建模与多传感器观测数据相结合，包括Sentinel-1收集的双极化（VV和VH）雷达图像以及Sentinel-2提供的光学图像，该框架利用成熟的卡尔曼滤波器生成了可靠且一致的估计结果。具体而言，该方法应用于获取位于哥伦比亚考卡山谷的甘蔗作物的生物量值，覆盖整个生长季节（从2024年夏季到2025年夏季）。我们进行了大规模的实地调查，收集了大量地点的地面真实测量数据，以开发和验证所提出的集成算法。结果表明，当同时使用所有可用的观测数据（SAR和光学数据）时，生物量估计非常准确。在这种情况下，在随机选定的多个点上多次评估模型后，获得了0.103公斤的全球均方根误差、0.064公斤的平均绝对误差以及13.8公斤的累积生物量差异。分析还指出了研究区域内光学图像的一个关键局限性：大量图像受到云层覆盖的影响，导致时间序列中出现长时间间隔，从而降低了估计精度。此外，当利用所有可用的SAR产品（包括双极化（VV和VH）的相干性和强度产品）时，所提出的集成模型表现出最佳性能；尽管使用单极化相干性和强度数据（无论是VV还是VH极化）也能获得非常好的结果。与仅使用一种类型信息（SAR或NDVI）的部分集成方法相比，...

显示更多