农田测绘采用基于像素和基于对象的时间加权动态时间翘曲分析

农田测绘采用基于像素和基于对象的时间加权动态时间翘曲分析(中文15000字,英文PDF)
摘要
绘制农田图的有效方法是实施可持续农业做法和定期监测作物的必要条件。全球可用的卫星图像(如Sentinel-2提供的图像)的空间和时间分辨率不断提高，为以随时可用的矢量数据格式生成关于可用作物类型的精确数据集创造了新的可能性。现有的基于高分辨率遥感数据的农田测绘解决方案主要是基于时间序列数据的像素分析。本文评价了时间加权动态时间翘曲(TWDTW)方法在罗马尼亚、意大利和美国三个不同研究区基于像素和基于对象的不同作物类型分类中的应用效果。将基于像素和对象的图像分析单元的分类输出与随机森林(RF)的分类输出进行比较。并对两种方法对训练样本的敏感性进行了评价。基于对象的TWDTW在三个研究领域的表现都优于基于像素的TWDTW，总体准确率在78.05%到96.19%之间;它在计算时间方面也被证明是更有效的。TWDTW的分类结果与罗马尼亚和意大利的RF相似，但RF在美国的分类结果更好，美国的分类作物具有较高的类内光谱变异性。此外，TWDTW对训练样本的敏感度较低。在培训样本投入有限的领域，这是一项重要资产。