合成開口レーダを利用した圃場情報の取得に関する研究

合成孔径雷达获取场信息的研究

基本信息

批准号：
18J20030
负责人：
山谷祐貴
金额：
$ 1.79万
依托单位：
Hokkaido University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-25 至 2021-03-31
项目状态：
已结题

项目摘要

本年度は，次の3点の研究を実施した。1. XバンドおよびCバンドSARデータを併用した機械学習アルゴリズムによる作物分類の高精度化・効率化に関する検討　高精度な作付作物の分類を目指し，CバンドSARの2偏波データおよびXバンドSARの4偏波データから，機械学習アルゴリズムによる分類を実行した。Cバンドの9変数とXバンドの4変数を併用した結果，各5時期のデータで高い全体精度が得られ，各3時期のデータでも5時期と有意な差のない結果が得られた。この研究において有効となった時期をジニ係数減少量とバイオリンプロットから特定し，分類に使用するデータ時期の目安を提示した。また，誤分類の生じた圃場の特徴や原因の特定を行った。2. CバンドSARおよび光学センサを使用した水稲穂含水率の推定　CバンドSARの9変数と光学センサのNDVIから，ステップワイズの変数減少法による重回帰分析で，水稲の穂含水率を推定した。SARのモデルでは決定係数は高い精度を得られなかったが，衛星進行方向ごとや栽培形態ごとにモデルを分けることで決定係数が向上した。光学センサのモデルでは湛水している圃場で外れ値が見られたが，SARと光学センサを併用したモデルでは最も高い決定係数が得られた。SARのモデルについて，翌年のデータで検証を行った結果，全データによるモデルで最も小さいRMSEが得られた。3. CバンドSARおよびダミー変数を使用した水稲穂含水率の推定　Cバンドの9変数に，3種類のダミー変数（衛星進行方向，衛星入射角，栽培形態）を使用し，水稲の穂含水率を推定するモデルを作成した。その結果，ダミー変数により精度の向上がみられ，全データにダミー変数を加えたモデルで特に良好な結果が得られた。このモデルについて，5分割による交差検証を行った結果，モデル作成時のRMSEと同等のRMSEが得られ，有効性が確認できた。

今年，我们主要做了以下三点研究。 1. 利用X波段和C波段SAR数据相结合的机器学习算法提高农作物分类精度和效率的研究旨在对栽培作物进行高精度分类，C波段SAR的双偏振数据和双波段SAR数据-X波段SAR的偏振数据使用机器学习算法对四种偏振数据进行分类。由于将九个C波段变量与四个X波段变量一起使用，五个周期中每个周期的数据都获得了较高的总体精度，并且三个周期中每个周期的数据的结果与那些结果没有显着差异从五个时期来看。在本研究中，我们根据基尼系数下降和小提琴图确定了数据生效的时期，并为何时应使用数据进行分类提供了指导。我们还确定了发生错误分类的字段的特征和原因。 2.利用C波段SAR和光学传感器估算水稻穗含水量利用逐步变量缩减方法，根据光学传感器的C波段SAR和NDVI的9个变量，通过多元回归分析来估算水稻穗含水量。尽管SAR模型的决定系数精度不高，但通过将模型除以卫星行进方向和耕种类型，提高了决定系数。尽管光学传感器模型在水淹田中出现了异常值，但同时使用 SAR 和光学传感器的模型获得了最高的决定系数。使用次年的数据验证SAR模型的结果是，在使用所有数据的模型中获得了最低的RMSE。 3.利用C波段SAR和虚拟变量估算水稻穗部水分含量对于C波段的9个变量，采用3种虚拟变量（卫星行进方向、卫星入射角、耕作形式），水稻穗部水分含量为我们使用 C 波段 SAR 和虚拟变量进行了估计。结果表明，虚拟变量提高了准确性，并且在所有数据中添加虚拟变量的模型获得了特别好的结果。使用五倍交叉验证该模型的结果是，获得了与模型创建时的 RMSE 相当的 RMSE，证实了其有效性。