Sentinel-1和2图像在孟加拉国水产养殖水体检测中的表现

2022年11月1日-作者:J. SebastianHernandez-Suareza, A. Pouyan Nejadhashemia, Hannah Ferriby, Nathan Moore,穆罕默德·马哈福朱尔·哈奎

Hernandez-Suarez, j.s., Nejadhashemi, a.p., Ferriby, H., Moore, N., Belton, B., & Haque, m.m.(2022)。Sentinel-1和2图像在孟加拉国水产养殖水体检测中的表现。环境建模与软件,157,105534。

摘要

在这项研究中,我们评估了合成孔径雷达(SAR)的使用多光谱数据检测水产养殖在孟加拉国南部的水体中量化全国范围内的鱼类产量。为此,我们开发了一个基于对象的框架,包括三个连续的阶段:1)水检测,2)特征分割,3)特征分类.例如用于二进制阈值的Edge-Otsu技术,边缘检测卷积过滤器,各种监督和无监督机器学习方法被用作工作流程的一部分。我们发现,组合各个子产品的集合产品在水检测(总体检出率约为60%)和水体分类(总体准确率高达79%)方面具有更高的整体准确度。此外,我们还表明SAR数据和形状指数在更好地识别水体方面发挥了重要作用。然而,边缘检测结果的局限性影响了小型和孤立的水产养殖水体的识别,特别是那些集成到稻田,或在有树木的地区。


作者

可访问性问题:

关于可访问性的问题和/或如果您需要对特定文件进行额外的调整,请发送电子邮件至ANR通信和营销anrcommunications@anr.msu.edu