ரிமோட் சென்சிங் & ஜிஐஎஸ் ஜர்னல்

சுருக்கம்

ஒரு கட்டளைப் பகுதியில் பல பயிர் வகை வகைப்பாட்டிற்கான டெம்போரல் சென்டினல் 1 SAR டேட்டாவின் பயன்பாடு

சோபன் மிஸ்ரா, அன்னி மரியா ஐசக், சியாமா எஸ் ராவ், ரொனால்ட் சிங், பிவி ராஜு, விவி ராவ்

மேகம், மேக நிழல்கள் மற்றும் மூடுபனி போன்ற காரணங்களால் காரீஃப் பருவத்தில் பயிர் செய்யப்பட்ட பகுதியை மதிப்பிடுவது கடினமான பணியாகும். மைக்ரோவேவ் தரவுத்தொகுப்புகள் கிளவுட் ஊடுருவல் திறனைக் கொண்டிருப்பதால் அவை ஒரு நல்ல மாற்றீட்டை வழங்குகின்றன. ஆனால் மைக்ரோவேவ் தரவுத்தொகுப்புகளிலிருந்து பயிர் தொடர்பான தகவல்களைப் பெறுவது கடினமான பணியாகும், ஏனெனில் இது செயற்கைக்கோள் படத்தைப் பெறும்போது பயிரின் ஒலிப்பு நிலை, புள்ளிகளின் இருப்பு, துருவப்படுத்தல் மற்றும் பயன்படுத்தப்படும் வகைப்படுத்தி போன்ற பல்வேறு காரணிகளுக்கு உட்பட்டது. இந்த ஆய்வில், சென்டினல் 1 செயற்கைத் துளை ரேடார் (SAR) தரவுகளிலிருந்து பெறப்பட்ட நேரத் தொடர், பின் சிதறல் மதிப்புகள் ஆகியவற்றின் முறையான பகுப்பாய்வு மூலம் பொருத்தமான வடிகட்டி துருவப்படுத்தல் மற்றும் வகைப்படுத்தி அடையாளம் காணப்படுகின்றன. ஆய்வின்படி, தேர்ந்தெடுக்கப்பட்ட ஆய்வுப் பகுதி மற்றும் காலப்பகுதிக்கு, சென்டினல் 1-SAR படங்கள், இன்டென்சிட்டி டிரைவன் அடாப்டிவ் ஃபில்டர் (IDAN) வடிப்பானின் மூலம் ஸ்பெக்கிள் நீக்கத்திற்கு உட்பட்டது, மற்ற வடிப்பான்களுடன் ஒப்பிடுகையில் வகைப்படுத்தலில் சிறப்பாகச் செயல்பட்டது. ரேண்டம் ஃபாரஸ்ட் வகைப்படுத்தியைப் பயன்படுத்தி வகைப்படுத்தப்பட்ட ஸ்பெக்கிள் நீக்கப்பட்ட VH துருவப்படுத்தல் படங்களின் நேரத் தொடர் நெல், நெல், அல்லாத மற்றும் தரிசு ஆகியவற்றை வகைப்படுத்துவதில் 45 சதவீத துல்லியத்தை அளித்தது.