摘要： 合成孔径雷达(SAR)由于不受天气影响，具有全天候、全天时高分辨率成像的能力，以及对某些地物的穿透探测，因此在南方多云雨地区的农作物监测方面有着很大的应用潜力。本文以江苏省盐城市阜宁县为研究区域，采用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源，利用监督分类中的支持向量机(SVM)对SAR影像进行分类，与利用VV和VH极化组合进行后向散射系数阈值分类的方法作比较。结果表明，阔值分类方法优于监督分类方法，其总体精度为89.48%，Kappa系数为0.8184，水稻提取面积为672.65km2,相对误差为11.48%。由此可得，对不同极化组合的长时间序列SAR数据进行阔值分类可以更高效地识别地物信息，在水稻面积提取方面有独特的优势。

关键词: 水稻面积；长时间序列；SVM分类；阈值分类

中图分类号: 

• S29