జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

కమాండ్ ఏరియాలో మల్టిపుల్ క్రాప్ టైప్ క్లాసిఫికేషన్ కోసం టెంపోరల్ సెంటినెల్ 1 SAR డేటా అప్లికేషన్

శోభన్ మిశ్రా, అన్నీ మరియా ఇసాక్, శ్యామ ఎస్ రావు, రోనాల్డ్ సింగ్, పివి రాజు, వివి రావు

మేఘాలు, మేఘాల ఛాయలు మరియు పొగమంచు కారణంగా ఖరీఫ్ సీజన్‌లో పంట విస్తీర్ణాన్ని అంచనా వేయడం చాలా కష్టమైన పని. కాబట్టి మైక్రోవేవ్ డేటాసెట్‌లు క్లౌడ్ చొచ్చుకుపోయే సామర్థ్యాన్ని కలిగి ఉన్నందున మంచి ప్రత్యామ్నాయాన్ని అందిస్తాయి. కానీ మైక్రోవేవ్ డేటాసెట్‌ల నుండి పంట సంబంధిత సమాచారాన్ని పొందడం చాలా కష్టమైన పని, ఎందుకంటే ఇది ఉపగ్రహ చిత్ర సేకరణ సమయంలో పంట యొక్క ఫోనోలాజికల్ దశ, స్పెకిల్ ఉనికి, ధ్రువణత మరియు ఉపయోగించిన వర్గీకరణ వంటి విభిన్న కారకాలకు లోబడి ఉంటుంది. ఈ అధ్యయనంలో, సెంటినెల్ 1 సింథటిక్ ఎపర్చరు రాడార్ (SAR) డేటా నుండి తీసుకోబడిన సమయ శ్రేణి, బ్యాక్ స్కాటర్ విలువల యొక్క క్రమబద్ధమైన విశ్లేషణ ద్వారా తగిన ఫిల్టర్ ధ్రువణత మరియు వర్గీకరణ గుర్తించబడుతుంది. అధ్యయనం ప్రకారం, ఎంచుకున్న అధ్యయన ప్రాంతం మరియు సమయ వ్యవధి కోసం, సెంటినెల్ 1-SAR చిత్రాలు ఇంటెన్సిటీ డ్రైవెన్ అడాప్టివ్ ఫిల్టర్ (IDAN) ఫిల్టర్ ద్వారా స్పెక్కిల్ రిమూవల్‌కు లోబడి ఇతర ఫిల్టర్‌లకు వ్యతిరేకంగా వర్గీకరణలో బాగా పనిచేశాయని నిరూపించబడింది. రాండమ్ ఫారెస్ట్ వర్గీకరణను ఉపయోగించి వర్గీకరించబడిన స్పెక్కిల్ తొలగించబడిన VH ధ్రువణ చిత్రాల సమయ శ్రేణి వరి, నాన్‌పాడీ మరియు ఫాలోలను వర్గీకరించడంలో 45 శాతం ఖచ్చితత్వాన్ని అందించింది.