[发明专利]基于云平台的耦合主被动遥感影像的大蒜作物识别方法

权利要求书

1.一种基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，其步骤如下：

S1、在Google Earth Engine云计算平台上通过调取目标年份大蒜作物主产区的MODIS-NDVI时序影像，根据MODIS-NDVI时序影像获取大蒜作物和其他林草植被的物候信息；

S2、在Google Earth Engine云计算平台上通过调取目标年份大蒜作物主产区的Sentinel-2时序影像及Landsat-8时序卫星影像，并结合大蒜作物的物候信息获得光学合成影像数据集；

所述光学合成影像数据集的获得方法为：在大蒜作物的时序MODIS-NDVI高于其他林草植被的时序MODIS-NDVI的时期内，提取像元i位置上的Sentinel-2时序影像的NDVI的最大值作为像元i的像元值，依次遍历Sentinel-2时序影像的所有像元位置，得到NDVI最大值合成影像，记为NDVI_max；在大蒜作物的时序MODIS-NDVI小于其他林草植被的时序MODIS-NDVI的时期内，提取像元i位置上的Sentinel-2和Landsat-8时序影像的NDVI的最小值作为像元i的像元值，依次遍历Sentinel-2和Landsat-8时序影像的所有像元位置，得到NDVI最小值合成影像，记为NDVI_min；在大蒜作物的时序MODIS-NDVI小于其他林草植被的时序MODIS-NDVI的时期内，提取像元i位置上的Sentinel-2和Landsat-8时序卫星影像的NDVI的中值作为像元i的像元值，依次遍历Sentinel-2和Landsat-8时序卫星影像的所有像元位置，得到NDVI中值合成影像，记为NDVI_med；将NDVI最大值合成影像NDVI_max、NDVI最小值合成影像NDVI_min和NDVI中值合成影像NDVI_med组合为光学合成影像数据集；

S3、使用手持GPS获取、记录大蒜作物主产区的大蒜作物和冬小麦作物的地理坐标信息；

S4、基于步骤S2中得到的光学合成影像数据集和步骤S3中得到的大蒜作物的地理坐标信息，构建大蒜作物光学影像识别决策树模型；

S5、根据步骤S4中得到的大蒜作物光学影像识别决策树模型对步骤S2中得到的光学合成影像数据集进行分类，得到大蒜作物光学分布图；

S6、在Google Earth Engine云计算平台上通过调取目标年份大蒜作物主产区的Sentinel-1时序合成孔径雷达卫星影像，结合步骤S3中得到的大蒜作物、冬小麦作物的地理坐标信息获取大蒜作物和冬小麦作物的雷达图像特征；

S7、根据步骤S6中大蒜作物和冬小麦作物的雷达图像特征获得雷达合成影像数据集；

S8、根据步骤S7中得到的雷达合成影像数据集和步骤S3中得到的大蒜作物的地理坐标信息，构建大蒜作物雷达影像识别决策树模型；

S9、根据步骤S8中得到的大蒜作物雷达影像识别决策树模型对步骤S7中得到的雷达合成影像数据集进行分类，得到大蒜作物雷达分布图；

S10、在Google Earth Engine云计算平台上将步骤S9中的大蒜作物雷达分布图和步骤S5中的大蒜作物光学分布图进行耦合，得到大蒜作物遥感识别结果。

2.根据权利要求1所述的基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，所述大蒜作物光学影像识别决策树模型的构建方法为：根据NDVI中值合成影像NDVI_med在大蒜作物的地理坐标位置上的分布获得像元中值阈值α；根据NDVI最大值合成影像NDVI_max在大蒜作物的地理坐标位置上的分布获得像元最大值第一阈值γ和像元最大值第二阈值β；根据NDVI最小值合成影像NDVI_min在大蒜作物的地理坐标位置上的分布获得像元最小值阈值δ；根据像元中值阈值α、像元最大值第一阈值γ、像元最大值第二阈值β和像元最小值阈值δ得到大蒜作物光学影像识别决策树模型。