[发明专利]基于Sentinel-2卫星影像和云平台的滨海养殖池智能提取方法

权利要求书

1.基于Sentinel-2卫星影像和云平台的滨海养殖池智能提取方法，其特征在于所述基于Sentinel-2卫星影像和云平台的滨海养殖池智能提取方法按照以下步骤进行：

步骤一、利用Google Earth Engine云平台，对滨海研究区进行0.1°*0.1°格网划分；

步骤二、基于JRC地表水体数据集与DEM数据集，分别获取每个格网单元的历史水体频率均值M_p与坡度均值M_slope，筛选出0＜M_p＜1和0＜M_slope＜5，确定海水养殖池潜在分布区域的格网；

步骤三、利用Google Earth Engine云平台，筛选研究区一年内云量较少且雨季的Sentinel-2MSI影像，基于像元进行无云中值影像合成，形成一个影像集；

步骤四、分别计算影像集中每一个影像的水体指数NDWI、植被指数NDVI、建筑物指数NDBI、纹理特征与边缘特征，得到空间上的NDWI、NDVI、NDBI、纹理特征与边缘特征的图像；

NDWI、NDVI及NDBI计算公式如下；

NDWI＝(P_Green-P_NIR)/(P_Green+P_NIR) (1)

NDVI＝(P_NIR-P_R)/(P_NIR+P_R) (2)

NDBI＝(P_SWIR-P_NIR)/(P_SWIR+P_NIR) (3)

式(1)、(2)、(3)中，P_Green、P_NIR、P_R与P_SWIR分别代表绿波段反射率、近红外波段反射率、红波段反射率与短波红外波段的反射率；

步骤五、基于Google Earth Engine，采用K-means算法对研究区格网单元影像的光谱波段NDWI、NDVI、NDBI以及特征波段的纹理特征、边缘特征进行图像分割，将影像划分为K个簇，找出最小化目标函数；

目标函数如下；

J越小，代表聚类越紧凑，聚类效果更好；所以为使聚类效果最好，目标函数取值为0，各聚类中心如下：

式(4)、(5)中，X_j为第j个数据点，C_i为第i个聚类中心，n_i是簇i中数据点个数；

步骤六、在经掩模处理的水体信息中，采用最大类间方差算法OTUS自动计算水体阈值，提取出水体；

采用Google Earth Engine提供的面向对象算法将获得的水体信息进行对象化操作，获得格网单元内的水体对象，同时删除像素个数小于10的对象；

步骤七、计算水体对象创建形状属性特征矩形度和长宽比，并根据不同的特征，采用决策树分类算法，长宽比可以把较纤细的物体与方形或圆形物体区分开，矩形度取值在0-1之间，且纤细、弯曲的物体取值较小，筛选出来的即为滨海养殖池；

矩形度的计算公式为：

其中，S₀是斑块面积，而S_MER是其最小外接矩形面积；

长宽比的计算公式为：

其中，W_MER是斑块的最小外接矩形的宽度，L_MER为最小外接矩形的长度。