[发明专利]一种基于光学和雷达时序数据的烟稻种植模式识别方法

权利要求书

1.一种基于光学和雷达时序数据的烟稻种植模式识别方法，其特征在于，包括以下步骤：

步骤S01：建立研究区植被指数、花青素指数时序数据集；

步骤S02：建立研究区VV极化信号时序数据集；

步骤S03：设计植被-色素高高重叠度指标；

步骤S04：划分前后茬农作物生长期；

步骤S05：设计前后茬VV变幅指标；

步骤S06：设计VH谷底曲率指标；

步骤S07：建立烟稻种植模式识别技术流程；

步骤S08：获得研究区烟稻种植模式空间分布图。

2.根据权利要求1所述的一种基于光学和雷达时序数据的烟稻种植模式识别方法，其特征在于，所述步骤S01中，基于哨兵Sentinel-2的红光和近红外波段反射率数据，逐像元逐期分别计算植被指数EVI2，从而获得研究区该年份的EVI2时序数据集；同样地，基于哨兵Sentinel-2的绿光和第一红边波段反射率数据，逐像元逐期分别计算花青素指数ARI，从而获得研究区该年份的ARI时序数据集；依据云覆盖情况，剔除有云的观测记录；逐像元基于无云日EVI2、ARI指数有效观测时序数据集，采用Whittaker Smoother数据平滑方法，构建逐日连续平滑的EVI2、ARI指数时序数据集。

3.根据权利要求1所述的一种基于光学和雷达时序数据的烟稻种植模式识别方法，其特征在于，所述步骤S02中，基于GEE云平台10天Sentinel-1 VV和VH极化数据，逐像元基于线性插值方法获得该像元的年内逐日VV极化信号时序数据集。

4.根据权利要求1所述的一种基于光学和雷达时序数据的烟稻种植模式识别方法，其特征在于，所述步骤S03中，逐像元提取年内逐日植被指数时序数据的中位数M_EVI2，将大于中位数M_EVI2的数值区间，称为植被指数高值区间EVI2-H；同样地，逐像元提取年内逐日花青素指数时序数据的中位数M_ARI，将大于中位数M_ARI的数值区间，称为花青素指数高值区间ARI-H；在获得植被指数和花青素指数高值区间的基础上，进一步计算其交集，即植被指数和花青素指数两者均处于高值区间的集合，将其定义为植被-色素高高耦合区间；将植被-色素高高耦合区间内观测数据个数No-HH，占整个年份观测数据个数No-Year一半的百分比，定义为植被-色素高高重叠度HHR，其计算公式为：

HHR=2×(No-HH/No-Year) ×100%

其中，HHR表示植被-色素高高重叠度，No-HH表示植被-色素高高耦合区间内观测数据个数，No-Year表示整个年份观测数据个数。

5.根据权利要求1所述的一种基于光学和雷达时序数据的烟稻种植模式识别方法，其特征在于，所述步骤S04中，依据烟稻种植模式的耕作播种习惯和农作物物候期，划分为前后茬农作物生长期；将前半年和后半年时间，依次确定为前茬和后茬农作物生长期；具体策略为，将第1-182天，划分为前茬农作物生长期；将第183-365天，划分为后茬农作物生长期。