[发明专利]NDVI时序数据补偿重建方法、装置和电子设备

权利要求书

1.一种归一化植被指数NDVI时序数据补偿重建方法，其特征在于，包括：

获取待研究区域的遥感影像数据；

基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征；

确定以预设规则从所述雷达特征中筛选出的与所述NDVI时间序列数据最适配的雷达特征为目标雷达特征；

基于所述NDVI时间序列数据和所述目标雷达特征以预设拟合回归算法进行融合，得到融合雷达特征的NDVI时间序列数据；

其中，所述预设拟合回归算法为Cubist回归树算法；

所述基于所述NDVI时间序列数据和所述目标雷达特征以预设拟合回归算法进行融合，得到融合雷达特征的NDVI时间序列数据，具体包括：

使用Cubist回归树算法进行多轮次所述NDVI时间序列数据和所述目标雷达特征地拆分；

对于任一轮次拆分后得到的误差值若不再减少，则以当前轮次的拆分后的节点划分融合时的分段线性函数；

基于所述融合时的分段线性函数对所述NDVI时间序列数据和所述目标雷达特征进行融合，得到融合雷达特征的NDVI时间序列数据。

2.根据权利要求1所述的NDVI时序数据补偿重建方法，其特征在于，所述获取待研究区域的遥感影像数据，具体包括：

获取待研究区域的哨兵2号Sentinel-2影像数据和哨兵1号Sentinel-1合成孔径雷达SAR影像数据。

3.根据权利要求2所述的NDVI时序数据补偿重建方法，其特征在于，所述基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征，具体包括：

对所述Sentinel-2影像数据使用云掩模进行无效数据剔除，得到处理后光学数据；

基于所述光学数据确定所述待研究区域的NDVI时间序列数据；

对所述Sentinel-1SAR影像数据依次进行图像维度和时间维度的降噪处理，得到雷达特征；

其中，所述雷达特征包括五种，分别为VV特征、VH特征、VV/VH特征、VH/VV特征和双极化雷达植被指数RVI特征。

4.根据权利要求3所述的NDVI时序数据补偿重建方法，其特征在于，所述对所述Sentinel-1SAR影像数据依次进行图像维度和时间维度的降噪处理，得到雷达特征，具体包括：

采用RL空间滤波对所述Sentinel-1SAR影像数据进行图像维度的降噪处理，得到中间雷达特征；

采用SG滤波对所述中间雷达特征进行时间维度的降噪处理，得到雷达特征的时间序列。

5.根据权利要求1所述的NDVI时序数据补偿重建方法，其特征在于，所述以预设规则从所述雷达特征中筛选出的与所述NDVI时间序列数据最适配的雷达特征，具体包括：

将所述雷达特征中的每一类雷达特征都与所述NDVI时间序列数据进行皮尔森相关性分析；

确定所述相关性分析结果中相关性最高的雷达特征为目标雷达特征。

6.一种NDVI时序数据补偿重建装置，其特征在于，包括：

获取单元，用于获取待研究区域的遥感影像数据；

提取单元，用于基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征；

筛选单元，用于确定以预设规则从所述雷达特征中筛选出的与所述NDVI时间序列数据最适配的雷达特征为目标雷达特征；

融合单元，用于基于所述NDVI时间序列数据和所述目标雷达特征以预设拟合回归算法进行融合，得到融合雷达特征的NDVI时间序列数据；

其中，所述预设拟合回归算法为Cubist回归树算法；

所述融合单元具体用于：

使用Cubist回归树算法进行多轮次所述NDVI时间序列数据和所述目标雷达特征地拆分；

对于任一轮次拆分后得到的误差值若不再减少，则以当前轮次的拆分后的节点划分融合时的分段线性函数；

基于所述融合时的分段线性函数对所述NDVI时间序列数据和所述目标雷达特征进行融合，得到融合雷达特征的NDVI时间序列数据。