[发明专利]多源遥感数据结合地理分区数据的植被覆盖度反演方法

权利要求书

1.一种多源遥感数据结合地理分区数据的植被覆盖度反演方法，其特征在于，包括：

S1，基于中分辨率卫星遥感数据Sentinel-2数据得到多光谱波段地表反射率数据，其中10米分辨率的波段地表反射率数据重采样成20米分辨率，并对所述地表反射率数据按照生态地理分区进行分区归类；

S2，对分区后的所述地表反射率数据按照年度、季度或月度进行分组；检索获取高分辨率遥感影像数据，对其进行大气校正和去云掩膜处理，按照生态地理分区进行分区归类，按照年度、季度或月度进行分组，得到植被和非植被分类数据；

S3，对分类结果计算对应地表反射率数据一个像元大小窗口的植被占比，得到植被覆盖度样本影像，对植被覆盖度样本影像进行随机抽样，生成植被覆盖度样本数据；

S4，利用所述植被覆盖度样本数据和所述地表反射率数据构建基于生态分区的随机森林反演模型；

S5，基于所述反演模型，对生态分区内的所述地表反射率数据进行植被覆盖度反演，得到该生态分区的分景植被覆盖度产品数据。

2.根据权利要求1所述的植被覆盖度反演方法，其特征在于，还包括：

对得到的植被覆盖度产品按年度、季度或月度分组进行平均。

3.根据权利要求2所述的植被覆盖度反演方法，其特征在于，还包括：

对每个生态分区建立模型，构建区域植被覆盖度样本集。

4.根据权利要求1所述的植被覆盖度反演方法，其特征在于，建立随机森林反演模型的步骤包括：

1)对样本集T进行N次抽样，形成新的样本集；

2)随机选取特征，形成特征子集；

3)在新样本集和特征子集上，找到最佳分割属性，建立决策树；重复步骤1)-3)m次，构建m棵决策树；组合m棵决策树的结果，建立随机森林反演模型。

5.根据权利要求4所述的植被覆盖度反演方法，其特征在于，

所述随机森林反演模型的输入自变量为地表反射率，所述随机森林反演模型的因变量为植被覆盖度。

6.根据权利要求5所述的植被覆盖度反演方法，其特征在于，所述随机森林反演模型为：

FVC＝f(SR_{b2-8,8A,11-12})，

其中，FVC表示植被覆盖度，f表示随机森林模型函数，SR表示Sentinel-2卫星多光谱数据的地表反射率，b_2-8,8A,11-12表示Sentinel-2卫星地表反射率的波段2到波段8、波段8A、波段11和波段12。

7.根据权利要求6所述的植被覆盖度反演方法，其特征在于，在所述随机森林反演模型中，随机树的数量取值范围为10-200，建立每一棵决策树所用到的自变量的个数的取值范围为10-100，每一棵决策树能到达的最大深度的取值范围为2-11。