[发明专利]基于Sentinel-1、2影像的大豆种植区识别方法及其面积测算方法

权利要求书

1.一种基于Sentinel-1、2影像的大豆种植区识别方法，其特征在于，包括以下步骤：

11)Sentinel-1、2影像的获取和预处理：获取大豆生长季内Sentinel-2卫星影像，进行预处理后计算5个植被指数并选择5个原始波段；获取大豆生长季内Sentinel-1影像，并进行预处理后选择2个原始波段；分别对所选的植被指数及原始波段进行耕地掩膜处理；

12)时间序列特征提取：利用2阶线性谐波模型提取大豆生长季内掩膜后的Sentinel-2卫星影像的5个取植被指数及5个原始波段的时间序列特征，作为Sentinel-2候选时间序列特征；利用2阶线性谐波模型提取大豆生长季内掩膜后的Sentinel-1卫星影像的2个原始波段的时间序列特征，作为Sentinel-1候选时间序列特征；汇总Sentinel-2和Sentinel-1所有候选时间序列特征，得到时间序列特征；

13)支持向量机模型的构建：构建支持向量机分类模型；

14)优选特征子集确定：构建随机森林分类模型，利用随机森林分类模型计算所有时间序列特征的重要性得分；分别计算Sentinel-2和Sentinel-1候选时间序列特征中每两个候选特征之间的斯皮尔曼相关系数，按照时间序列特征的重要性降序去除斯皮尔曼相关系数大于0.5或小于-0.5的候选特征，得到优选特征子集；

15)大豆种植区识别：将优选特征子集输入支持向量机分类模型训练，得到分类结果并提取出大豆种植区。

2.根据权利要求1所述的基于Sentinel-1、2影像的大豆种植区识别方法，其特征在于，所述Sentinel-1、2影像的获取和预处理包括以下步骤：

21)在GlobeLand30网站下载30m空间分辨率的土地覆盖数据，在ArcGIS软件中进行镶嵌及剪裁，然后利用ArcGIS软件中提取工具获得耕地数据，并上传至GEE云计算平台；

22)在GEE云计算平台中调用大豆生长季内所有的Sentinel-2卫星大气底端反射率数据，利用质量控制QA60波段将云量限制在10％以内，并将所有波段值除以10000得到各个波段反射率值；

23)计算大豆生长季内Sentinel-2卫星影像的增强型植被指数EVI、归一化植被指数NDVI、归一化耕作指数NDTI、归一化差值衰变指数NDSVI、红边位置指数REPI，共5个植被指数；

并选择大豆生长季内Sentinel-2卫星影像的红边1、红边2、红边3、短波红外1和短波红外2，共5个原始波段；

利用耕地数据对大豆生长季内Sentinel-2卫星影像的5个植被指数和5个原始波段进行耕地掩膜，

其中Sentinel-2卫星影像的植被指数计算公式如下所示：

其中，Red、Blue、NIR分别是Sentinel-2的红光、蓝光和近红外波段反射率值；

其中，NIR和Red分别是Sentinel-2的近红外和红光波段反射率值；

其中，SWIR1和SWIR2分别是Sentinel-2的短波红外1和短波红外2波段反射率值；

其中，SWIR1和Red分别是Sentinel-2的短波红外1和红光波段反射率值；

其中，Red是Sentinel-2的红光波段反射率值，RE1、RE2和RE3是Sentinel-2的三个红边波段即红边1、红边2、红边3波段反射率值；

24)在GEE云计算平台中调用大豆生长季内所有的Sentinel-1卫星Level-1地距影像数据，成像方式为干涉测量宽幅模式，利用Sentinel-1工具箱进行预处理；选择Sentinel-1卫星影像的VV、VH波段，共2个原始波段；利用耕地数据对大豆生长季内Sentinel-1卫星影像的2个原始波段进行掩膜处理。