[发明专利]一种基于GEE云平台的冬小麦长势监测及分析方法

权利要求书

1.一种基于GEE云平台的冬小麦长势监测及分析方法，其特征在于，所述方法包括：

步骤1：从GEE云平台获取被测农作区X个年限Landsat8影像数据及MODIS影像数据，并对应生成Landsat8影像数据集和MODIS影像数据集，其中X＞3，定义其中一个年限为被测年限，其余年限为参考年限，在参考年限中与被测年限临近的年限为临近年限；

步骤2：基于Landsat8影像数据集，计算每景影像NDVI数据，并合成影像，基于合成影像构建训练特征使用机器学习的方法提取被测区冬小麦种植面积；

步骤3：将冬小麦种植面积区域生成掩膜，结合MODIS影像数据集对掩膜区域进行计算生成NDVI差值模型；

步骤4：利用同期对比法对被测年限冬小麦长势进行高频度监测及分析；

所述步骤2具体包括：

步骤2.1：结合GoogleEarth高清影像数据选取被测农作区的样本数据，所述样本数据包括冬小麦及其它地物，定义冬小麦为特征样本，其它地物为参考样本，所述参考样本对于特征样本处于相对静止状态；

步骤2.2：通过Landsat8影像数据基于公式(1)分别计算冬小麦出苗期至返青期每景NDVI数据；

所述每景NDVI数据计算公式NDVI表示为：

其中NDVI为植被覆盖指数，Red为Landsat8影像的红波段，NIR为Landsat8影像的近红外波段；

对Landsat8影像数据的每个像元按照NDVI值从小到大进行排序，提取基于NDVI最大值合成的影像；

步骤2.3：通过所述冬小麦出苗期至返青期每景NDVI数据基于公式(2)计算冬小麦出苗期至返青期NDVI数据增幅NDVI_increase，并将NDVI数据增幅NDVI_increase作为特征参数添加至基于NDVI最大值合成的影像中，完善基于NDVI最大值合成的影像信息；

其中NDVI_min为Landsat8影像数据集中出苗期合成影像的最小NDVI值，NDVI_max为Landsat8影像数据集中返青期合成影像的最大NDVI值；

步骤2.4：基于GEE云平台通过SRTM影像数据构建被测农作区的地形特征，并在GEE云平台上基于Landsat8影像数据使用灰度共生矩阵构建被测农作区的纹理特征；

步骤2.5：在GEE云平台上对构建的地形特征、纹理特征信息以独立的光谱波段添加至基于NDVI最大值合成的影像中，以完善基于NDVI最大值合成的影像信息；

使用RF分类方法对所述样本数据基于地形特征、纹理特征信息进行训练，并提取被测农作区的冬小麦种植面积；

所述步骤3具体包括：

步骤3.1：通过GEE云平台基于MODIS影像数据集对X个年限冬小麦返青期至抽穗期的每旬影像数据采用WGS-84坐标系进行重投影；

步骤3.2：对所述重投影的每旬影像数据进行NDVI最大值合成，生成NDVI最大合成影像；

步骤3.3：使用Savitzky-Golay滤波算法对所述NDVI最大合成影像进行修正，修复NDVI异常值；

步骤3.4：利用多个所述参考年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI均值与被测年限冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI值进行差值对比，并将临近年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI值与被测年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI值进行差值对比，获得被测年限冬小麦长势参考数据；

骤3.4具体包括：

所述被测年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI值与多个所述参考年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI均值的差值D_L表示为公式(9)：

其中，x，y分别为月份和旬份，为多个参考年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI均值，NDVI_Axy为被测年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI值；

所述被测年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI值与临近年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI值的差值Dn表示为公式(10)：

其中，NDVI_Bxy为临近年限的冬小麦返青期至抽穗期每旬NDVI最大合成影像的NDVI值；

述步骤4具体包括；

利用冬小麦种植面积基于被测农作区气候特征，并结合公式(9)和公式(10)按公式(11)计算结果将被测年限冬小麦返青期至抽穗期的长势分为三类：

其中当f(D_n/D_L)＝-1时表示被测年限冬小麦长势比参考年限冬小麦长势差；

当f(D_n/D_L)＝0时表示被测年限冬小麦长势和参考年限冬小麦长势持平；

当f(D_n/D_L)＝1时表示被测年限冬小麦长势比参考年限冬小麦长势好。

2.根据权利要求1所述的一种基于GEE云平台的冬小麦长势监测及分析方法，其特征在于，步骤2.4所述构建被测农作区的纹理特征具体包括；

基于NDVI选取纹理信息，结合公式(3)～(8)建立灰度共生矩阵；

角二阶矩ASM表示为：

其中k为原始图像的灰度级数，M(i，j)为基于原始图像生成的灰度共生矩阵；

逆差距IDM表示为：

对比度CON表示为：

相关性CORR表示为：

其中μ为均值，其表达式为公式(7)，σ为方差，其表达式为公式(8)；