[发明专利]多源遥感数据融合的农作物分类方法、系统、设备及介质

权利要求书

1.一种多源遥感数据融合的农作物分类方法，其特征在于，包括：

收集预定区域的物候期内的多源遥感数据，并对所述多源遥感数据进行预处理和格网化剖分；

对格网内的所述多源遥感数据分别进行影像时空优选；

对于优选后的影像计算植被指数特征，根据自动化特征选择结果确定参与农作物分类的特征；

从所述格网内的所述多源遥感数据中进行特征提取，并将提取的特征样本数据合并为特征总集；

根据所述格网内的数据情况，逐格网从所述特征总集中提取对应的特征组成特征子集，并基于所述特征子集训练农作物分类模型；

将目标区域的所述多源遥感数据输入经训练的农作物分类模型，得到所述农作物分类模型输出的所述目标区域的每个格网的农作物分类结果；

对目标区域的所有格网的农作物分类结果进行拼接，生成所述目标区域的农作物分布图。

2.根据权利要求1所述的基于多源遥感数据融合的农作物分类方法，其特征在于，所述对所述遥感数据进行预处理和格网化剖分包括：

对所述预定区域内的所述多源遥感数据进行辐射校正、正射校正、云检测和投影变换；

根据农作物分布的要求将所述影像裁剪为预定大小的格网，并基于所述格网进行数据的组织管理。

3.根据权利要求1所述的基于多源遥感数据融合的农作物分类方法，其特征在于，所述对格网内的遥感数据分别进行影像时空优选包括：

对于所述格网内云覆盖率超过20％的数据进行弃用；

对于所述格网内同一时相、同一传感器的多景数据，比较后使用实际覆盖面积更大的数据作为使用所述时相的使用数据；

对于所述格网内实际覆盖率较低的数据，使用相邻时相、同一传感器的两景数据进行拼接，生成覆盖面积更大的数据。

4.根据权利要求1所述的基于多源遥感数据融合的农作物分类方法，其特征在于，所述对于优选后的影像计算植被指数特征，根据自动化特征选择结果确定参与作物分类的特征包括：

对于所述格网内的所述多源遥感数据分别计算植被特征指数；

使用随机森林算法对特征进行选择，确定最佳的参与农作物分类的特征。

5.根据权利要求1所述的基于多源遥感数据融合的农作物分类方法，其特征在于，所述从有样本的格网内对遥感数据中进行特征提取，并将提取的特征样本数据合并为特征总集包括：

采用线性插值的算法补齐所有含有样本的所述格网的所述多源遥感数据的时间序列影像；

针对含有所述样本的所述格网，依据所述格网内的特征数据，依次提取每个时相的特征数据中样本位置的特征值，将提取的特征结果合并产生特征总集。

6.根据权利要求5所述的基于多源遥感数据融合的农作物分类方法，其特征在于，所述线性插值方法包括：求取待插值影像时相前后的两景同类影像中各个波段像元的均值。

7.根据权利要求1-6任一项所述的基于多源遥感数据融合的农作物分类方法，其特征在于，所述多源遥感数据包括GF-1WFV数据和Sentinel-2数据。