[发明专利]一种时间-光谱混合的松材线虫病害早期监测方法

权利要求书

1.一种时间-光谱混合的松材线虫病害早期监测方法，其特征在于，包括以下步骤：

S1：获取Sentinel-2监测下的时序影像和待预测期影像并进行预处理；

S2：基于时序影像中多个时相下不同波段的反射值计算时序均值归一化植被指数，根据时序均值归一化植被指数，从所述时序影像中提取马尾松分布，得到马尾松分布情况；

S3：基于预处理后的时序影像和待预测期影像中近红外范围内的各个波段和红边范围内的各个波段的反射值计算得到时序多类型红边植被指数序列和待预测期多类型红边植被指数序列；

S4：基于时序多类型红边植被指数序列训练预测模型；

S5：利用所述预测模型对所述待预测期多类型红边植被指数序列进行预测，结合马尾松分布情况，得到松材线虫害预测结果。

2.根据权利要求1所述的一种时间-光谱混合的松材线虫病害早期监测方法，其特征在于，S1中，所述预处理包括大气校正、几何校正、重采样和波段合成。

3.根据权利要求1所述的一种时间-光谱混合的松材线虫病害早期监测方法，其特征在于，所述时序影像采用全年云量小于15％的Sentinel-2历史监测数据，所述待预测期影像选用Sentinel-2实时监测数据。

4.根据权利要求1所述的一种时间-光谱混合的松材线虫病害早期检测方法，其特征在于，所述多类型红边植被指数计算公式包括：

其中，NDVI_re1、NDVI_re2、NDVI_re3、NDVI_re4、NDVI_re5和NDVI_re6，表示为6个不同类型的归一化植被指数；B5、B6、B7、B8、B8a分别表示预处理后的时序影像或待预测期影像的第5、6、7、8、8a波段。

5.根据权利要求1所述的一种时间-光谱混合的松材线虫病害早期监测方法，其特征在于，S2中，所述提取马尾松分布的方法包括，

S21：基于多个时相下的B8波段反射值和B4波段反射值计算时序均值归一化植被指数TSMVI；

S22：通过时序均值归一化植被指数TSMVI来剔除非植被；

S23：结合三调数据和林业小班数据确定树种类型，计算各类树种与马尾松的时序均值归一化植被指数差异；

S23：根据各类树种与马尾松的时序均值归一化植被指数差异设置阈值，提取马尾松分布。

6.根据权利要求5所述的一种时间-光谱混合的松材线虫病害早期监测方法，其特征在于，S21包括，计算时序影像中各土地覆盖类型的时序均值归一化植被指数，得到植被与非植被土地覆盖类型的时序均值归一化植被指数差异，确定差异阈值；基于所述差异阈值对待预测期影像进行阈值分割，剔除非植被。

7.根据权利要求5或6所述的一种时间-光谱混合的松材线虫病害早期监测方法，其特征在于，TSMVI0.3时，剔除非植被；TSMVI0.7时，剔除马尾松；TSMVI0.6时，剔除其他阔叶树种；TSMVI0.82时，剔除杉木。

8.根据权利要求1、5或6所述的一种时间-光谱混合的松材线虫病害早期检测方法，其特征在于，所述时序均值归一化植被指数计算公式为：

其中，TSMVI为时序均值归一化植被指数，n表示时序影像中的时相个数，B8_i表示时序影像中第i个时相的B8波段，B4_i表示时序影像中第i个时相的B4波段。