(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210800778.5 (22)申请日 2022.07.08 (71)申请人 河南大学 地址 475001 河南省开封市顺河区明伦街 85号 申请人 信阳市林业科 学研究所 　 信阳市林业工作站( (信阳市林木种 苗站))　 中国科学院、 水利部成 都山地灾害 与环境研究所 (72)发明人 夏浩铭　厉如梦　邱林　余亚平　 赵伟　傅声雷　 (74)专利代理 机构 郑州大通专利商标代理有限 公司 41111 专利代理师 张立强(51)Int.Cl. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) (54)发明名称 基于云平台融合多源卫星影像的常绿森林 自动识别方法 (57)摘要 本发明属于遥感目标识别技术领域， 公开一 种基于云平台融合多源卫星影像的常绿森林自 动识别方法， 该方法结合研究期内研究区域中所 有Sentinel ‑1A/B和Sentinel ‑2A/B卫星影像， 通 过提取常绿森林在不同时期与其他地类的物候 差异进行常绿森林自动识别； 首先， 生成了森林 掩膜； 其次， 将森林分为 常绿森林和落叶森 林， 并 根据高质量的时间序列 曲线提取出了用于分类 的物候指标； 最后， 逐像素对研究区常绿森林进 行提取。 本发 明充分利用了常绿森 林的独特物候 指标， 融合了研究区和研究期内所有卫星影像， 有利于捕捉 常绿森林的关键物 候期， 有效提高了 常绿森林识别的精度。 权利要求书2页 说明书7页 附图2页 CN 115170981 A 2022.10.11 CN 115170981 A 1.一种基于云平台 融合多源卫星影 像的常绿森林自动识别方法， 其特 征在于， 包括： 步骤1、 基于Google  Earth Engine云计算平台获取研究期内研究区所有Sentinel ‑1A/ B和Sentinel ‑2A/B卫星影像， 分别对Sentinel ‑1A/B和Sentinel ‑2A/B卫星影像进行预处 理， 得到卫星影 像数据集； 步骤2： 基于步骤1所得卫星影像数据集， 获取归一化植被指数和VH后向散射系数， 即获 取NDVI和VH时间序列数据； 步骤3、 根据步骤2中得到的NDVI和VH时间序列数据， 提取水体区域WBA、 农田区域CA、 不 透水面区域 ISA和森林区域FV A， 得到WBA、 CA、 ISA和FV A分布图； 步骤4、 结合常绿植被和落叶植被的参考样本数据， 利用卫星影像数据集， 分别创建常 绿植被区域EV A和落叶植被区域DV A的NDVI和VH时间序列数据集； 步骤5、 对步骤4得到的EVA和DVA的NDVI时间序列数据集进行处理， 得到EVA和DVA的最 大NDVI时间序列数据集； 步骤6、 对步骤4得到的EVA和DVA的VH时间序列数据集进行处理， 得到EVA和DVA的平均 VH时间序列数据集； 步骤7、 根据步骤5中得到的最大NDVI时间序列数据集和步骤6中得到的平均VH时间序 列数据集， 根据常绿植被物候特 征， 提取EV A的分类物候指标， 生成分类物候指标直方图； 步骤8、 根据步骤7中得到的分类物候 直方图构建EV A识别模型； 步骤9、 根据步骤8中构建的EVA识别模型对步骤3中得到的FVA分布图进行分类， 得到 EVA分布图。 2.根据权利要求1所述的基于云平台融合多源卫星影像的常绿森林自动识别方法， 其 特征在于， 按照如下 方式对卫星影 像进行预处理： 利用质量波段去云算法对所述卫星影像进行观测值提取， 去除云、 云阴影、 卷云和冰/ 雪覆盖的观测值， 获得高质量 卫星影像数据集。 3.根据权利要求1所述的基于云平台融合多源卫星影像的常绿森林自动识别方法， 其 特征在于， 所述 步骤3包括： 按照如下 方式提取不透水面区域 ISA： VH＞‑14 and Freq＞70％ NDVImax＜0.3 and Freq＞60％ 其中Freq为VH大于 ‑14的观测频率， NDVImax为全年NDVI的最大值； 按照如下 方式提取 水体区域 WBA： VH＜‑25 and Freq＞50％ 其中Freq为VH小于 ‑25的观测频率； 按照如下 方式提取农田区域CA： ‑25＜VH＜ ‑14 and Freq＞80％ VHmax‑VHmin＞6 其中Freq为VH大于 ‑25且小于 ‑14的观测频率， VHmax和VHmin分别为6月1日至9月1 日VH的 最大值和最小值； 按照如下 方式提取森林植被区域FV A： NDVImax＞0.5权　利　要　求　书 1/2 页 2 CN 115170981 A 2其中NDVImax为1月1日至次年1月1日NDVI的最大值。 4.根据权利要求1所述的基于云平台融合多源卫星影像的常绿森林自动识别方法， 其 特征在于， 所述 步骤5中， 按照如下 方式对NDVI时间序列数据集进行处 理： 计算每10天所有NDVI的最大值作为综合NDVI值， 获得等时间间隔时间序列NDVI数据 集； 在缺失10天的观测值的地区， 根据前、 后10天的观测值进行线性插值； 使用Savitzky ‑ Golay滤波器对NDVI数据集进行平 滑处理。 5.根据权利要求1所述的基于云平台融合多源卫星影像的常绿森林自动识别方法， 其 特征在于， 所述 步骤6中， 按照如下 方式对VH时间序列数据集进行处 理： 计算每12天所有VH的平均值作为综合VH值， 获得等时间间隔时间序列VH数据集； 在缺 失12天的观测值的地区， 根据前、 后12天的观测值进行线性插值； 使用Savitzky ‑Golay滤波 器对VH数据集进行平 滑处理。 6.根据权利要求1所述的基于云平台融合多源卫星影像的常绿森林自动识别方法， 其 特征在于， 所述 步骤7包括： 根据常绿森林的生长特征， 将一年分为5个时期， 分别为春季、 夏季、 秋季、 冬季和全年， 分别命名为TW1～TW5， 根据TW1～TW5来 提取用于分类的物候指标。 7.根据权利要求6所述的基于云平台融合多源卫星影像的常绿森林自动识别方法， 其 特征在于， 所述步骤7中， EVA的分类物候指标包括： TW4时期识别到的NDVI最大值 NDVIwinter_max， TW5时期识别到的NDVI 最大值NDVImax。 8.根据权利要求7所述的基于云平台融合多源卫星影像的常绿森林自动识别方法， 其 特征在于， 所述 步骤8中， EV A识别模型为： NDVImax‑NDVIwinter_max＞0.25。 9.根据权利要求1所述的基于云平台融合多源卫星影像的常绿森林自动识别方法， 其 特征在于， 在所述 步骤9之后， 还 包括： 步骤10、 根据步骤9中得到的EVA分布图对步骤3中得到的FVA分布图进行掩膜处理， 得 到DVA分布图。权　利　要　求　书 2/2 页 3 CN 115170981 A 3