本发明涉及一种农膜农田识别方法。
背景技术：
1、地膜覆盖栽培技术是农业领域广泛使用的保护性栽培技术之一，是中国农产品安全供应的重要保障技术之一，具有保温保墒、保肥保药、除草抑盐、促进作物生长发育、扩大适种区、提高产量等积极作用，同时影响对农田生态环境、土壤微生物群落组成和功能、土壤养分、土壤结构、温室气体排放和作物生长。传统的覆膜农田地面监测方法不仅需要丰富的内外业工作经验和专业知识，而且费时费力，主观性强，解译精度也难以保证，现场调查的覆盖范围窄、重访周期长、监测成本高的等不足。
技术实现思路
1、本发明为了解决传统农膜监测费时费力、主观性强、现场调查的覆盖范围窄的问题，提供了一种基于多时相遥感影像和随机森林的农膜农田识别方法。
2、本发明基于多时相遥感影像和随机森林的农膜农田识别方法按照以下步骤进行：
3、一、将目标区域分为覆膜农田、无膜耕地和林地三种类型，三种类型利用googleearth高分辨率遥感影像和地面调查样点制作分类样本数据集，随机分为训练样本和验证样本，训练样本和验证样本比例为7:3；
4、二、获取步骤一中三种类型的原始遥感图像后通过图像预处理模块完成图像融合、辐射定标、大气校正，得到多波段地表反射率图像，计算多波段光谱特征和指数特征；指数特征包括归一化植被指数(normalized difference vegetation index，ndvi)、增强型植被指数(enhancedvegetation index，evi)、归一化建筑指数(normalized differencebuild-up index，ndbi)、归一化水体指数(normalizeddifference water index，ndwi)；
5、三、对比分析步骤二中所述的指数特征时间序列曲线差异最明显的月份为遥感信息识别的最佳时相，利用重要性分析工具计算不同波段特征重要性分数确定最佳反演波段，根据传感器特征选择对应的计算方程式，计算归一化农膜指数nafi，根据传感器特征选择不同的计算公式获取农膜指数遥感图像，landsat和sentinel对应的nafi分别为lnafi和snafi；
6、四、采用随机森林作为分类器进行监督分类，决策树数量均设置为300，特征个数则保持默认值，设定不同组合方式，使用光谱特征和指数特征参与图像分类；
7、五、构建验证结果的混淆矩阵，计算用户精度、生产者精度、总体精度和kappa系数，精度评价并生成最终遥感分类影像；即实现了农膜农田的识别。
8、本发明提出归一化农膜指数，针对sentinel和landsat传感器特征提出特定计算公式，能够比常见的遥感指数(如ndvi、evi等)更容易区分农膜和其他地膜信息，能够提升随机森林分类图像分类精度，能够用于快速、精确地农膜信息提取。本发明方法利用卫星遥感技术可以克服现场调查的不足，具有覆盖范围广、重访周期短、监测成本低等特点，可以实现大面积同步观测，实时准确地获取农膜覆盖面积及地理分布等信息，对于国家农业规划、资源管理、环境保护等方面具有重要的意义。
1.一种基于多时相遥感影像和随机森林的农膜农田识别方法，其特征在于基于多时相遥感影像和随机森林的农膜农田识别方法按照以下步骤进行：
2.根据权利要求1所述的基于多时相遥感影像和随机森林的农膜农田识别方法，其特征在于步骤二中的指数特征包括归一化植被指数ndvi、增强型植被指数evi、归一化建筑指数ndbi、归一化水体指ndwi，其计算方程式分别为：
3.根据权利要求1所述的基于多时相遥感影像和随机森林的农膜农田识别方法，其特征在于步骤三中提到的归一化农膜指数nafi计算方程式为：
4.根据权利要求1所述的基于多时相遥感影像和随机森林的农膜农田识别方法，其特征在于步骤五中精度指标：用户精度ua、生产者精度pa、总体精度oa和kappa系数，计算方程式分别为：
