1.一种基于云计算平台和生命周期的双季作物种植界线自动化提取方法,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域中所有MODIS卫星影像,并对MODIS卫星影像进行预处理,得到预处理后的卫星影像数据集;
步骤2、基于步骤1所述的卫星影像数据集,获取归一化植被指数NDVI时间序列和地表水分指数LSWI时间序列;
步骤3、对步骤2得到的NDVI时间序列进行处理,得到最大NDVI时间序列数据集;
步骤4、基于步骤3中得到的NDVI时间序列,识别NDVI时间序列曲线的波峰和波谷,得到所有波峰值及波峰总个数,并得到所有波谷值及对应的日期DOY;
步骤5、对步骤2得到的LSWI时间序列进行处理,得到平均LSWI时间序列数据集;
步骤6、根据步骤5中得到的LSWI时间序列逐像素确定LSWI阈值,得到每个像素的LSWI阈值;
步骤7、根据步骤5中得到的LSWI时间序列以及步骤6中得到的LSWI阈值识别裸土,得到裸土分布图;
步骤8、根据步骤4中得到的波峰值、波峰总个数和步骤7中得到裸土分布图确定有效峰值个数,得到峰值个数图;所述步骤8中,按照如下方式确定有效峰值个数:对于NDVI时间序列的波峰,如果波峰值大于0.5,且波峰相邻的两个波谷时期均检测出裸土,则该峰值被识别为有效峰值;
步骤9、根据步骤8中得到峰值个数图确定双季作物种植像素,得到双季作物种植分布图;
步骤10、根据步骤9中得到的双季作物种植分布图,利用核密度估计法获取双季作物种植北界范围,得到双季作物种植北界范围;所述步骤10中,按照如下方式获取双季作物种植北界范围:将所获的双季作物种植分布图由栅格转换为矢量点,计算概率密度的估计量:其中,fh(x)是概率密度的估计量,n是双季作物种植点的数量,h是用户定义的平滑参数或带宽,x是估计点的矢量坐标,xi是采样点的矢量坐标;K是用户定义的非负数内核函数,它被视为二次Epanechnikov内核,其定义如下:步骤11、根据步骤10中得到的双季作物种植北界范围,利用等值线提取法提取双季作物种植北界线,得到双季作物种植北界图;
所述步骤11中,按照如下方式提取双季作物种植北界线:
按照选定的最佳带宽,使用百分位数方法确定具有95%百分位数的核密度估计阈值,并提取等于该阈值的等值线,选取位于最北的等值线作为双季作物种植北界。
2.根据权利要求1所述的基于云计算平台和生命周期的双季作物种植界线自动化提取方法,其特征在于,所述步骤1中,对MODIS卫星影像进行预处理:利用FMask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。
3.根据权利要求1所述的基于云计算平台和生命周期的双季作物种植界线自动化提取方法,其特征在于,所述步骤3中,按照如下方式对NDVI时间序列进行处理:计算每8天NDVI的最大值作为综合NDVI观测值,获得等时间间隔时间序列NDVI数据集;
在缺失8天的综合NDVI观测值的地区,根据8天前、后的综合NDVI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。
4.根据权利要求1所述的基于云计算平台和生命周期的双季作物种植界线自动化提取方法,其特征在于,所述步骤4中,按照如下方式识别NDVI时间序列曲线的波峰和波谷:识别NDVI时间序列中的局部最大值为波峰,识别NDVI时间序列中的局部最小值为波谷,如果某一时刻的NDVI值高于该时刻前后的NDVI值,则定义为一个波峰,如果某一时刻的NDVI值低于该时刻前后的NDVI值,则定义为一个波谷。
5.根据权利要求1所述的基于云计算平台和生命周期的双季作物种植界线自动化提取方法,其特征在于,所述步骤5中,按照如下方式对LSWI时间序列进行处理:计算每8天LSWI的平均值作为综合LSWI观测值,获得等时间间隔时间序列LSWI数据集;
在缺失8天的综合LSWI观测值的地区,根据8天前、后的综合LSWI观测值进行线性插值。
6.根据权利要求1所述的基于云计算平台和生命周期的双季作物种植界线自动化提取方法,其特征在于,所述步骤6中,按照如下方式确定LSWI阈值:TP=LSWImin+(LSWImax‑LSWImin)×0.15其中TP是潜在LSWI阈值,TLSWI是最终LSWI阈值,LSWImin和LSWImax分别是研究期内LSWI的最小值和最大值。
7.根据权利要求6所述的基于云计算平台和生命周期的双季作物种植界线自动化提取方法,其特征在于,所述步骤7中,按照如下方式识别裸土:比较LSWI时间序列中各LSWI值与LSWI阈值的大小,若LSWI值小于LSWI阈值,则被分类为裸土。