1.一种基于GEE-SAR的滑坡灾害判识提取方法,其特征在于:包括以下步骤:步骤S1,基于GEE云平台智能优选高分辨率多时相遥感数据,在线批量处理海量影像,建立时序遥感影像数据集;
步骤S2,针对高山密林区特征,提出基于震前震后差异变化检测方法,构建指数,基于相干性变化特征,利用前后时相影像的后向散射率差异性建立函数;
步骤S3,融合指数和相干性建立滑坡灾害综合判识模型;
步骤S2包括以下步骤:
S201、计算震前归一化差异植被指数,计算公式如下:;
式中,代表震前数据近红外波段的反射率,代表震前数据红色波段的反射率,分别为band5、band4;
S202、计算震后归一化差异植被指数,计算公式如下:;
式中,代表震后数据近红外波段的反射率,代表震后数据红色波段的反射率,分别为band5、band4;
S203、计算震前震后归一化差异植被指数,计算公式如下:;
式中,为震后归一化差异植被指数,为震前归一化差异植被指数;
S204、计算震前震后后向散射率比值,计算公式如下:;
式中,为震前后向散射率值,为震后后向散射率值;
步骤S3包括以下步骤:
S301、将获取的判识结果与判识结果分别导出至矢量数据格式;
S302、将S301得到的两个矢量数据图层进行相交重叠,得到公共部分和非公共部分,将非公共部分剔除,保留公共部分,得到最终滑坡灾害判识提取结果。
2.根据权利要求1所述的基于GEE-SAR的滑坡灾害判识提取方法,其特征在于:步骤S1包括以下步骤:S101、给定目标研究区矢量数据范围;
S102、定义灾害发生前时间段与灾害发生后时间段,灾害发生前时间段为震前时间段,灾害发生后时间段为震后时间段;
S103、利用GEE云平台封装的函数ee.ImageCollection调用并查看海量震前与震后数据及元数据说明;
S104、构建数据去云算法,获取影像数据,选取影像数据的QA60波段,QA60波段包含Opaque clouds不透明云和Cirrus clouds卷云,分别检测不透明云和卷云的外轮廓矢量数据,分别生成不透明云掩膜和卷云掩膜,最后将两者合并相加,用于裁剪原始输入的影像数据,得到包含地表反射率的去云影像数据结果;
S105、基于以上步骤,建立研究区矢量数据范围内的时序遥感数据集。
3.根据权利要求2所述的基于GEE-SAR的滑坡灾害判识提取方法,其特征在于:S102中,定义的灾害发生前时间段与灾害发生后时间段的格式为YYYY/MM/DD/HH:MM-YYYY/MM/DD/HH:MM;
S103中,震前与震后数据包括传感器类型、影像成像时间、时间/空间分辨率。
4.一种基于GEE-SAR的滑坡灾害判识提取系统,应用如权利要求1-3任一项所述的基于GEE-SAR的滑坡灾害判识提取方法,其特征在于:包括多时相遥感数据集成与优化及建库模块:基于给定研究区矢量数据范围,集成多源时相高质量原始遥感影像,批量处理得到无云无噪影像,建立时序遥感影像数据集;
震前震后变化检测方法提出与强度对比度函数建立模块:提出一种基于震前震后差异变化检测方法,并建立前后时相影像的后向散射率比值对数函数;
滑坡灾害综合判识模型建立模块:融合和相干性建立滑坡灾害综合判识模型。
5.一种基于GEE-SAR的滑坡灾害判识提取设备,其特征在于:包括一个或多个处理器;
存储器,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器使用如权利要求1-3中任一所述的基于GEE-SAR的滑坡灾害判识提取方法。