1.一种时空谱特征深度提取的红树林超分辨率制图方法,其特征在于,包括如下步骤:S1、获取研究区域内的多源遥感影像数据,对所述多源遥感影像数据进行预处理,继而获取预处理数据;
S2、基于面向对象的方法对所述预处理数据进行红树林分类提取,继而获取高分辨率红树林类别图;
S3、基于SVR算法对所述红树林类别图进行提取,继而获取目标时相红树林丰度图;
S4、基于所述目标时相红树林丰度图构建时空匹配的超分辨率制图模型训练数据集;
S5、基于所述时空匹配的超分辨率制图模型训练数据集构建结合编码-解码和VSS模块的时空超分辨率制图网络框架,继而获取结合编码-解码和VSS模块的时空超分辨率制图网络框架模型;
S6、对所述结合编码-解码和VSS模块的时空超分辨率制图网络框架模型进行训练和验证,继而进行模型优化,最终获取优化模型;
S7、基于所述优化模型进行批量时空超分辨率制图,继而获取目标时相的高时空分辨率红树林分布图;
所述步骤S6包括如下步骤:
S601、将参考时相红树林高分辨率影像M1、低空间分辨率丰度图F1以及目标时相低空间分辨率红树林丰度图F2以合并、级联的方式进行融合,作为网络的多通道输入数据,同时以变化矩阵图CM作为标签用于监督模型训练;
S602、设置模型训练的损失函数,其表达式为:
其中,N为总像素数;c∈{0,1,2}表示类别索引,其中:0=未变化,1=增加,2=减少;yc(i)表示像素i的真实标签;pc(i)表示模型预测像素i属于类别c的概率;α(i)表示局部比例动态权重,用于增强对变化区域的关注;λ表示权重系数;LCR (i)表示像素i周围局部窗口内变化类别的比例;
S603、训练过程中通过验证集计算多尺度峰值信噪比、结构相似性、变化检测精度,实时监测模型性能并调整超参数。
2.根据权利要求1所述的一种时空谱特征深度提取的红树林超分辨率制图方法,其特征在于,在步骤S1中:所述多源遥感影像数据包括十米级分辨率的Landsat多光谱数据、Sentinel-2数据以及米级分辨率PlanetScope数据;
所述预处理包括:对所述多源遥感影像数据进行格式转换、地理配准、重采样、裁剪。
3.根据权利要求2所述的一种时空谱特征深度提取的红树林超分辨率制图方法,其特征在于,所述步骤S2包括如下步骤:S201、利用eCognition软件采用面向对象的方法对预处理后的3米分辨率PlanetScope数据进行红树林分类提取,继而获取分类结果;
S202、结合现有研究区全球红树林观测数据对所述分类结果进行调整完善,继而获得对应的高分辨率红树林类别图。
4.根据权利要求3所述的一种时空谱特征深度提取的红树林超分辨率制图方法,其特征在于,所述步骤S3包括如下步骤:S301、对获取的所述高分辨率红树林类别图进行空间尺度上的退化处理,通过计算每个像元所在块的均值来估算类别的丰度,以获取参考时相的红树林丰度图,作为SVR模型训练的标签数据;
S302、基于目标与参考时相Landsat数据和Sentinel-2数据,分别计算真实地表反射率值,并提取红树林相关的植被指数;
S303、基于预处理后的低空间分辨率数据和红树林相关的植被指数,合理选取样本并结合红树林特有的潮间带分布及其在近红外-短波红外波段的高反射特性,采用SVR算法学习红树林独特的光谱特征,提取红树林在混合像元中所占面积比例,继而获取所述目标时相红树林丰度图;
S304、基于训练好的所述SVR模型对所述目标时相红树林丰度图进行批量处理,将其应用于目标时相研究区的全部数据,继而生成整个研究区的低空间分辨率红树林丰度图。
5.根据权利要求4所述的一种时空谱特征深度提取的红树林超分辨率制图方法,其特征在于,所述步骤S4包括如下步骤:S401、筛选具有代表性的目标与参考时相数据作为训练与测试数据,并将其裁剪成合适大小的影像块,并保留无异常值影像块;
S402、基于训练区域参考时相与目标时相高分辨率类别图,通过逐像元比较两时相类别图在每个通道上的值,构建多通道时空变化矩阵图,动态表征红树林的变化情况,作为后续超分辨率制图模型的训练标签,将时空变化矩阵图作为模型动态变化监督信号;
S403、依据研究区的红树林时空变化特征,合理分配训练以及测试区域,将获取的目标时相低空间分辨率红树林丰度图与参考时相高空间分辨率类别图、低空间分辨率丰度图以及两时相的时空变化图进行对齐与标准化处理,形成符合模型输入的数据对。
6.根据权利要求5所述的一种时空谱特征深度提取的红树林超分辨率制图方法,其特征在于,在步骤S5中:所述结合编码-解码和VSS模块的时空超分辨率制图网络框架包括编码器、连接桥、解码器、跳跃连接和VSS模块。
7.根据权利要求6所述的一种时空谱特征深度提取的红树林超分辨率制图方法,其特征在于,所述步骤S7包括如下步骤:S701、在测试程序中应用所述步骤S6中保存的最优权重批量生成目标区域的高分辨率红树林时序变化图像;
S702、基于参考时相的高分辨率红树林类别图,应用生成的高分辨率目标时相的红树林时序变化图对其进行更新,继而获取所述目标时相的高时空分辨率红树林分布图。