本发明属于遥感应用领域，涉及基于sentinel-1 sar和sentinel-2 msi融合的湖泊沉水植被自动提取方法。
背景技术：
1、沉水植被是湖泊生态系统的主要初级生产者之一，在湖泊生态和环境功能中起着重要作用。沉水植被可以通过生产氧气、养分保留和反硝化作用降低水体营养盐浓度并抑制藻类生长，同时也作为鱼类和浮游动物的栖息地和庇护所维持着湖泊生物多样性。这些功能使沉水植被成为维持湖泊清水稳态，并防止湖泊向由藻类主导的浊水稳态转换的关键要素。因此，作为湖泊生态系统的重要调节者和指示者，沉水植被的实时、快速监测对湖泊生态系统转换和生态服务功能评估具有指导意义。
2、传统的沉水植被监测方法为人工样方、样线调查法，其费时费力、监测范围和样本量有限，监测难度大(沉水植被位于水下，不易采集)，无法快速、实时、大面积的获取沉水植被的分布状况。遥感具有快速、实时和大面积监测地表信息的优势，但在浅水湖泊，尤其是富营养化湖泊中，对沉水植被的难点和挑战在于：(1)沉水植被提取受到多种其他地物(如藻华和浮叶植被)干扰；(2)传统分类树和阈值方法需要人为干预。
技术实现思路
1、本发明的目的在于克服上述现有技术中浅水湖泊，尤其是富营养化湖泊中沉水植被遥感提取难点，提供一种基于sentinel-1 sar和sentinel-2 msi融合的湖泊沉水植被自动提取方法。
2、本发明的上述技术目的通过如下技术方案实现：
3、基于sentinel-1 sar和sentinel-2 msi融合的湖泊沉水植被自动提取方法，包括：
4、对研究区sentinel-2 msi toa影像的水生植被相关敏感波段进行主成分分析；
5、获取与处理的sentinel-2 msi toa影像时间最接近的sentinel-1 sar grd影像，对sentinel-1 sar grd影像计算双极化雷达植被指数rvidual，使用rvidual替换主成分分析中的第一主成分，对替换后的主成分分析结果进行逆变换，获取融合波段，取融合波段中的波段1用于沉水植被提取：
6、对波段1图像进行高斯混合模型聚类，基于最优聚类簇数获取对应聚类结果，分别计算每一类对应的波段1均值，均值最高的一类即沉水植被。
7、作为一种优选的实施方式，所述水生植被相关敏感波段为sentinel-2 msi toa影像的b2、b3、b4、b8、b11和b12波段。
8、作为一种优选的实施方式，以sentinel-2 msi toa影像时间为基准，获取与其时间相差10天内的sentinel-1 sar grd影像用于计算；并将sentinel-1 sar grd影像的vv和vh极化波段添加至sentinel-2 msi toa影像。
9、作为一种优选的实施方式，所述最优聚类簇数基于如下方式确定：
10、对不同聚类簇数，计算其对应的戴维森堡丁指数dbi指标和贝叶斯信息准则bic指标，并进行标准化处理；
11、对标准化dbi指标和标准化bic指标值进行加权求和，记为ci值；
12、获取使ci值最小的聚类簇数，即最优聚类簇数。
13、优选的，所述标准化dbi指标和标准化bic指标值加权求和时权重相等。
14、优选的，在聚类簇数3-8范围内获取最优聚类簇数。
15、作为一种优选的实施方式，所述sentinel-1 sar grd和sentinel-2 msi toa影像从gee云平台获取。
16、作为一种优选的实施方式，还包括对sentinel-1 sar grd和sentinel-2 msi toa影像进行预处理，包括：对sentinel-1 sar grd影像进行滤波处理，对sentinel-2 msi toa影像进行去云处理，并从sentinel-1 sar grd影像和sentinel-2 msi toa影像裁剪出研究区，用于后续计算。
17、作为一种优选的实施方式，利用lee-sigma方法进行滤波处理；
18、所述去云处理的方式为：使用qa60波段并将cloudbitmask和cirrusbitmask的值设置为0后再掩膜完成。
19、作为一种优选的实施方式，在沉水植被提取完毕后，利用生产者精度，用户精度，f-score，总体精度评估沉水植被提取精度。
20、本发明先基于主成分替换方法融合sentinel-1 sar grd和sentinel-2 msi toa影像得到ssavi，并利用高斯混合模型聚类获取沉水植被区域，克服了提取沉水植被时需要去除多种干扰地物与分类阈值确定的问题。本发明的方法能够自动、实时、大范围和高精度的识别、监测和绘制湖泊沉水植被的空间分布，对湖泊沉水植被的时空分布监测和追溯和湖泊生态修复管理等具有重要的现实意义。
1. 基于sentinel-1 sar和sentinel-2 msi融合的湖泊沉水植被自动提取方法，其特征在于，包括：
2. 根据权利要求1所述的方法，其特征在于，所述水生植被相关敏感波段为sentinel-2 msi toa影像的b2、b3、b4、b8、b11和b12波段。
3. 根据权利要求1所述的方法，其特征在于，以sentinel-2 msi toa影像时间为基准，获取与其时间相差10天内的sentinel-1 sar grd影像用于计算；并将sentinel-1 sar grd影像的vv和vh极化波段添加至sentinel-2 msi toa影像。
4.根据权利要求1所述的方法，其特征在于，所述最优聚类簇数基于如下方式确定：
5.根据权利要求4所述的方法，其特征在于，所述标准化dbi指标和标准化bic指标值加权求和时权重相等。
6.根据权利要求4所述的方法，其特征在于，在聚类簇数3-8范围内获取最优聚类簇数。
7. 根据权利要求1所述的方法，其特征在于，所述sentinel-1 sar grd和sentinel-2msi toa影像从gee云平台获取。
8. 根据权利要求1所述的方法，其特征在于，还包括对sentinel-1 sar grd和sentinel-2 msi toa影像进行预处理，包括：对sentinel-1 sar grd影像进行滤波处理，对sentinel-2 msi toa影像进行去云处理，并从sentinel-1 sar grd影像和sentinel-2 msitoa影像裁剪出研究区，用于后续计算。
9.根据权利要求8所述的方法，其特征在于，利用lee-sigma方法进行滤波处理；
10.根据权利要求1所述的方法，其特征在于，在沉水植被提取完毕后，利用生产者精度，用户精度，f-score，总体精度评估沉水植被提取精度。
