本技术涉及林业遥感，尤其是一种基于高光谱数据的桉树提取方法及其装置、设备、介质。
背景技术：
1、桉树林是中国南方的特色经济林，具有显著的经济效益。随着我国木材资源供需矛盾加剧，桉树种植业发展迅速，但这也引发了一系列的生态环境问题。例如：在耕地里面大面积种植桉树导致严重的水土流失和土壤退化，破坏了耕地的质量和肥力。因此，快速准确地获取桉树林的面积及空间分布是林业资源管理和监测的重点，对于地区林业资源消耗控制和耕地保护及生态修复具有重要的研究意义。目前，卫星遥感数据在地物信息提取方面已广泛应用，在提取桉树信息时可以采用多光谱数据，但目前采用的多光谱数据源波段信息有限，难以准确地获取地物的光谱特征。因此，如何精准快速提取耕地内桉树种植情况是一个亟待解决的问题。
技术实现思路
1、本技术旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本技术提出一种基于高光谱数据的桉树提取方法及其装置、设备、介质，能够精准快速提取耕地内的桉树空间分布提取结果，为耕地保护及生态修复提供客观准确的数据支撑。
3、第一方面，本技术实施例提供了一种基于高光谱数据的桉树提取方法，包括：
4、获取目标研究区域的第一卫星遥感影像、桉树样本矢量数据、耕地范围数据；
5、对所述第一卫星遥感影像进行图像预处理，得到第二卫星遥感影像；其中，所述图像预处理包括：影像辐射定标校正、大气校正、正射校正、几何精校正、拼接裁剪；
6、根据所述第二卫星遥感影像和所述桉树样本矢量数据，进行影像特征差异分析处理，提取所述第二卫星遥感影像中的多个典型地物的地物解译标志；
7、根据多个所述地物解译标志、所述第二卫星遥感影像进行目标特征分析处理，得到桉树光谱特征和桉树植被指数特征；
8、根据所述桉树光谱特征、所述桉树植被指数特征、预设阈值、所述耕地范围数据和预设筛选条件，进行区域筛选处理，得到耕地内的桉树空间分布提取结果。
9、根据本技术的一些实施例，所述第二卫星遥感影像包括：经过图像预处理后的用于反映桉树第一生长期的第一时相影像、用于反映桉树第二生长期的第二时相影像、用于反映桉树第三生长期的第三时相影像；所述根据多个所述地物解译标志、所述第二卫星遥感影像进行目标特征分析处理，得到桉树光谱特征和桉树植被指数特征，包括：
10、根据所述多个所述地物解译标志分别在所述第一时相影像、所述第二时相影像和所述第三时相影像中进行筛选分析，得到各个时相影像的桉树光谱曲线；
11、根据所述桉树光谱曲线和预设的esi计算公式，分别计算所述第一时相影像的第一桉树光谱特征指数、所述第二时相影像的第二桉树光谱特征指数和所述第三时相影像的第三桉树光谱特征指数；
12、根据所述第一桉树光谱特征指数、所述第二桉树光谱特征指数和所述第三桉树光谱特征指数行均值计算，得到所述第一时相影像、所述第二时相影像和所述第三时相影像的桉树植被指数特征；其中，所述桉树植被指数特征为所述第一桉树光谱特征指数、所述第二桉树光谱特征指数和所述第三桉树光谱特征指数的光谱特征均值esiave。
13、根据本技术的一些实施例，所述esi计算公式为：
14、esi＝(band26–band18)/band26+band18)；
15、其中，esi为桉树光谱特征指数，band26为第26波段的地表反射率；band18为第18波段的地表反射率。
16、根据本技术的一些实施例，所述根据所述桉树光谱特征、所述桉树植被指数特征、预设阈值、所述耕地范围数据和预设筛选条件，进行区域筛选处理，得到耕地内的桉树空间分布提取结果，包括：
17、设置预设阈值；其中，所述预设阈值包括：第一阈值；
18、在所述目标研究区域中，将所述桉树植被指数特征大于或等于所述第一阈值的区域确定为桉树分布区域；
19、根据所述桉树分布区域和所述耕地范围数据进行掩膜得到第一目标区域；所述第一目标区域为耕地内的桉树空间分布区域；
20、根据所述预设筛选条件在所述第一目标区域进行筛选，得到耕地内的桉树空间分布提取结果。
21、根据本技术的一些实施例，所述预设阈值还包括：第二阈值、第三阈值、第四阈值和第五阈值；所述根据所述预设筛选条件在所述第一目标区域进行筛选，得到耕地内的桉树空间分布提取结果，包括：
22、根据所述第二时相影像的第7波段的光谱反射率的值和所述第二阈值，筛选确定第二目标区域；
23、根据所述第一时相影像的最大值合成波段和所述第三阈值，筛选确定第三目标区域；
24、根据所述第一时相影像的第15波段的光谱反射率的值和所述第四阈值，筛选确定第四目标区域；
25、根据所述第一时相影像的所述第一桉树光谱特征指数和所述第五阈值，筛选确定第五目标区域；
26、将所述第一目标区域、所述第二目标区域、所述第三目标区域、所述第四目标区域、所述第五目标区域的重合区域确定为所述耕地内的桉树空间分布提取结果。
27、根据本技术的一些实施例，所述得到耕地内的桉树空间分布提取结果之后，所述方法还包括：
28、对所述耕地内的桉树空间分布提取结果进行图斑后处理，得到桉树分布图；
29、输出经过所述图斑后处理的所述桉树分布图。
30、根据本技术的一些实施例，所述对所述桉树空间分布提取结果进行图斑后处理，得到桉树分布图，包括：
31、识别所述耕地内的桉树空间分布提取结果，得到第一桉树矢量图斑；
32、对所述第一桉树矢量图斑进行空洞去除处理，填补桉树矢量图斑中的细小空洞，得到第二桉树矢量图斑；
33、对所述第二桉树矢量图斑进行小图斑删除处理，将面积小于预设面积阈值的图斑删除，得到第三桉树矢量图斑；
34、对所述第三桉树矢量图斑进行矢量修正处理和平滑面处理，得到所述桉树分布图。
35、第二方面，本技术实施例提供了一种基于高光谱数据的桉树提取装置，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如第一方面实施例所述的基于高光谱数据的桉树提取方法。
36、第三方面，本技术实施例提供了一种电子设备，包括如第二方面实施例所述的基于高光谱数据的桉树提取装置。
37、第四方面，本技术实施例提供了一种存储介质，所述存储介质是计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面实施例所述的基于高光谱数据的桉树提取方法。
38、本技术实施例包括：当需要提取目标研究区域的耕地内桉树的分布情况，首先，获取目标研究区域的第一卫星遥感影像、桉树样本矢量数据、耕地范围数据；接着，对第一卫星遥感影像进行图像预处理，得到第二卫星遥感影像；图像预处理包括：影像辐射定标校正、大气校正、正射校正、几何精校正、拼接裁剪；而后，根据第二卫星遥感影像和桉树样本矢量数据，进行影像特征差异分析处理，提取第二卫星遥感影像中的多个典型地物的地物解译标志；接着，根据多个地物解译标志、第二卫星遥感影像进行目标特征分析处理，得到桉树光谱特征和桉树植被指数特征，为后续精准、快速地提取桉树空间分布提取结果提供可靠的参考；最后，根据桉树光谱特征、桉树植被指数特征、预设阈值、耕地范围数据和预设筛选条件，进行区域筛选处理，得到耕地内的桉树空间分布提取结果，从而为耕地保护及农林生态修复提供客观准确的数据支撑。即是说，本技术实施例能够精准快速提取耕地内的桉树空间分布提取结果，为耕地保护及农林生态修复提供客观准确的数据支撑。
1.一种基于高光谱数据的桉树提取方法，其特征在于，包括：
2.根据权利要求1所述的基于高光谱数据的桉树提取方法，其特征在于，所述第二卫星遥感影像包括：经过图像预处理后的用于反映桉树第一生长期的第一时相影像、用于反映桉树第二生长期的第二时相影像、用于反映桉树第三生长期的第三时相影像；所述根据多个所述地物解译标志、所述第二卫星遥感影像进行目标特征分析处理，得到桉树光谱特征和桉树植被指数特征，包括：
3.根据权利要求2所述的基于高光谱数据的桉树提取方法，其特征在于，所述esi计算公式为：
4.根据权利要求2所述的基于高光谱数据的桉树提取方法，其特征在于，所述根据所述桉树光谱特征、所述桉树植被指数特征、预设阈值、所述耕地范围数据和预设筛选条件，进行区域筛选处理，得到耕地内的桉树空间分布提取结果，包括：
5.根据权利要求4所述的基于高光谱数据的桉树提取方法，其特征在于，所述预设阈值还包括：第二阈值、第三阈值、第四阈值和第五阈值；所述根据所述预设筛选条件在所述第一目标区域进行筛选，得到耕地内的桉树空间分布提取结果，包括：
6.根据权利要求1所述的基于高光谱数据的桉树提取方法，其特征在于，所述得到耕地内的桉树空间分布提取结果之后，所述方法还包括：
7.根据权利要求6所述的基于高光谱数据的桉树提取方法，其特征在于，所述对所述桉树空间分布提取结果进行图斑后处理，得到桉树分布图，包括：
8.一种基于高光谱数据的桉树提取装置，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的基于高光谱数据的桉树提取方法。
9.一种电子设备，其特征在于，包括如权利要求8所述的基于高光谱数据的桉树提取装置。
10.一种存储介质，其特征在于，所述存储介质是计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的基于高光谱数据的桉树提取方法。
