基于时间序列卫星观测的高分辨率森林覆盖度制图方法

本发明涉及遥感信息提取技术领域，具体涉及基于时间序列卫星观测的高分辨率森林覆盖度制图方法，包括以下步骤：基于时间稀疏采样的高空间分辨率卫星观测数据重建光谱季节序列；根据生长季中点将重建的光谱季节序列进行逐像元重排；基于重排后的光谱季节序列提取森林与其它地物的高区分度特征；利用卷积神经网络对生长季亚米级分辨率影像分类提取森林分布，聚合为森林覆盖度并生成训练样本集；训练机器学习模型，得到森林覆盖度估算模型；采用所述高区分度特征驱动估算模型，进行高分辨率森林覆盖度制图。本发明提供的方法可普遍用于Sentinel‑2和Landsat等光学卫星进行十米级分辨率森林覆盖度制图，为森林资源监测和管理提供方法支持。