基于GEE平台联合多源数据和双层集成模型的橡胶林提取方法

本发明公开了基于GEE平台联合多源数据和双层集成模型的橡胶林提取方法，包括以下步骤：通过GEE平台对多源数据进行获取和预处理，结合实地调查数据来构建橡胶林样本数据集；并对橡胶领样本数据集的多维特征进行提取；采用递归特征消除算法RFE对每个阶段的多维数据集进行递归训练，进行特征选择；利用植被指数曲线的拐点和形态特征将橡胶树物候分为四个阶段；构建多类别分类决策的物候四时段模型PFT‑EM，将四个阶段的影像输入到模型中，根据橡胶不同的物候阶段分别训练机器学习模型；Stacking集成学习模型SEL通过训练元学习器融合基础学习模型的输出结果。通过Stacking集成学习将基于不同机器学习的PFT‑EM信息再次集成，以提高整体模型的准确性和泛化能力。