1.一种芦苇生长情况评估方法，其特征在于，包括以下步骤：S1：利用遥感技术获取芦苇分布的范围；

S2：获取种植芦苇的研究区的高精度地形数据，利用高精度地形数据获取逐日或逐旬的水位数据；

S3：结合水位数据分析芦苇生长质量与水深的关系；

所述步骤S3中水深与芦苇高度的关系模型为：

Y＝‑a×h+b；

所述水深与芦苇的茎粗的关系模型为：

D＝‑c×h+d；

所述水深与芦苇种植密度的关系模型为：

Q＝e×h+f；

所述水深与芦苇产量的关系模型为：

3 2

G＝‑i×h+j×h‑k×h+l；

其中，Y、D、Q和G分别为芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量；a、b、c、d、e、f、i、j、k、l均为大于0的常数，根据水深与芦苇生物量采样数据拟合关系曲线获得；h为水深；

S4：通过芦苇生长质量与水深的关系，并结合芦苇生长期内的水深变化数据，分析不同区域内的芦苇生长质量；

步骤S4包括：

S41：利用逐日或逐旬的水位数据减去高精度地形数据，得到逐日或逐旬的水深变化数据；

S42：利用水深与芦苇高度的关系模型、水深与芦苇的茎粗的关系模型、水深与芦苇种植密度的关系模型和水深与芦苇产量的关系模型分析不同区域芦苇各性状的质量；

进一步地，步骤S42具体包括：

S421：利用研究区中芦苇发育期的水深数据中逐日或逐旬的水深数据，结合深与芦苇高度的关系模型、水深与芦苇的茎粗的关系模型、水深与芦苇种植密度的关系模型和水深与芦苇产量的关系模型，得到不同区域中的芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量；

S422：根据研究区内的功能区划分，确定各功能区的收割范围、收割量和生物量的收割系数；包括：S4221：对研究区内旅游功能区采用分片轮流收割，缓冲区域和其他区域全部收割；具体为：研究区内的旅游功能区采取50％面积的收割，且两年收割一次；收割量为芦苇地面以上高度减去10cm的留茬，收割范围的面积为A1，则：N1＝S1_收割量/S1_总产量

S1_收割量＝S1_茎+S1_叶鞘+S1_叶面

其中，N1为旅游功能区的生物量收割系数，S1_收割量为旅游功能区内芦苇各器官的总收割量，S1_总产量为旅游功能区内芦苇理论上的总产量，S1茎、S1叶鞘和S1叶面分别为旅游功能区内的茎、叶鞘和叶面的收割量；

S4222：对研究区内道路或航道周围100m范围内的芦苇秋季收割，收割量为地上部分的

90％；其他需要收割的区域的收割方式为：芦苇地面以上高度或水面上或冰面上10cm留茬，道路或航道周围的收割面积为A2；则N2＝S2_收割量/S2_总产量

S2_收割量＝S2_茎+S2_叶鞘+S2_叶面

其中，N2为道路或航道周围100m范围内秋季或冬季收割芦苇的生物量收割系数，S2_收割量为不同季节收割芦苇不同器官的总收割量，S2茎、S2叶鞘和S2叶面分别为道路或航道周围100m范围内的茎、叶鞘和叶面的收割量；

S4223：对研究区内生态红线范围内的村庄全部搬迁，核心区的部分全部收割，生态红线范围内的收割面积为A3，则：N3＝S3_收割量/S3_总产量

S3_收割量＝S3_茎+S3_叶鞘+S3_叶面

其中，N3为生态红线范围内的生物量收割系数，S3_收割量为生态红线范围内的总收割量，S3茎、S3叶鞘和S3叶面分别为生态红线范围内的茎、叶鞘和叶面的收割量；

S4224：对研究区内居民地周边50m范围内采用轮流收割，居民地周边50m范围内芦苇收割范围的面积A4为；则：N4＝S4_收割量/S4_总产量

S4_收割量＝S4_茎+S4_叶鞘+S4_叶面

其中，N4为居民地周边50m范围内的生物量收割系数，S4_收割量的居民地周边50m范围内的总收割量，S4_茎、S4_叶鞘和S4_叶面分别为居民地周边50m范围内的茎、叶鞘和叶面的收割量；

S4225：结合步骤S611‑S614，计算出研究区域内芦苇收割的总面积A：A＝A1+A2+A3+A4‑a

其中，a为A1、A2、A3和A4对应的收割范围之间重复计算的面积；

S423：计算研究区内芦苇的资源量，包括芦苇的保留面积，收割面积、芦苇收割总量，芦苇各器官收割的分量；包括：S4231：计算保留区域的面积：

B＝C‑A

其中，B为保留区域的面积，C为研究区域的总面积；

S4232：计算芦苇收割区域的芦苇总收割量：

S收割量＝S1_收割量+S2_收割量+S3_收割量+S4_收割量‑ε其中，ε为各收割量中重复计算的收割量；

S4233：计算研究区域内各芦苇器官的总收割量：其中，S茎、S叶鞘和S叶面分别为研究区内芦苇的茎、叶鞘和叶面的总收割量，Si_茎、Si_叶鞘和Si_叶面分别为第i个要素确定的芦苇收割范围内茎、叶鞘和叶面的对应收割量，i为旅游功能区、道路或航道、生态红线范围或居民地周边，ε茎、ε叶鞘和ε叶面分别为芦苇收割范围内茎、叶鞘和叶面收割量重复计算量。

2.根据权利要求1所述的芦苇生长情况评估方法，其特征在于，所述步骤S1包括：S11：获取研究区的遥感影像，并对遥感影像数据进行预处理，获得高精度遥感影像；

S12：在研究区内选取样本区域；

S13：结合步骤S12中的多块样本区域的特征，对高精度遥感影像的地物进行分类，获得实验样本，实验样本为研究区不同地物类型的范围；

S14：对步骤S13中的实验样本进行精度验证，判断实验样本是否满足精度要求，若是，获得满足精度的实验样本，进入步骤S15；否则，进入步骤S12，重新选择样本区域；

S15：提取满足精度要求的实验样本中的芦苇，得到研究区内遥感解译的芦苇分布范围A；

S16：获取研究区的地形数据；

S17：获取研究区内的芦苇在发芽期和生长期的水深数据；

S18：根据芦苇的生境要求，在研究区内确定符合生境要求的芦苇分布范围B；

S19：计算步骤S15中遥感解译的芦苇分布范围A和步骤S18中符合生境要求的芦苇分布范围B的交集，得到准确的芦苇分布范围C。

3.根据权利要求2所述的芦苇生长情况评估方法，其特征在于，所述步骤S11中获得高精度遥感影像的方法包括以下步骤：S111：遥感影像包括多光谱影像和全色影像，通过对多光谱影像进行辐射定标、大气校正、正射校正，对全色影像进行辐射定标、正射校正，并将处理后的多光谱影像和全色影像进行图像融合，得到融合后的遥感影像；

S112：结合地图影像对融合后的遥感影像进行几何校正；

S113：对研究区内的多幅影像进行裁剪和镶嵌拼接，得到研究区内完整的高精度遥感影像。

4.根据权利要求2所述的芦苇生长情况评估方法，其特征在于，所述步骤S12中获得多块样本区域的方法包括以下步骤：S121：根据高精度遥感影像将研究区内划分为不同的地物类型，并确定不同地物类型的影像纹理特征及分布范围；

S122：根据不同地物类型的影像纹理特征，在高精度遥感影像中选择30～40块对应的地物斑块作为样本区域。

5.根据权利要求2所述的芦苇生长情况评估方法，其特征在于，所述步骤S14中对实验样本进行精度验证的方法包括以下步骤：S141：对研究区域进行目视解译，结合实地考察和地图数据对目视解译的结果做对比修正，将修正后的目视解译的结果作为验证样本；

S142：将实验样本和验证样本对比，计算正确分类的实验样本的数量以及实验样本的分类精度，Kappa＝(po‑pe)/(1‑pe)

其中，Kappa为分类精度系数，po为所有正确分类的样本数之和除以总样本数；

2

pe＝(a1b1+a2b2+…+anbn)/n

其中，a1、a2、…、an为验证样本中的每一种地物类型的数量，b1、b2、。。。、bn为实验样本中的每一种地物类型的数量；

S143：分类精度系数分为5个级别，分类精度系数数值在0～0.2之间，则为极低一致性；

分类精度系数数值在0.21～0.4之间，则为一般一致性；分类精度系数数值在0.41～0.6之间，则为中等一致性；分类精度系数数值在0.61～0.8之间，则为高度一致性；分类精度系数数值0.81～1之间，则为完全一致；

S144：若分类精度系数数值小于0.81时，则返回步骤2，重新选择样本区域和实验样本，直至分类精度系数数值大于等于0.81。

6.根据权利要求2所述的芦苇生长情况评估方法，其特征在于，所述步骤S17中芦苇在发芽期和生长期的水深数据为：4～5月份为芦苇的发芽期，要求水深小于0.3m；6～10月份为芦苇的生长期，6月份的要求水深为小于0.63m，7月份的要求水深小于0.96m，8月份的要求水深为小于1.29m，9～10月份的要求水深小于1.63m。

7.根据权利要求2所述的芦苇生长情况评估方法，其特征在于，所述步骤S18中确定研究区内符合生境要求的芦苇分布范围B的方法包括以下步骤：S181：根据研究区内4‑10月份的水位高度数据以及研究区内的地形高度数据，分别用研究区内4‑10月份的水位高度数据减去研究区内的地形高度数据，得到在4‑10月份中，研究区内每个月的水深分布情况；

S182：根据4‑5月份的水深数据，提取水深小于0.3m的范围B1；根据6月份水深数据，提取水深小于0.63m的范围B2；根据7月份水深数据，提取水深小于0.96m的范围B3；根据8月份水深数据，提取水深小于1.29m的范围B4；9～10月份，提取水深小于1.63m的范围B5；

S183：计算B1、B2、B3、B4和B5范围的交集，得到符合生境要求的芦苇分布范围B。

8.根据权利要求1所述的芦苇生长情况评估方法，其特征在于，所述步骤S4包括：S41：利用逐日或逐旬的水位数据减去高精度地形数据，得到逐日或逐旬的水深变化数据；

S42：利用水深与芦苇高度的关系模型、水深与芦苇的茎粗的关系模型、水深与芦苇种植密度的关系模型和水深与芦苇产量的关系模型分析不同区域芦苇各性状的质量。

9.根据权利要求8所述的芦苇生长情况评估方法，其特征在于，所述步骤S42具体包括：S421：利用研究区中芦苇发育期的水深数据中逐日或逐旬的水深数据，结合深与芦苇高度的关系模型、水深与芦苇的茎粗的关系模型、水深与芦苇种植密度的关系模型和水深与芦苇产量的关系模型，得到不同区域中的芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量。