1.一种基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：该方法包括下列顺序的步骤：(1)获取待提取区域的GF‑6WFV数据，并对数据进行预处理，得到预处理后的GF‑6WFV数据；

(2)采用决策树分层逐级提取策略剔除预处理后的GF‑6WFV数据中的非农作物像元，得到农田植被总体分布数据；

(3)基于农田植被总体分布数据，生成候选遥感特征集合；

(4)对候选遥感特征集合进行特征优选，得到优选特征集合，再进行分类器的筛选，得到最佳分类器；

(5)将优选特征集合和最佳分类器结合，获得最优提取模型，并对最优提取模型的表现进行评价，考查最优提取模型对于大豆种植区的制图效果；

所述步骤(2)具体包括以下步骤：

(2a)所述决策树分层逐级提取方法包括第一层提取、第二层提取和第三层提取，所述非农作物像元是指除田间植被外的非农田地物；所述第一层提取是通过归一化水体指数NDWI和归一化植被指数NDVI实现GF‑6WFV数据中水体、建筑的分离，得到第一层提取结果即剔除水体、建筑像元的GF‑6WFV数据；

(2b)第二层提取是利用GF‑6WFV数据的近红外波段反射率剔除第一层提取结果中除田间植被外的非农田地物，除田间植被外的非农田地物包括含裸土和树木，得到第二层提取结果即剔除裸土和树木的GF‑6WFV数据；

(2c)第三层提取是利用2017年FROM‑GLC10全球土地利用产品所提供的耕地分布数据，将该耕地分布数据的空间分辨率重采样成16米，得到重采样之后的耕地分布数据，利用重采样之后的耕地分布数据生成掩膜文件，通过该掩膜文件对第二层提取结果进行掩膜处理，得到农田植被总体分布数据。

2.根据权利要求1所述的基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：所述步骤(1)具体包括以下步骤：

(1a)在中国资源卫星应用中心网站下载待提取区域的GF‑6WFV数据；

(1b)进行数据预处理，包括辐射定标、大气校正和正射校正处理，所述辐射定标、大气校正和正射校正基于RSD软件的一键大气校正和正射校正模块来实现，然后利用矢量行政边界数据进行裁剪，得到预处理后的GF‑6WFV数据。

3.根据权利要求1所述的基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：所述步骤(3)具体包括以下步骤：

(3a)在预处理后的GF‑6WFV数据中加入植被指数、纹理特征；

(3b)计算预处理后的GF‑6WFV数据不同波段组合的OIF指数，得到最优波段组合，并对预处理后的GF‑6WFV数据进行HSV变换得到三个色彩空间特征：色调、饱和度和亮度；

(3c)将所有的植被指数、纹理特征、色彩空间特征以及预处理后的GF‑6WFV数据融合在一起，并利用农田植被总体分布数据对融合后的数据进行掩膜，形成基于农田植被总体分布的全部特征集合，即候选遥感特征集合。

4.根据权利要求1所述的基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：所述步骤(4)具体包括以下步骤：

(4a)基于候选遥感特征集合选取涵盖待提取区域主要作物的样本点生成感兴趣区，提取各候选特征数值，利用ReliefF算法计算候选特征的重要性；

(4b)在候选特征重要性排序的基础上，采用序列前向选择法得到随机森林RF、BP神经网络BPNN、支持向量机SVM三个分类器的优选特征集合；

(4c)对3米分辨率的Planet影像进行精细分类，得到各样方内大豆的分布；

(4d)以优选特征集合作为输入，得到RF、BPNN、SVM三个分类器的大豆分类结果图，以Kappa系数作为依据，利用Planet影像得到的大豆分布对分类结果进行精度验证，Kappa值越高表示分类结果越好，Kappa值最高的分类器则为提取大豆种植区的最佳分类器。

5.根据权利要求1所述的基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：所述步骤(5)具体包括以下步骤：

(5a)将对应最佳分类器的优选特征集合输入至最佳分类器，形成最优提取模型，并建立三种方案对最优提取模型的表现进行评价：将原农田植被总体分布数据输入至最佳分类器中，此为方案一；将候选遥感特征集合作为最佳分类器的输入，此为方案二；最优提取模型即为方案三，由三种方案分别在ENVI软件中利用分类器算法执行分类，得到三种对应的大豆种植区提取结果；

(5b)以Planet影像各样方内大豆的分布作为参照，对三种方案的大豆种植区提取结果生成混淆矩阵，进行精度验证，根据Kappa系数值查看最优提取模型相较于其他方案的优势，考查最优提取模型对于大豆种植区的制图效果。