1.一种基于NDVI时序特征的植被分类方法，其特征在于，包括以下步骤：(1)、样本数据采集；

设样本区域内植被的种类数为N，实地使用GPS手持仪在样本区域内记录各植被所在地的GPS世界坐标，然后记录对应坐标处植被的实际类型；

(2)、多时相遥感影像的下载及预处理；

(2.1)、在m个不同时刻分别下载样本区域和待分类地区的Sentinel‑2号卫星高分辨率遥感影像，各m张，其中，样本区域的遥感影像记为Xi，待分类地区的遥感影像记为(2.2)、对2m张遥感影像进行预处理；

在每一张遥感影像中，选取分辨率为10米×10米的蓝光B2、绿光B3、红光B4和近红外B8A四个波段数据，然后通过波段合成软件对四波段数据进行波段合成，形成RGB+近红外的真彩色影像，其中，遥感影像Xi处理完成后记为Yi，遥感影像 处理完成后记为 当2m张遥感影像进行相同处理后，共计得到2m张RGB+近红外的真彩色影像；

对每一张真彩色影像进行辐射定标和大气校正，处理完成后分别记为Zi和(3)、建立遥感影像的NDVI时序数据集；

(3.1)、定义NDVI时序数据集的元素值的取值范围为[‑1，1]，当元素值为负值时，判定为云，水，雪覆盖，当元素值为0时，判定为岩石或者裸土，当元素值为正值时，判定为植被覆盖，且元素值越大表明植被覆盖度越高；

(3.2)、定义像元的归一化植被指数NDVI；

其中，NDVI(x,y)表示影像中像元(x,y)处的归一化植被指数， 表示像元(x,y)处的近红外波段反射率值， 表示像元(x,y)处的红光波段的反射率值；

(3.3)、遍历每一张图像Zi与 然后利用公式计算出各像元(x,y)处的NDVI(x,y)；

(3.4)、对每一张图像Zi，分别计算出N种已知植被区域所包含像元的NDVI均值，并作为N种已知植被的NDVI指标，再将m张图像中N种已知植被的NDVI指标按遥感影像拍摄时间排序，从而得到样本区域已知植被的NDVI时序数据集；

(3.5)、设待分类地区中共包含M种未知植被，则对于每一张图像 分别计算出M种未知植区域被所包含像元的NDVI均值，并作为M种未知植被的NDVI指标，再将m景图像中M种未知植被的NDVI指标按遥感影像拍摄时间排序，从而得到待分类地区未知植被的NDVI时序数据集；

(4)、植被分类；

(4.1)、根据样本区域已知植被的NDVI时序数据集，建立N种植被在各时间点处的目标向量；

其中， 表示第j1种已知植被在第i个时刻的NDVI指标；

根据待分类地区未知植被的NDVI时序数据集，建立M种植被在各时间点处的待测向量；

其中， 表示第j2种已知植被在第i个时刻的NDVI指标；

(4.2)、给定N种已知植被的分类阈值

(4.3)、利用SAM算法进行分类；

(4.3.1)、以样本区域N种已知植被为基准，计算待分类地区中任意一种未知植被与某一已知植被的光谱角DSAM(j1,j2)；

(4.3.2)、比较光谱角DSAM(j1,j2)与分类阈值 的大小，如果 则判定待分类地区中未知植被j2与样本区域内已知植被j1为同一种类；否则，判定待分类地区中未知植被j2与样本区域内已知植被j1为不同种类。

2.根据权利要求1所述的基于NDVI时序特征的植被分类方法，其特征在于，所述步骤(4)中植被分类的方法还可以通过SID算法进行分类，具体过程为：

1.1)、以样本区域N种已知植被为基准，计算待分类地区中任意一种未知植被与某一已知植被的光谱信息散度DSID(j1,j2)；

其中，D(·||·)表示求相对熵；mi和ni分别表示比例系数，且满足

1.2)、比较光谱角DSID(j1,j2)与分类阈值 的大小，如果 则判定待分类地区中未知植被j2与样本区域内已知植被j1为同一种类；否则，判定待分类地区中未知植被j2与样本区域内已知植被j1为不同种类。