1.一种冬小麦越冬期苗情分级遥感监测方法，其特征在于，包括：S1.获取影像数据，选取天气晴朗、云量少的哨兵2卫星的遥感数据，根据波段反射信息获取三类影像数据，包括归一化植被指数NDVI、归一化差异池塘指数NDPI、土壤调节植被指数SAVI数据，根据冬小麦种植空间分布提取结果，提取研究时间段内冬小麦的影像数据，基于研究区行政矢量图，利用云平台对县级冬小麦时序影像集合的影像数据进行提取，对空缺日期应用空间线性插值进行填补；

S2.聚合影像数据，根据冬小麦种植面积提取结果，对S1处理后的影像数据做时间聚合操作，提取当季冬小麦植被指数最大值 ：；

式中， 对应冬小麦播种期， 对应冬小麦越冬期， 表示返回 最大时对应的 ，即 ， 对应当季冬小麦植被指数， 对应冬小麦某个时期；

S3.权重分配和函数构建，对影像数据的三个指数分别赋予权重因子 、、 ，赋权后求和得到复合指数CTVI，根据农情区域实测统计数据设定一类苗、二类苗和三类苗分级的CTVI阈值 和 ，CTVI的权重分配为：；

式中，下标 表示该指数对应的当季冬小麦植被指数最大值；

的计算式以及CTVI的权重分配组合即为苗情识别模型；

S4.优化算法参数优化；

S5.得到苗情识别模型的最优参数，结合实际数据完成苗情分级。

2.根据权利要求1所述的一种冬小麦越冬期苗情分级遥感监测方法，其特征在于，S3包括：三个权重因子的总和为3，权重因子确定方法具体为：S3.1.计算影像数据所在区域的植被覆盖率z%，确定 ：；

式中，为中间常数；

S3.2.计算影像数据所在区域的池塘面积占总面积的百分比h%，确定 ：；

S3.3.计算影像数据所在区域的土壤覆盖率l%，确定 ：；

S3.4.确定三个权重因子后，将三个权重因子进行中间常数消除：；

式中， 表示中间常数消除后的第j个权重因子, 表示第j个权重因子；

S3.5.将 会带至CTVI的权重分配的公式中。

3.根据权利要求2所述的一种冬小麦越冬期苗情分级遥感监测方法，其特征在于，S4包括：得到苗情识别模型共包含5个参数 、 、 、 、 和3个自变量 、 、，通过遗传优化算法，仅使用遥感信息和区域统计信息，对苗情识别模型的五个参数进行优化，使用遗传算法进行函数优化：S4.1.参数初始化及优化范围，根据指数在区域内的最大值和最小值作为参数的范围，并选取范围的中间值作为模型参数的初始值；

S4.2.适应度计算，选择农情区域实测统计数据与区域遥感预测统计数据的均方根误差RMSE值作为适应度函数，以RMSE最小作为优化目标：；

式中， 为个体适应度，为训练样本个数， 为预测统计数据， 为实测统计数据；

S4.3.迭代计算，使用适应度函数对个体进行适应度评价，遗传算法按与个体适应度成正比的概率来决定当前群体中各个个体遗传到下一代群体中机会的多少，并根据个体适应度的大小来进行复制、交叉和遗传操作，对模型参数进行重复迭代运算，当相邻代无明显变化或达到预先设定迭代次数后，结束迭代计算，对优化个体进行解码，得到优化后的模型参数值；

相邻代无明显变化具体为相邻代差值<0.01；

预先设定迭代次数为500次。