1.一种基于Sentinel‑1微波卫星影像的陆表水自动识别方法，其特征在于，其步骤如下：

S1、利用Sentinel‑1微波卫星和Landsat‑8光学卫星分别采集同天成像的N幅Sentinel‑1微波卫星影像和Landsat‑8光学卫星影像，根据Landsat‑8光学卫星影像得到改进归一化差异水体指数，并利用线性逐步回归法构建Sentinel‑1微波卫星影像和改进归一化差异水体指数之间的线性关系函数；

改进归一化差异水体指数的计算方法为： 其中，MNDWI为改进归一化差异水体指数，ρgreen为Landsat‑8地表反射率影像中绿色波段的地表反射率，ρswir为Landsat‑8地表反射率影像中短波红外波段的地表反射率；

S2、将Sentinel‑1微波卫星采集到的影像输入步骤S1中的线性关系函数中获得Sentinel‑1陆表水指数图像；

S3、构建SSWI陆表水识别模型，利用SSWI陆表水识别模型对步骤S2中的Sentinel‑1陆表水指数图像进行处理，得到陆表水‑非陆表水二值图像；

所述步骤S3中构建的SSWI陆表水识别模型为三层判别层，判别层I的范围为[a,b]，判别层II的阈值为c，判别层III的阈值为d和e；

所述利用SSWI陆表水识别模型对步骤S2中的Sentinel‑1陆表水指数图像进行处理，得到陆表水‑非陆表水二值图像的方法为：S31、判断像元i的Sentinel‑1陆表水指数属性值SSWIi是否位于判别层I的范围[a,b]内，若是，执行步骤S32，否则，将像元i的属性值设置为1；

S32、判断VH极化影像中像元i的后向散射系数ζvh,i是否小于判别层II的阈值c，若是，将像元i的属性值设置为1，否则，执行步骤S33；

S33、判断VH极化影像中像元i的后向散射系数ζvh,i是否小于判别层III的阈值为d，若是，执行步骤S34，否则，将像元i的属性值设置为0；

S34、判断VV极化影像中像元i的后向散射系数ζvv,i是否大于判别层III的阈值为e，若是，将像元i的属性值设置为1，否则，将像元i的属性值设置为0；

S35、循环执行步骤S31至步骤S34直至遍历完SSWI图像中所有像元，得到陆表水‑非陆表水二值图像；

S4、按照步骤S1至步骤S3的方法获取历史数天的陆表水‑非陆表水二值图像，并计算陆表水被Sentinel‑1微波卫星观测的概率；

S5、将步骤S4中概率大于70％的像元的属性值均设置为1，其余像元的属性值均设置为

0，得到正掩膜图像；

S6、利用二次判别模型对步骤S3中得到的陆表水‑非陆表水二值图像进行修正，得到修正后的陆表水‑非陆表水二值图像；

所述采用二次判别模型对步骤S3中得到的陆表水‑非陆表水二值图像进行修正的方法为：

S61、将步骤S3中得到的当前时相的陆表水‑非陆表水二值图像作为时相为T的图像DNT，时相为T‑1的陆表水‑非陆表水二值图像为图像DNT‑1，时相为T+1的陆表水‑非陆表水二值图像为图像DNT+1；

S62、利用(DNT‑1+DNT+1)/2+DNT对步骤S61中的图像DNT、DNT‑1、DNT+1进行处理后与正掩膜图像相乘，得到图像DN'T；

S63、判断图像DN'T中像元的属性值是否小于1，若是，将像元的属性值设置为0，否则，将像元的属性值设置为1，得到修正后的陆表水‑非陆表水二值图像；

S7、对步骤S5中的正掩膜图像进行取反运算，得到反掩膜图像，并将反掩膜图像与步骤S3中的陆表水‑非陆表水二值图像相乘后再与步骤S6中修正后的陆表水‑非陆表水二值图像进行拼接，得到陆表水的空间分布。

2.根据权利要求1所述的基于Sentinel‑1微波卫星影像的陆表水自动识别方法，其特征在于，所述步骤S1中Sentinel‑1微波卫星影像和改进归一化差异水体指数的线性关系函数为：

2 2

SSWIi＝α+β×ζvv,i+γ×ζvh,i×ζvv,i+δ×ζvh,i+η×ζvv,i，其中，SSWIi为像元i的Sentinel‑1陆表水指数属性值，α、β、γ、δ、η均为线性回归参数，ζvv,i为Sentinel‑1微波卫星影像中VV极化影像中像元i的后向散射系数，ζvh,i为Sentinel‑1微波卫星影像中VH极化影像中像元i的后向散射系数，i＝1,2,…,n，n为Sentinel‑1微波卫星影像中像元的数量。

3.根据权利要求1或2所述的基于Sentinel‑1微波卫星影像的陆表水自动识别方法，其特征在于，所述陆表水被Sentinel‑1微波卫星观测的概率的计算方法为：计算历史数天内的所有陆表水‑非陆表水二值图像中属性值为1的像元的概率。