一种基于深度学习的跨区域作物适收期监测方法

摘要文本

本发明提供了一种基于深度学习的跨区域作物适收期监测方法，包括：获取目标区域内的对应作物生长季内的高时空分辨率遥感数据，并生成多组植被指数时间序列；基于分类模型对各组植被指数时间序列进行像素提取，得到像素的时序特征，并根据时序特征得到分类结果；基于深度学习算法和分类结果，对高时空分辨率遥感数据的空间、光谱空间进行深度特征提取，得到特征级数据；构建初始神经网络模型，并基于特征级数据和分类结果对初始神经网络模型进行训练；将待测数据输入至跨区域作物适收期监测模型中，得到监测结果。本发明能够利用大规模的遥感图像对作物适收期进行高精度的监测，提高了跨区域作物适收期监测的自动化、智能化程度。