摘要
本发明属于遥感影像作物制图技术领域,涉及大区域低样本依赖度的作物制图方法与系统。该方法包括收集遥感数据、地面样本数据、气象数据、土壤数据、基础地理数据与灾害数据;建立作物种植地理分区;建立作物各个区域对应的关键生育期模型库;基于多种机器学习算法构建机器学习模型,得到机器学习作物提取模型;选取最优机器学习作物提取模型;得到作物空间分布底图;基于灾害信息的产品校正;利用适用于灾害响应的目标作物提取模型,得到区域作物制图。本发明能够解决由于地形地貌、土壤、气候等原因造成的大区域内农业种植差异大、模型的适用性差的问题,实现高精度的大尺度作物制图,降低作物制图的作物样本依赖度。
技术关键词
作物制图
基础地理数据
作物生育期
机器学习算法
大区域
构建机器学习模型
样本
指标
分区
像素
区域作物
归一化植被指数
气象
特征值
模型库
基础地理信息数据
云投影
系统为您推荐了相关专利信息
闭环方法
数据安全保障
细粒度访问控制策略
机器可读程序
数据安全审计
建筑运维管理系统
逻辑回归模型
故障预测模型
平均故障间隔时间
数据采集器
资源配置数据
虚拟游戏场景
资源配置方法
玩家
游戏策略
海洋环境数据
规划系统
数据分析模块
数据采集模块
捕捞作业