一种基于样本时空扩充的农作物遥感分类方法与系统

本发明公开了一种基于样本时空扩充的农作物遥感分类方法与系统，首先利用时间序列谐波分析获得实地调查样本的植被指数时间序列，通过核密度估计得到各类农作物的标准时间序列，结合时间加权的动态时间扭曲初步确定随机生成样本在时空中的农作物类型，然后通过随机森林邻近度和二分k‑means聚类的迭代过程进一步确定随机生成样本的农作物类型，并利用农作物类别明确的大量时空扩充样本训练分类模型，最后利用训练好的分类模型进行农作物分类。本发明所提方法基于已有的少量实地调查样本生成不同历史年份、分布均匀、类别明确的大量样本，相比于现有的基于少量样本的农作物分类方法，有效地提高了农作物分类的精度。