联合迁移与时空深度学习反演缺失遥感影像水质的方法

本发明涉及一种联合迁移与时空深度学习反演缺失遥感影像水质的方法，首先获取区域A的卫星影像和地面观测数据，基于SAM分割大模型自动提取水域；通过时空信息关联卫星影像数据与地面观测数据，并利用深度神经网络建立区域A的水质反演模型；获取区域B的卫星影像和地面观测数据，利用SAM分割大模型分割出云遮挡区域，并通过迁移学习，利用区域B的少样本进行微调，获得区域B有卫星数据的反演模型及结果；最后，将反演结果结合时间序列插值并利用时空深度学习网络GTWNN建立时空模型校正，从而逐像元估算无卫星数据但有地面观测站点信息的反演结果。本方法在云量大、不使用无人机的情况下，具备自动化、高效性和普适性，能低成本持续监测水质状态。