一种基于云平台和深度学习的多源遥感数据农业干旱监测方法

本发明公开一种基于云平台和深度学习的多源遥感数据农业干旱监测方法，包括：S1：获取目标区域的多源遥感数据，根据获取的多源遥感数据计算农业干旱监测指数并将其作为自变量，获取目标区域的标准化降水蒸散指数SPEI作为因变量；S2：构建CNN‑LSTM混合模型，将数据划分为训练集和测试集，对CNN‑LSTM混合模型不断迭代，直至训练结果达到停止训练标准，则完成CNN‑LSTM混合模型的训练；S3：通过评价指标计算CNN‑LSTM混合模型输出的预测值与真实值之间的偏差，若超出预期标准则优化超参数，并返回执行步骤S2；S4：将新获取的多源遥感数据输入CNN‑LSTM混合模型，CNN‑LSTM混合模型完成对降水蒸散指数的预测。本发明通过云计算和卷积网络技术，显著提高计算效率，能够更准确的评估农业干旱状况。