一种基于深度学习的遥感图像植被覆盖度预测方法及系统

本发明公开了一种基于深度学习的遥感图像植被覆盖度预测方法及系统，涉及植被覆盖度预测技术领域，包括：收集多源遥感图像数据及对应真值标签，经预处理后提取光谱、纹理等特征构建数据集；构建含卷积神经网络(提取空间特征)和循环神经网络(处理时间序列特征)的预测模型，通过交叉验证和正则化训练模型；最后输入新数据实现预测。预处理中，光学遥感图像经辐射定标、大气校正和几何校正，孔径雷达图像去噪，激光雷达数据点云滤波分类。系统含数据收集、预处理、特征提取、模型构建、训练及预测模块。该方案融合多源数据与深度学习，提升了植被覆盖度预测精度，为生态监测等提供技术支撑。