一种顾及反演不确定性与跨尺度迁移学习可解释性的植被覆盖度反演方法

本发明公开了一种顾及反演不确定性与跨尺度迁移学习可解释性的植被覆盖度反演方法，包括：执行特征选择操作，通过融合粒子群算法与SHAP解释框架生成核心特征集；量化空间匹配差异引起的不确定性，在不同重叠度梯度下对比反演值与实测值的误差分布；采用迁移学习策略进行跨尺度植被覆盖度制图，利用目标域数据调整源域模型参数；基于优化后的模型生成目标区域的高时空连续性植被覆盖度产品。本发明实现85％重叠度阈值的不确定性控制，提高迁移制图精度。