基于深度学习与遥感影像的红树林分布信息提取方法

本发明公开了基于深度学习与遥感影像的红树林分布信息提取方法，包括：首先，构建融合水文连通性等生态学先验知识的空间图，并采用PG‑STGT网络，从不规则的卫星影像时间序列中提取蕴含复杂时空依赖关系的高维特征；后续采用一种物理信息引导的对抗性解耦机制，将所述高维特征显式分解为三个子空间。最后，该方法应用解耦后的身份特征向量生成高鲁棒性分布图，并利用残差异常特征生成多维度红树林健康指数。本发明将物理机理与深度学习深度融合，提升了分类结果的时间一致性，并提供了对生态系统健康状况进行诊断的能力。