Temporal Multi-Scale Spatio-Temporal Network (TMST): Polarization–Temporal Feature Selection and Multi-Scale Spatiotemporal Fusion for Crop Mapping
提出TMST网络，融合SAR与多光谱时序数据实现作物制图。
← 主题
#作物制图
Synergistic Use of Multitemporal SAR and Optical Data with Random Forest Approach for Rice Mapping in Bangladesh
融合Sentinel-1 SAR与Sentinel-2光学影像，用随机森林在GEE上绘制孟加拉国Bo
Improving smallholder representation in crop maps
改进遥感作物制图以更好识别小农户农田，以巴拉圭为例。
作物制图模型可跨区域"迁移应用"——中国农科院资划所构建自适应作物制图模型,无需目标区域地面样本
中国农业科学院农业资源与农业区划研究所农业绿色发展科学与工程团队构建了一种面向跨区域应用的作物制图模型,可在目标区域缺少地面样本标签的情况下开展作物分类。研究成果发表在《农业中的计算机与电子学(Computers and Electronics in Agriculture)》上。传统作物制图依赖大量地面样本,采集成本高、周期长;不同地区气候条件、种植方式和作物生长特征差异明显,模型跨区域应用难度较大。该模型通过多个分类算法的协同约束,学习不同区域间相对稳定的作物识别特征,减少区域差异对模型迁移应用的影响,研究团队在多个国家开展实验验证其稳定性。