STS-NET：基于卫星影像时序的自监督作物胁迫检测网络
研究提出基于自监督3D卷积自编码器（3D-CAE）的时空胁迫网络STS-NET，利用Planetscope高分辨率影像的NDVI、GNDVI、RECI和NDRE四种植被指数进行作物胁迫检测。模型在Barnala时空（BSPT）数据集训练，并在印度北方邦Lakhimpur-Kheri地区2.5英亩甘蔗试验田的真实数据集（一年期）上评估。STS-NET在水胁迫检测上达到97.98%精度、氮胁迫85.08%精度、复合胁迫83.47%精度。结果表明该网络能以最少标注数据有效检测甘蔗作物胁迫，并可作为简单模型的稳健特征提取器。