BriefGPT - AI 论文速递
·
结合卫星和气象数据进行作物类型地图绘制：一种逆向建模方法
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了一种利用卫星遥感数据进行作物分类的方法，通过归一化处理避免领域漂移问题，并结合卷积神经网络和循环神经网络进行像素分类。该方法在美国中西部极端天气造成的种植延迟实验中表现出卓越性能，分类精度达到85.4％至82.8％。
🎯
关键要点
-
提出了一种利用卫星遥感数据进行作物分类的方法。
-
通过归一化处理避免种植时间变化带来的领域漂移问题。
-
结合卷积神经网络和循环神经网络进行像素分类。
-
该方法在2019年美国中西部极端天气造成的种植延迟实验中表现出卓越性能。
-
分类精度在收获前为85.4%，在季中为82.8%。
➡️
