报告详情
基于多源遥感数据与深度学习的典型农作物分类研究
编号：1309
访问权限：仅限参会人
更新：2024-04-11 14:11:21 浏览：1908次
口头报告
报告开始：2024年05月19日 11:31（Asia/Shanghai）
报告时间：8min
所在会场：[S7] 主题7、遥感与地理信息科学 [S7-6] 主题7、遥感与地理信息科学 专题7.10、专题7.7（19日上午，305）
暂无文件
摘要
农作物的有效监测和管理对确保全球粮食安全至关重要。随着人口增长和资源压力的加剧，尤其是面对可耕地面积的有限性，开发和应用先进技术以提高监测效率和精度变得尤为关键。因此本研究提出了一种利用多源遥感数据和深度学习技术对典型作物进行分类的新方法。通过采用改进的DeepLabV3+网络架构，集成了额外的卷积层和注意力机制，并构建一个合成孔径雷达（SAR）和光学数据的复合特征集，显著提升了作物识别的准确性。该方法有效克服了单一数据源的限制，并利用作物在不同生长阶段的特征，有效应对了光谱相似性带来的挑战，为不同环境和土地覆盖条件下的精准农业监测提供了强有力的技术支撑。实验结果表明，所提出的方法优于传统分类技术，总体准确率和F1分数分别为91.45%和91.31%。这项研究凸显了深度学习与耕地分类相结合的潜力，为加强农业监测指明了方向。
关键词
农作物分类,高分二号,合成孔径雷达,改进的deeplabV3+网络
报告人
李乐
硕士研究生 安徽省合肥市安徽大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论