技术特征：
1.一种基于时序遥感影像的作物分类方法，其特征在于，采用融合空域特征和时间维度的作物分类模型进行作物分类；所述作物分类模型包括可学习位置编码模块、空域编码模块、时域编码模块和分类解码器；所述可学习位置编码模块用于对日历时间做编码，得到与作物生长相关的时间维度；所述空域编码模块用于对哨兵2的单幅多光谱遥感影像进行特征提取，得到空域特征；所述时域编码模块用于将空域特征和时间维度糅合起来，提取得到时域特征；所述分类解码器用于根据时域特征得出作物分类结果；所述作物分类模型的训练方法：首先，在源数据集上通过时间偏移增强的方式训练作物分类模型m，得到初步训练后的作物分类模型 ms；然后，在源域和目的域上以半监督的方式继续训练作物分类模型ms，训练时时移增强随着训练次数的增加而衰减，直至交互熵损失和平方差损失之和达到最小，得到最终作物分类模型msd；将时序多光谱遥感影像输入最终作物分类模型msd，得到作物分类结果。2.根据权利要求1所述的基于时序遥感影像的作物分类方法，其特征在于，所述可学习位置编码模块由gru模块与全连接层构成。3.根据权利要求1或2所述的基于时序遥感影像的作物分类方法，其特征在于，所述空域编码模块采用cnn模块或像素编码器pse；所述时域编码器采用gru模块、rnn模块、lstm模块、时域注意力编码器tae中的一种；所述分类解码器采用cnn模块或支持向量机svm。
技术总结
本发明公开了一种基于时序遥感影像的作物分类方法，通过作物分类模型进行作物分类，作物分类模型包括可学习位置编码模块、空域编码模块、时域编码模块和分类解码器；可学习位置编码模块用于对日历时间做编码，得到与作物生长相关的时间维度；空域编码模块用于对哨兵2的单幅多光谱遥感影像进行特征提取，得到空域特征；时域编码模块用于将空域特征和时间维度糅合起来，提取得到时域特征；分类解码器用于根据时域特征得出作物分类结果。本发明提出对日历时间进行编码，与空域特征进行糅合，利用跨域时间编码消除源数据集和目的数据集时间分布不一致的问题；再通过带时移增强衰减的半监督方法充分挖掘目的数据集的空间几何信息，以提高作物分类精度。以提高作物分类精度。以提高作物分类精度。
技术研发人员：徐雪 李劲松 钱海明 茹菲 臧霄鹏 周春寅 魏雨 张杰 王梦阳
受保护的技术使用者：天地信息网络研究院（安徽）有限公司
技术研发日：2022.12.19
技术公布日：2023/1/31