一种物候匹配策略的大尺度迁移学习作物分类方法及系统与流程

技术特征：
1.一种物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，包括：分别对重构后的迁移学习区的时序数据、重构后的目标区域的时序数据进行物候特征提取，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征；根据所述迁移学习区的物候特征、所述目标区域的物候特征，确定所述迁移学习区与所述目标区域之间的作物物候匹配关系；基于所述迁移学习区与所述目标区域之间的作物物候匹配关系，提取所述迁移学习区的训练数据集，以训练物候匹配的作物分类模型，并基于所述物候匹配的作物分类模型对所述目标区域的作物进行分类。2.根据权利要求1所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述重构后的所述迁移学习区的时序数据、所述重构后的所述目标区域的时序数据通过以下步骤得到：分别对所述迁移学习区的时序数据和所述目标区域的时序数据依次进行异常点检测、插值和滤波处理，对应得到重构后的所述迁移学习区的时序数据，以及，重构后的所述目标区域的时序数据。3.根据权利要求1所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述分别对所述重构后的所述迁移学习区的时序数据、所述重构后的所述目标区域的时序数据进行物候特征提取，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征，具体为：按照预设的物候特征提取规则，分别对所述重构后的所述迁移学习区的时序数据、所述重构后的所述目标区域的时序数据进行逐像元计算，对应得到所述迁移学习区的每一个像元的物候特征、所述目标区域的每一个像元的物候特征；分别对所述迁移学习区的每一个像元的物候特征、所述目标区域的每一个像元的物候特征进行合成处理，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征。4.根据权利要求3所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述分别对所述迁移学习区的每一个像元的物候特征、所述目标区域的每一个像元的物候特征进行合成处理，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征，具体为：分别提取所述迁移学习区的每一个像元的物候特征的众数、所述目标区域的每一个像元的物候特征的众数，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征。5.根据权利要求1所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述根据所述迁移学习区的物候特征、所述目标区域的物候特征，确定所述迁移学习区与所述目标区域之间的作物物候匹配关系，具体为：根据所述迁移学习区的物候特征、所述目标区域的物候特征，确定所述迁移学习区与所述目标区域之间的物候时间差；根据所述迁移学习区与所述目标区域之间的物候时间差，确定所述迁移学习区与所述目标区域之间的作物物候的最佳匹配时间范围；分别以所述迁移学习区的物候特征对应的时间和所述目标区域的物候特征对应的时间为基准，根据所述迁移学习区与所述目标区域之间的作物物候的最佳匹配时间范围，确定所述迁移学习区与所述目标区域之间的作物物候匹配关系。
6.根据权利要求1所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述基于所述迁移学习区与所述目标区域之间的作物物候特征匹配关系，提取所述迁移学习区的训练数据集，以训练物候匹配的作物分类模型，并基于所述物候匹配的作物分类模型对所述目标区域的作物进行分类，具体为：以所述目标区域的物候特征对应的时间为基准，根据所述迁移学习区与所述目标区域之间的作物物候特征匹配关系，对所述迁移学习区的物候特征进行时间平移，得到所述迁移学习区的作物分类模型的训练数据对应的时间范围；在所述训练数据对应的时间范围内，提取所述迁移学习区的影像特征，得到所述迁移学习区的训练数据集，以训练物候匹配的作物分类模型，并基于所述物候匹配的作物分类模型对所述目标区域的作物进行分类。7.根据权利要求6所述的物候匹配策略的大尺度迁移学习作物分类方法，其特征在于，所述迁移学习区的影像特征包括：所述迁移学习区的时序光谱数据和所述迁移学习区的植被指数数据，其中，所述时序光谱数据为所述迁移学习区的遥感数据的光谱波段，所述植被指数数据有多个，所述植被指数数据由对所述时序光谱数据进行波段计算得到；所述在所述训练数据对应的时间范围内，提取所述迁移学习区的影像特征，以得到所述迁移学习区的训练数据集，具体为：在所述训练数据对应的时间范围内，提取预先构建的所述迁移学习区的时序光谱数据和植被指数数据，以得到所述迁移学习区的训练数据集。8.一种物候匹配策略的大尺度迁移学习作物分类系统，其特征在于，包括：特征提取单元，配置为：分别对重构后的迁移学习区的时序数据、重构后的目标区域的时序数据进行物候特征提取，对应得到所述迁移学习区的物候特征、所述目标区域的物候特征；物候匹配单元，配置为：根据所述迁移学习区的物候特征、所述目标区域的物候特征，确定所述迁移学习区与所述目标区域之间的作物物候匹配关系；模型训练单元，配置为：基于所述迁移学习区与所述目标区域之间的作物物候匹配关系，提取所述迁移学习区的训练数据集，以训练物候匹配的作物分类模型并基于所述物候匹配的作物分类模型对所述目标区域的作物进行分类。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序为如权利要求1-7任一所述的物候匹配策略的大尺度迁移学习作物分类方法。10.一种电子设备，其特征在于，包括：存储器、处理器、以及存在所述存储器中并可在所述处理器上运行的程序，所述处理器执行所述程序时实现如权利要求1-7任一所述的物候匹配策略的大尺度迁移学习作物分类方法。

技术总结
本申请涉及数据识别技术领域，提供了一种物候匹配策略的大尺度迁移学习作物分类方法、系统、计算机可读存储介质和电子设备。该方法包括：分别对重构后的迁移学习区的时序数据、重构后的目标区域的时序数据进行物候特征提取，对应得到迁移学习区的物候特征、目标区域的物候特征；根据迁移学习区的物候特征、目标区域的物候特征，确定迁移学习区与目标区域之间的作物物候匹配关系；基于迁移学习区与目标区域之间的作物物候匹配关系，提取迁移学习区的训练数据集，以训练物候匹配的作物分类模型，并基于物候匹配的作物分类模型对目标区域的作物进行分类。如此，使目标区域能够迅速得到可用的作物分类预测结果。到可用的作物分类预测结果。到可用的作物分类预测结果。


技术研发人员：刘文达 梁治华 丁志平
受保护的技术使用者：北京艾尔思时代科技有限公司
技术研发日：2022.03.17
技术公布日：2022/4/12