基于注意力集成学习的作物分类：使用 Landsat 8-9 深度融合
计算机视觉与模式识别
2025-06-24 v1
摘要
遥感技术能够有效获取作物总面积和作物类型的准确信息。本研究聚焦于中亚 (Central Punjab) 灌溉地区的作物覆盖识别。数据收集分为两个阶段：第一个阶段在 2023 年 1 月和 2 月进行现场调查，识别并对地理编码的六种目标作物进行定位；第二个阶段为每个地理编码的田地获取 Landsat 8-9 影像，以构建标记数据集。随后对卫星影像进行广泛的预处理，包括辐射校准以获得反射率值、大气校正和地理参考验证，以确保在统一坐标系内的一致性。随后应用影像融合技术，将 Landsat 8 和 9 的光谱波段组合，以获得增强的光谱信息，并进行对比度增强。在数据收集期间，访谈了农户，并使用 GPS 仪器精确绘制田地，形成了包含 50,835 个数据点的全面数据集。该数据集促进了如 NDVI、SAVO、RECI 和 NDRE 等植被指数提取，以及用于分类建模的常规分类器、集成学习和人工神经网络。还采用特征选择方法以识别分类学习的最佳特征集。本研究表明，结合遥感数据和先进建模技术可显著提高灌溉农业地区作物分类的准确性。
关键词
引用
@article{arxiv.2506.18321,
title = {Attention-Based Ensemble Learning for Crop Classification Using Landsat 8-9 Fusion},
author = {Zeeshan Ramzan and Nisar Ahmed and Qurat-ul-Ain Akram and Shahzad Asif and Muhammad Shahbaz and Rabin Chakrabortty and Ahmed F. Elaksher},
journal= {arXiv preprint arXiv:2506.18321},
year = {2025}
}
备注
Under review in Earth Systems and Environment