面向卫星时间序列农业监测的早期分类
机器学习
2019-08-28 v1 机器学习
摘要
在这项工作中，我们将一种近期开发的早期分类机制引入基于卫星的农业监测。它通过基于先前所见信息的额外停止概率来增强现有分类模型。该机制端到端可训练，并仅从观测到的卫星数据得出其停止决策。我们展示了在中欧地块上的结果，那里有充分的地面真值数据可用于结合从权威机构获取的地方物候信息对结果进行经验性评估。我们观察到，配备该早期分类机制的循环神经网络能够在营养期结束前区分多种作物类型。此外，我们将这些停止时间与评估的地面真值信息相关联，并发现分类时间与所观测植物物候的特征事件相关。
引用
@article{arxiv.1908.10283,
title = {Early Classification for Agricultural Monitoring from Satellite Time Series},
author = {Marc Rußwurm and Romain Tavenard and Sébastien Lefèvre and Marco Körner},
journal= {arXiv preprint arXiv:1908.10283},
year = {2019}
}
备注
Appeared at the International Conference on Machine Learning AI for Social Good Workshop, Long Beach, United States, 2019