基于 XAI 的植被指数提升用于作物制图

植被指数允许高效监测植被生长和农业活动。以往的卫星遥感图像捕获的光谱带数有限，仅需少数专家设计的植被指数即可充分利用其潜力。然而，新一代多光谱和高光谱卫星能够捕获额外的光谱带，但尚未得到有效利用。在本研究中，我们提出一种基于可解释人工智能的方法，用于选择和设计合适的植被指数。我们首先使用多光谱卫星数据训练深度神经网络，然后提取特征重要性以识别最具影响力的光谱带。随后，我们选取适合的现有植被指数或对其进行修改以纳入所识别的光谱带，并重新训练模型。我们在作物分类任务上对方法进行验证。结果表明，基于单个指数训练的模型在与基于所有光谱带的基线模型相当的效果，某些情况下，两个指数的组合甚至超过基线模型。