典型文献
基于深度学习的作物长势监测和产量估测研究进展
文献摘要：
作物长势是粮食产量估测与预测的主要信息源,随着高时空分辨率遥感数据的不断出现,遥感数据已呈现出明显的大数据特征,以深度学习为基础的作物长势监测和产量估测已成为指导农业生产的重要手段之一.本文通过总结深度学习模型样本以及模型结构的发展历程,概括了深度学习在区域尺度的研究现状,其中从样本构建和样本扩充两方面概述了模型样本,从卷积神经网络(CNN)、循环神经网络(RNN)及其优化结构和模型可解释性总结了深度学习模型结构的进展;随后从无人机平台和卫星平台两方面阐述了田块尺度国内外作物长势监测和产量估测研究的最新进展;最后指出了目前存在的问题和未来拟重点加强的研究任务,主要包括通过基于区域和参数的迁移学习以改善小样本的限制;深度学习模型和作物生长模型有机结合,以提高模型的可解释性;无人机平台与卫星平台相结合,确保时空融合过程中尺度转换的精度;深入探索深度学习在作物长势监测方面的应用潜力.
文献关键词：
农作物;长势监测;产量估测;遥感;深度学习
中图分类号：
作者姓名：
王鹏新;田惠仁;张悦;韩东;王婕;尹猛
作者机构：
中国农业大学信息与电气工程学院,北京100083
文献出处：
引用格式：
[1]王鹏新;田惠仁;张悦;韩东;王婕;尹猛-.基于深度学习的作物长势监测和产量估测研究进展)[J].农业机械学报,2022(02):1-14
A类：
B类：
作物长势监测,产量估测,粮食产量,信息源,高时空分辨率,遥感数据,数据特征,结深,深度学习模型,模型结构,区域尺度,样本扩充,循环神经网络,RNN,优化结构,模型可解释性,无人机平台,卫星平台,田块尺度,最新进展,研究任务,迁移学习,小样本,作物生长模型,时空融合,中尺度,尺度转换
AB值：
0.25954
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
