文件名称：Crop-Classification:在卫星图像上使用深度学习对作物进行分类
文件大小：3.76MB
文件格式：ZIP
更新时间：2024-06-16 05:41:17
agriculture-research agricultural-modelling satellite-images crop-classification JupyterNotebook
利用多时相卫星图像进行农作物分类 该仓库提供了使用多时相卫星图像进行农作物分类的代码。 作物分类对于理解作物的供应很重要。 卫星图像有助于实时监测作物生长和健康状况。 如今，每天都有高分辨率的卫星图像。 利用高频数据和多个波段，可以使用深度学习对农作物进行分类。 有许多经典的机器学习农作物分类方法可用它使用单时间图像，并使用其结果精度相对较低作物的光谱特性和结构特性，但我们会使用由玫瑰M. Rustowicz笔者建议的方法 安装 conda create --name geo_py37 python=3.7 conda install gdal rasterio conda install numpy pandas geopandas scikit-learn jupyterlab matplotlib seaborn xarray rasterstats tqdm pytest sq
【文件预览】：
Crop-Classification-master
----GDAL Installation Process(253B)
----data-preprocessing.ipynb(31KB)
----Dataset()
--------download.txt(117B)
----README.md(2KB)
----DL model()
--------Crop_classification_DL_model.ipynb(24KB)
----NDVI based()
--------NDVI_based.ipynb(4.71MB)
----test3.kml(2KB)
----cover1.png(286KB)