基于深度学习模型与卫星影像时间序列的城市树种分类：数据驱动的可解释性分析
Data-driven interpretability of urban tree species classification from deep learning models and Satellite Image Time Series
发表于 2026年3月7日 · 收录于雷达 2026年11月5日
中文摘要
研究在法国斯特拉斯堡使用 Sentinel-2 和 PlanetScope 时间序列，评估 InceptionTime 模型对10、15和20种城市树种的分类表现，并提出数据驱动的可解释性框架。融合模型结合两类数据的空间、光谱和时间特征；分析发现，物候异常、树种间相似性及树冠变化与分类错误显著相关。