摘要
自动、精准的作物类型地图可为理解粮食系统提供前所未有的信息，尤其在地面调查频次较低的发展中国家更具价值。然而，现有方法在数据稀缺环境中应用的研究仍十分有限，而此类区域往往面临地块形状不规则、云层覆盖频繁、地块面积小以及训练数据严重不足等独特挑战。为弥补这一研究空白，本文首次构建了面向小农户农场的作物类型语义分割数据集，涵盖加纳与南苏丹地区。同时，我们首次利用高分辨率、高频次卫星遥感数据对小农户农场进行作物类型分割。尽管面临诸多挑战，我们的方法在加纳地区实现了平均F1分数57.3%与总体准确率60.9%，在南苏丹地区分别达到69.7%和85.3%。此外，在数据丰富的德国场景下，我们的方法在F1分数上较当前最先进方法提升超过8个百分点，在准确率上提升超过6个百分点。相关代码与数据集链接已公开发布于：https://github.com/roserustowicz/crop-type-mapping。