及时准确的冬小麦空间分布信息对于粮食安全和作物生产管理至关重要。由于训练数据的获取成本高、效率低,大尺度、高质量、高空间分辨率的冬小麦分类产品依然匮乏。因此,我们提出了一种融合冬小麦物候、光谱和极化信息的训练数据自动化提取方法(Automated training data generation, ATDG),用于生成高质量的冬小麦训练样本,从而开展基于机器学习方法的冬小麦遥感制图。此外,基于生成
This dataset offers thousands of polygons on crop types collected within the Aral Sea Basin (ASB). It was collected in the scope of the project Central Asia Waters (CAWa, https://www.cawa-project.net/