遥感影像岩性分类：基于CNN与CNN-EL集成学习的深度学习方法
1. 任务概述
岩性分类是地质遥感的核心任务，旨在通过遥感影像识别地表岩石类型。本文使用ASTER（多光谱热辐射传感器）和Sentinel（多光谱成像卫星）数据，采用卷积神经网络（CNN）及CNN-集成学习（CNN-EL）方法实现高精度岩性分类。
2. 数据预处理
2.1 数据源说明
- ASTER数据：14个波段（VNIR/SWIR/TIR），分辨率15-90m
- Sentinel-2数据：13个波段，分辨率10-60m
- 标签数据：地质调查局岩性矢量图
2.2 预处理流程
import rasterio
impo
