土地是社会发展重要的物质基础和人类活动的空间载体，土地资源的合理利用是促进经济增长、 保障我国可持续发展战略顺利实施的根本保证。目前土地资源合理利用的分析方法大多基于大数据； 然而，深度调查表明土地资源数据中存在着大量的小样本数据，当前还缺乏对土地小样本数据的相关 研究，仅靠大数据分析不能完全实现土地利用现状判读。因此，为夯实土地利用现状判读理论与技术 ，本项目研究面向土地利用现状判读的小样本跨模态学习，探索语义不匹配、类别不均衡、数据零样 本数据计算问题，包括：①针对历史地类小样本数据语义层次不匹配问题，研究基于跨模态迁移的语 义匹配模型；②针对典型地类小样本数据类别不均衡、模态样本缺失问题，研究跨模态生成特征学习 模型；③针对新增地类部分模态无历史数据，数据零样本问题，研究跨模态零样本特征学习模型；以 此充分发挥人工智能技术的优势，以土地系统科学为理论指导，为土地资源规划和可持续发展提供技 术支撑。
