本申请涉及一种基于稠密特征分组蒸馏的缺失模态地物分类方法。所述方法采用基于特权模态的稠密自适应分组蒸馏网络，该网络从训练集中所有可用模态中学习丰富的特权信息，并在训练集和模式稀缺的测试集中提高学习能力。缓解了不同模态之间的异质差距并传递特权信息，IG‑FGM将多模态特征分解为共享模态和专用模态组件，以实现分组蒸馏。为了实现多种模式的渐进式混合，将IG‑FGM插入到教师网络的不同层中；MS‑ADL策略突出了层次特征蒸馏和组件蒸馏的重要性。MS‑ADL策略使多次损失的权重随着训练过程不断变化。该方法的网络结构可以在测试过程中某一源遥感数据缺失的情况下生成地物地图，提高多模态地物分类效率。