2021年7月10日，西北农林科技大学机电学院韩文霆研究员在遥感类期刊Remote Sensing(中科院二区，Top)发表了题为“Extraction of Sunflower Lodging Information Based on UAV Multi-Spectral Remote Sensing and Deep Learning”的研究论文。博士生李广为第一作者，韩文霆研究员为通讯作者。
向日葵倒伏区域的快速准确提取，可为农业管理部门及保险部门提供及时准确的数据，在灾害评估及灾后管理方面具有重要意义。为探究目前常用的遥感图像分类方法在无人机多光谱图像中对向日葵倒伏信息提取的适用性，本文选用随机森林、SegNet及U-Net方法分别与无人机多光谱影像的RGB、RGB+Nir、RGB+Red edge、RGB+Nir+Red edge等波段信息结合构建模型进行倒伏预测及分析，发现深度学习方法在倒伏提取效果及精度上都优于随机森林方法。分析无人机多光谱波段对向日葵倒伏信息提取影响时，发现在RGB波段上增加Nir对于倒伏提取具有促进作用，增加Red edge波段会降低分类精度，主要是由于在Red edge波段下倒伏向日葵的反射率与土壤背景反射率相似，使两类地物混分而影响提取结果。分析向日葵生长不均匀区域的预测结果，发现两种常用深度学习方法对于测试区的倒伏提取精度不高，主要由模型对覆盖度低及混合区内倒伏的未识别造成的是后期研究需攻克的难点。本文对多种方法及多种特征在区域向日葵倒伏信息提取的适用性进行分析得出结论，可为区域向日葵倒伏准确快速提取方法建立提供参考。
图1 不同方法及波段组合下向日葵倒伏预测结果图
图2三类地物光谱反射率曲线
论文链接：https://www.mdpi.com/2072-4292/13/14/2721