2023年2月4日，西北农林科技大学机电学院韩文霆研究员在遥感类类期刊Remote Sensing（中科院二区Top期刊）发表了题为“Multi-Year Crop Type Mapping Using Sentinel-2 Imagery and Deep Semantic Segmentation Algorithm in the Hetao Irrigation District in China”的研究论文。西北农林科技大学机电学院为第一单位，博士生李广为第一作者，韩文霆研究员为通讯作者。
结合农业生产数据，准确获取作物多年空间分布信息，对农业生产优化管理具有重要意义。但在大面积作物类型制图中仍存在一些问题，如作物类型制图模型通用性较低、易受云污染等。本文首先通过计算中国河套灌区主要作物(小麦、玉米、向日葵和西葫芦)在不同生育期的全球分离指数(GSI)，确定关键时段；其次，利用关键时段多期影像制作数据集，结合多种深度学习算法(U-Net、U-Net++、Deeplabv3+、SegFormer)构建作物制图通用模型；再次，利用关键时段内大区域多期影像相互掩膜，获取到大区域高质量影像；最后，将相关模型和方法分别应用于2017-2020年HID作物制图，研究制图方法的通用性。结果表明，关键时段多期影像得到的图像有效地避免了云和气溶胶的影响。与其他三种算法相比，U-Net具有更好的映射效果，F1-score、mIOU和OA（overall accuracy）分别为78.13%、75.39%和96.28%。将制图模型应用于其他年份制图，平均OA超过88.28%。将模型应用于2017-2019年农作物(县域粮食作物、经济作物和耕地面积)制图时，对得到的制图面积与地面测量数据进行回归分析，R2为0.856，RMSE为17221 ha，表明达到一定应用精度，说明该作图方法对于不同年份的作图具有一定的普适性。
图1多期影像建模及大区域作物制图示意图
图2多年大区域作物制图结果
研究工作得到了国家自然科学基金、陕西省重点研发项目、江苏省重点研发项目经费资助
论文链接：https://www.mdpi.com/2072-4292/15/4/875