2021年3月16日，西北农林科技大学机电学院韩文霆研究员在传感器类期刊sensors(中科院三区)发表了题为“Distinguishing Planting Structures of Different Complexity from UAV Multispectral Images”的研究论文。硕士研究生马倩为第一作者，韩文霆研究员为通讯作者。
近年来基于无人机遥感数据对单一农田地物的提取技术已相对成熟，提取精度较高，但对多种农田地物的分类研究仍存在地物易混淆的问题。此外，针对不同种植结构复杂度的分类对比研究鲜有报道。因此，本文为探讨无人机多光谱影像分类模型对不同种植结构复杂度农田的分类潜力及适用性，通过无人机遥感技术分别获取了种植结构复杂度为低、中和高的三个研究区的多光谱影像。采用RFE算法对三个研究区遥感影像光谱特征和纹理特征进行筛选并建立特征子集。将面向对象分析法与随机森林分类器和支持向量机分类器相结合，分别建立了三个研究区域的面向对象-随机森林（OB-RF）分类模型和面向对象-支持向量机（OB-SVM）分类模型，并基于混淆矩阵法对分类结果进行精度评价。结果表明，随着种植结构复杂度由低变高，两种模型的精度均有所降低，其中OB-RF模型精度下降了8.1%，OB-SVM模型仅下降1.92%。OB-SVM模型更适合地块细碎、种植结构复杂度高的情况。
图1. 基于OB-SVM的不同种植结构复杂度区农作物分类结果图
图2. 基于OB-RF的不同种植结构复杂度区农作物分类结果图
论文链接：https://www.mdpi.com/1424-8220/21/6/1994