2022年11月8日，西北农林科技大学机电学院韩文霆研究员在农林科学类期刊Computers and Electronics in Agriculture（中科院二区Top期刊）发表了题为“Crop type mapping using time-series Sentinel-2 imagery and U-Net in early growth periods 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。
作物的空间分布格局和面积对于监测和管理农业资源具有重要意义。当前生长季及时获取作物分布格局和面积仍存在挑战。本文用Sentinel-2时间序列图像和深度学习方法对内蒙古自治区河套灌区主要作物（小麦、玉米、向日葵和西葫芦）进行早期识别研究。通过构建全局可分离指数结合特征递归消除算法对特征进行优化。分别用随机森林、XGBoost、U-Net和deeplabv3+算法对不同时期图像进行分类，获取适宜分类方法及主要作物早期识别关键期。通过整合早期多时相数据集，结合波段优选法及适宜的分类法，构建了适用于早期主要作物的识别模型。结果表明，特征优化方法有效地去除了冗余特征，提高了分类效率。U-Net算法具有较高识别精度，更适合于河套灌区主要作物的识别。小麦、玉米、向日葵和西葫芦的早期识别的关键期分别为5月中旬、6月下旬、7月上旬和6月下旬。将构建的早期识别模型用于河套灌区2020年和2021年的主要作物识别，其F1、mIOU和OA分别为86.71%、84.66%和98.89%。因此，本文可为作物早期高效、准确的识别提供方法参考，为作物当季生产管理提供支持。
(a) (b)
(c) (d)
图1 四种作物不同生长时期不同波段的分离指数
(a)
(b)
图2河套灌区2020和2021年主要作物制图结果
研究工作得到了国家自然科学基金、陕西省重点研发项目经费资助
论文链接：https://authors.elsevier.com/a/1g2k4cFCSTfCu