近日,Remote Sensing of Environment發表了我校信電學院引進優秀人才張瑤副教授以Transfer-learning-based approach for leaf chlorophyll content estimation of winter wheat from hyperspectral data為題的最新研究成果。
該研究以作物冠層高光譜遙感機理為基礎,首次提出了一種新型的特徵選擇演算法,即幅值-形狀增強型二維相關光譜分析法(amplitude- and shape- enhanced 2D correlation spectrum),並構建了基於遷移學習技術的冬小麥葉片葉綠素含量反演框架。該特徵選擇演算法在原始二維相關光譜分析的基礎上,補充考慮了高光譜幅值和形狀特徵對外部擾動的響應,顯著增強了其在特徵選擇,特別是高光譜特徵選擇中的表現。基於該方法所選波長在光合機理、分子結構以及光學特性等方面均與葉片葉綠素含量體現了良好的相關關係。敏感性分析顯示,所選特徵對於目標物具有極強的特異性。
該研究工作由我校信電學院現代精細農業系統整合研究教育部重點實驗室完成,張瑤副教授為第一作者,李民贊教授為論文通訊作者。合作團隊包括北京大學秦其明教授團隊。該研究得到了國家自然科學基金,國家重點研發計劃等專案的資助。張瑤副教授本碩博均就讀於我校信電學院,2017年博士畢業後前往北京大學地球與空間科學學院從事博士後研究,研究方向為農田定量遙感;2019年以優秀人才引進到我校信電學院。
成果資訊: Zhang Yao, Hui Jian, Qin Qiming, Sun Yuanheng, Zhang Tianyuan, Sun Hong, & Li Minzan (2021). Transfer-learning-based approach for leaf chlorophyll content estimation of winter wheat from hyperspectral data. Remote Sensing of Environment, 267, 112724.
https://www.sciencedirect.com/science/article/abs/pii/S0034425721004442