【儀表網(wǎng) 研發(fā)快訊】近期，中國(guó)科學(xué)院合肥物質(zhì)院智能所智慧農(nóng)業(yè)研究中心胡宜敏、許桃勝、王儒敬研究團(tuán)隊(duì)在針對(duì)小型分散農(nóng)業(yè)地塊的作物識(shí)別和制圖領(lǐng)域取得重要進(jìn)展，提出一種雙分支網(wǎng)絡(luò)結(jié)構(gòu)時(shí)序遙感深度學(xué)習(xí)模型DBL，該模型針對(duì)亞洲部分代表性的散布不規(guī)則、邊界模糊的小型地塊作物類型識(shí)別具有顯著應(yīng)用價(jià)值。研究成果在遙感領(lǐng)域的國(guó)際頂級(jí)期刊Remote Sensing of Environment上發(fā)表。
 

　　該論文主要貢獻(xiàn)是：(1)構(gòu)建了2個(gè)亞洲部分代表性的散布不規(guī)則、邊界模糊的小型地塊時(shí)序數(shù)據(jù)集(CF dataset, JM dataset)，(2) 提出基于時(shí)序遙感特征實(shí)現(xiàn)地塊作物類型制圖和分析，(3)構(gòu)建雙分支的網(wǎng)絡(luò)模型，集成三維注意力模塊(時(shí)間注意力、空間注意力和通道注意力?？?，有效識(shí)別分散種植模式下的農(nóng)作物種植分布局部細(xì)節(jié)特征。
 

　　隨著大尺度遙感技術(shù)的快速發(fā)展，高分辨率衛(wèi)星影像數(shù)據(jù)為土地利用、農(nóng)業(yè)生產(chǎn)和環(huán)境監(jiān)測(cè)帶來了重大的技術(shù)變革和發(fā)展機(jī)遇。在人口稠密的亞洲大部分地區(qū)，特別是中國(guó)，農(nóng)田種植表現(xiàn)為不規(guī)則、離散種植模式，農(nóng)作物種植類型和種植模式交錯(cuò)復(fù)雜，與歐美地區(qū)的農(nóng)業(yè)模式存在顯著的差異，目前的傳統(tǒng)遙感圖像識(shí)別方法主要是針對(duì)歐美規(guī)模化種植模式，在應(yīng)對(duì)亞洲等不規(guī)則、離散復(fù)雜地塊結(jié)構(gòu)時(shí)難以取得高精度效果。因此，針對(duì)這些不規(guī)則小地塊的作物類型識(shí)別一直是一個(gè)重要的技術(shù)難題。為解決這一難題，研究團(tuán)隊(duì)設(shè)計(jì)了基于雙分支的DBL網(wǎng)絡(luò)。DBL網(wǎng)絡(luò)的主分支通過Pyramid Blend Module(PBM)擴(kuò)展感受野，獲取地塊的全局信息；輔助分支則利用新設(shè)計(jì)的三維注意力卷積模塊(3DACM)在時(shí)間和空間維度上提煉局部特征，從而增強(qiáng)了模型對(duì)小地塊的識(shí)別能力。通過這種雙分支結(jié)構(gòu)，DBL在捕捉遙感圖像時(shí)序數(shù)據(jù)的動(dòng)態(tài)變化方面表現(xiàn)出色。
 

　　研究團(tuán)隊(duì)選取了中國(guó)長(zhǎng)江流域兩個(gè)典型種植區(qū)域(安徽省長(zhǎng)豐縣和湖北省荊門市)，構(gòu)建了具有分散、不規(guī)則地塊特征的CF和JM時(shí)序遙感數(shù)據(jù)集，以評(píng)估DBL模型的性能。實(shí)驗(yàn)結(jié)果顯示，DBL模型在CF數(shù)據(jù)集上的整體準(zhǔn)確率達(dá)到97.70%，相比現(xiàn)有方法，DBL在小型地塊的識(shí)別能力上實(shí)現(xiàn)了顯著提升，尤其是在分散、不規(guī)則的農(nóng)業(yè)地塊上展現(xiàn)出強(qiáng)大的魯棒性和精確性。此外，團(tuán)隊(duì)進(jìn)一步引入了小地塊識(shí)別指標(biāo)，用于評(píng)估模型對(duì)330像素和165像素以下小地塊的識(shí)別效果，實(shí)驗(yàn)結(jié)果證明該模型在復(fù)雜地塊環(huán)境中的識(shí)別優(yōu)勢(shì)。DBL模型在識(shí)別分散小型農(nóng)業(yè)地塊方面的突破，展現(xiàn)了其在亞洲復(fù)雜農(nóng)業(yè)環(huán)境中應(yīng)用的巨大潛力，有望應(yīng)用于作物健康監(jiān)測(cè)、種植模式分析以及農(nóng)業(yè)資源優(yōu)化等多個(gè)領(lǐng)域。
 

　　博士研究生武彥君、彭震岳為論文第一、第二作者。許桃勝副研究員和王儒敬研究員為論文通訊作者。該項(xiàng)工作得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、安徽省重大科技攻堅(jiān)項(xiàng)目等項(xiàng)目的支持。
 

圖1 DBL模型的整體框架
 

圖2 論文研究區(qū)域的地理區(qū)位和時(shí)序數(shù)據(jù)
 

圖3研究區(qū)域的遙感影像概覽以及數(shù)據(jù)集樣本的統(tǒng)計(jì)分布情況
 

圖4 不同模型在CF數(shù)據(jù)集(安徽省長(zhǎng)豐縣)下的對(duì)比可視化結(jié)果