報告題目：基于深度學習的小麥葉綠素含量與條鏽病遙感監測
報 告 人：高懋芳 副研究員 中國農業科學院農業資源與農業區劃研究所
報告時間：2021年7月5日 17：00-17：30
報告地點：騰訊會議 ID：524 598 698
校内聯系人：曹春玲 caocl@jlu.edu.cn
報告摘要：深度學習是機器學習領域中一個新的研究方向，通過學習樣本數據的内在規律和表示層次，讓機器能夠像人一樣具有分析學習能力，因此是一種非常有潛力的建模方法。在本報告中，我們介紹基于深度學習的小麥葉綠素含量與條鏽病遙感監測的最新進展：（1）基于深度學習的小麥葉綠素含量的反演建模。在對冬小麥的七個生育期的反演建模中我們耦合了梯度提升回歸樹模型與基于彈性網約束降維的梯度提升回歸樹模型。本模型最大程度上保留了高光譜數據的信息，降低光譜數據的冗餘度，提高反演模型的精度。為基于高光譜數據的作物生理參數反演提供了有力工具。（2）基于深度學習的小麥條鏽病遙感監測研究。利用語義分割模型對無人機影像中的條鏽病小麥進行識别，深入研究了該模型的泛化能力，并提出用弱監督學習的方法有效解決了深度學習模型所需大量樣本數據的問題。該研究方法可以更加準确和穩定地識别小麥條鏽病，有利于及時采取防治措施，減少經濟和産量損失。
報告人簡介：高懋芳，博士，中國農業科學院農業遙感創新團隊青年首席，中國農業科學院農業資源與農業區劃研究所副研究員，碩士生導師。2006年南京大學畢業後開始在本所工作，長期從事農業幹旱遙感監測、農業面源污染監測、作物生長過程模拟、遙感與作物模型同化等方面的研究，在幹旱監測方法與生态系統過程模拟等方面取得了一系列研究成果。提出了耦合遙感幹旱指數與降水距平指數的綜合幹旱監測與評估方法；提出了基于遙感與GIS的生态系統模拟空間數據庫構建方法，實現了利用過程模型模拟中小尺度流域植物生長和畜禽養殖過程；發揮遙感的區域性、周期性以及過程模型的連續性和可預測性，提出了集成遙感幹旱指數與作物生長過程模拟的農業幹旱損失評估方法。
主持國家自然科學基金面上項目、青年項目、國際合作項目等國家級項目5項，另主持973計劃子課題、基本科研業務費專項等多個科研項目。發表論文58篇，其中SCI論文21篇，出版第一作者著作6部，獲國家發明專利6項，獲河北省科學技術進步二等獎1項、安徽省科學技術進步二等獎1項、中國農業科學院科學技術成果獎青年科技創新獎1項、中華農業科技獎一等獎1項、中國農業資源與區劃學會科學技術獎一等獎1項、北京市優秀工程咨詢成果1等獎1項，取得軟件著作權5個。在美國新罕布什爾大學從事博士後研究一年，後又分别到法國斯特拉斯堡大學、澳大利亞墨爾本大學開展為期半年的學術交流，參與多項國際合作項目。
