山东理工大学农业工程与食品科学学院兰玉彬团队在《农业工程学报》发表了题为“基于无人机多光谱遥感的台风灾后玉米倒伏信息提取”的研究论文，此研究采用搭载长光禹辰公司自主研发的MS600Pro多光谱相机的四旋翼无人机，获取了台风灾后玉米倒伏田块的多光谱图像，利用特征筛选和机器学习对玉米倒伏信息进行了提取。
图1论文首页截图
近年来，台风天气偏多，暴风雨不时发生，对玉米产量影响极大，轻则会对玉米造成15%～20%的减产，严重时可能造成一半以上的减产，随着无人机技术的发展，具有高分辨率、实时性能优越的无人机遥感能够及时、准确提取玉米倒伏信息，能够为灾后农业生产、政府决策及保险理赔提供数据和技术支持。
图2研究区目标区域和验证区域划分示意
通过利用四旋翼无人机搭载MS600Pro多光谱相机采集台风灾后的玉米地块尺度多光谱影像，提取影像的多光谱植被指数、反射率和纹理等特征。将提取的所有特征作为全特征集，利用ReliefF、支持向量机递归（Support Vector Machines-Recursive Feature Elimination，SVM-RFE）和套索算法（Least Absolute Shrinkage and Selection Operator，Lasso）三种特征筛选方法创建数据子集，采用5种监督分类模型对4种特征集进行分类提取研究区内玉米倒伏信息。通过特征筛选方法可大幅减少参与分类的特征数量，且可取得较高分类精度。采用KNN和ANN模型能有效识别土壤背景、正常玉米和倒伏玉米，K最邻近模型结合SVM-RFE特征筛选方法分类精度最高，达93.49%，Kappa系数为0.9，并得到采用KNN模型结合SVM-RFE特征筛选方法分类结果最好。
表1验证区域不同特征子集的混淆矩阵、总体分类精度及Kappa系数
图3验证区域支持向量机、K最近邻、人工神经网络分类结果及真值
研究表明，采用无人机多光谱影像数据，利用特征筛选和机器学习能够及时、准确提取灾后玉米倒伏信息，为台风灾后农作物倒伏信息提供了一种有效的技术手段。
附：
[1]论文信息：赵静,闫春雨,杨东建,温昱婷,黎文华,鲁力群,兰玉彬.基于无人机多光谱遥感的台风灾后玉米倒伏信息提取[J].农业工程学报,2021,37(24):56-64.
[2]论文下载（PDF格式）：
http://www.tcsae.org/nygcxb/article/pdf/20212407?st=article_issue
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 