本網(wǎng)訊 近日，工學(xué)院權(quán)龍哲教授智能農(nóng)田管理裝備團(tuán)隊(duì)在權(quán)威期刊《Journal of Environmental Management》（IF=8.9，中科院一區(qū)，TOP）和《International Journal of Applied Earth Observation and Geoinformation》（IF=7.672，中科院一區(qū)，TOP）在線(xiàn)發(fā)表了兩篇題為“Multimodal remote sensing application for weed competition time series analysis in maize farmland ecosystems” 和“Weed resistance assessment through airborne multimodal data fusion and deep learning: A novel approach towards sustainable agriculture”的研究論文。這兩項(xiàng)研究描述了兩種通過(guò)機(jī)載多模態(tài)數(shù)據(jù)融合和深度學(xué)習(xí)進(jìn)行雜草競(jìng)爭(zhēng)和抗性雜草評(píng)估的可持續(xù)農(nóng)業(yè)的新方法。
關(guān)于雜草競(jìng)爭(zhēng)的研究，文中采用基于玉米表型的綜合競(jìng)爭(zhēng)指數(shù)（CCI-A）來(lái)描述雜草競(jìng)爭(zhēng)的動(dòng)態(tài)過(guò)程和結(jié)果。隨著競(jìng)爭(zhēng)時(shí)間的延長(zhǎng)，不同競(jìng)爭(zhēng)水平(Levels 1-5)的玉米株高、莖粗、N和P元素的差異變化明顯。這導(dǎo)致玉米產(chǎn)量下降10%、31%、35%和53%；百粒重下降3%、7%、9%和15%。與傳統(tǒng)的競(jìng)爭(zhēng)指數(shù)相比，CCI-A更適合量化競(jìng)爭(zhēng)的時(shí)間序列響應(yīng)。然后，應(yīng)用遙感技術(shù)來(lái)揭示光譜和激光雷達(dá)信息對(duì)群落競(jìng)爭(zhēng)的時(shí)間響應(yīng)。光譜的一階導(dǎo)數(shù)表明，在每個(gè)時(shí)期，競(jìng)爭(zhēng)的紅邊(RE)位置偏向于短波方向。隨著競(jìng)爭(zhēng)時(shí)間的延長(zhǎng)，Levels 1-5的RE整體上向長(zhǎng)波方向轉(zhuǎn)移。冠層高度模型（CHM）的變異系數(shù)表明，雜草競(jìng)爭(zhēng)對(duì)CHM有顯著影響。最后，建立了多模態(tài)數(shù)據(jù)的深度學(xué)習(xí)模型（Mul-3DCNN），實(shí)現(xiàn)不同時(shí)期CCI-A的大范圍預(yù)測(cè)，并取得了R2=0.85和RMSE=0.095的預(yù)測(cè)精度。總之，本研究利用CCI-A指數(shù)結(jié)合多模態(tài)遙感和深度學(xué)習(xí)實(shí)現(xiàn)了雜草競(jìng)爭(zhēng)力的大范圍預(yù)測(cè)。
關(guān)于抗性雜草的研究，文中提出了一個(gè)綜合抗性評(píng)分（CRS）來(lái)有效地量化田間雜草的抗性。多模態(tài)數(shù)據(jù)融合和深度學(xué)習(xí)被用來(lái)對(duì)CRS進(jìn)行回歸。在深度學(xué)習(xí)模型上我們對(duì)3D-CNN和2D-CNN進(jìn)行三種不同的融合方法，以提取和融合無(wú)人機(jī)收集的多模態(tài)信息，包括光譜、結(jié)構(gòu)和紋理信息。研究結(jié)果表明：(1)易感和抗性雜草之間存在明顯的光譜響應(yīng)差異，連續(xù)投影算法（SPA）選擇的最佳波段與抗性表達(dá)波段的最佳波段相吻合； (2）通過(guò)多模態(tài)數(shù)據(jù)融合提高了抗性評(píng)估的準(zhǔn)確性，后期深度融合網(wǎng)絡(luò)表現(xiàn)出最佳的準(zhǔn)確性，R2為0.777，RMSE為0.547； (3) 多模態(tài)融合網(wǎng)絡(luò)模型在不同密度的抗性評(píng)估中表現(xiàn)出強(qiáng)大的適應(yīng)性。并有效地生成了雜草抗性圖?？偟膩?lái)說(shuō)，這項(xiàng)研究證明了使用多模態(tài)數(shù)據(jù)融合和CRS，結(jié)合深度學(xué)習(xí)來(lái)實(shí)現(xiàn)準(zhǔn)確和可靠的農(nóng)田雜草抗性評(píng)估的有效性。
工學(xué)院權(quán)龍哲教授在兩項(xiàng)研究中分別擔(dān)任第一作者或通訊作者，安徽農(nóng)業(yè)大學(xué)為第一單位，其團(tuán)隊(duì)成員婁朝霞、夏福霖、孫燈、李海龍主要參與完成此項(xiàng)研究工作。研究獲得了國(guó)家自然科學(xué)基金資助。該項(xiàng)研究為雜草智慧化防控和智能除草裝備的理論研究奠定基礎(chǔ)。（作者：婁朝霞、權(quán)龍哲 一審：劉燦 二審：任琪 三審：曹雷）
