近期，信息學院青年教師韓東在農作物長勢智能監測領域TOP期刊《International Journal of Applied Earth Observation and Geoinformation》（中國科學院一區TOP，IF=7.6），發表了題為“A graph-based deep learning framework for field scale wheat yield estimation”的學術論文，論文第一完成單位為北京林業大學。
基于遙感影像估測田塊尺度作物產量時，不僅需要關注影像時間維度特征，還需關注影像空間維度特征。基于深度學習方法估測田塊尺度作物產量，尤其當研究區范圍較大時，模型對空間信息的有效提取意義重大，然而目前鮮有研究考慮遙感影像中作物的空間分布對其產量估測的影響。
針對以上問題，本研究提出將圖卷積模塊嵌入到深度學習框架中用以學習氣象數據和SAR參數影像的田塊尺度地理知識，以SAFY-V模型為依據的解析模塊用以提供作物生長機理知識，以引導模型更加精準化地實現田塊尺度的冬小麥產量估測。
結果表明，基于最優歷史氣象數據輸入策略（前15 d氣象數據）構建的序列圖生長模擬模型具有田塊尺度最優的葉面積指數估測精度。圖卷積模塊的引入使得模型能夠很好地考慮到病蟲害和倒伏災害在空間上的分布特征，提高了受災冬小麥的產量估測精度。
圖 田塊尺度冬小麥產量長勢監測框架
論文鏈接：https://doi.org/10.1016/j.jag.2024.103834
