为贯彻落实党中央、国务院关于发展智慧农业的决策部署，进一步推动《农业农村部关于大力发展智慧农业的指导意见》落地落实，加快智慧农业技术装备推广应用，农业农村部制定发布《全国智慧农业行动计划（2024—2028年）》。南方科技大学深港微电子学院刘晓光王大帅研究团队积极响应国家号召，聚焦视觉/雷达传感器、人工智能算法和卫星-无人机遥感在智慧农业中的应用基础研究，针对农业自然灾害多尺度和高时空分辨率监测实际需求，提出融合卫星和无人机光学雷达遥感的防灾减灾技术解决方案。
近日，团队在面向智慧农业自然灾害监测的无人机合成孔径雷达（UAV-SAR）遥感方向取得重要进展，研究成果“Classification of maize lodging types using UAV-SAR remote sensing data and machine learning methods”近日发表于农业领域中科院一区TOP期刊 (IF：7.7) 《Computers and Electronics in Agriculture》。王大帅研究助理教授为唯一第一作者，刘晓光教授为唯一通讯作者，南方科技大学深港微电子学院为第一完成单位，深圳市人工智能与机器人研究院和中国科学院深圳先进技术研究院为参与单位。研究得到了国家自然科学基金、广东省自然科学基金和深圳市基础研究项目经费支持。
图1.基于UAV-SAR遥感的玉米倒伏信息监测方法
随着全球气候变化加剧，极端天气（台风、冰雹、高温干旱等）诱发的农业自然灾害频发，全球粮食安全面临严峻威胁。及时、快速、准确地获取灾后信息对于灾情评估、抢险救灾和灾害预警具有重要意义。可全天时全天候对地观测的微型合成孔径雷达传感器与灵活高效的无人机深度融合，为高时空分辨率农业遥感技术提供了新的研究思路。研究团队首次将0.15m/Pixel空间分辨率的X和Ku波段无人机合成孔径雷达应用于农作物倒伏灾害监测。整体研究思路如图1所示。本研究首先重点分析了玉米差异化倒伏状态下雷达后向散射系数在不同雷达系统参数（波段和极化）和观测方位下的差异，通过特征相关性分析发现极化特征和观测方位对玉米倒伏类型非常敏感。随后在对雷达散射系数和雷达指标指数进行空间滤波和特征组合后，构建了UAV-SAR机器学习数据集，对比分析了5种经典机器学习算法对玉米倒伏类型的分类性能。最终实现了基于UAV-SAR极化雷达散射特征和雷达植被指数的玉米倒伏状态精准辨识。研究证明了UAV-SAR遥感技术在农情信息监测领域具有极强的应用潜力，UAV-SAR遥感可与卫星合成孔径雷达遥感、卫星光学遥感和无人机光学遥感互补增强。
刘晓光课题组介绍
深港微电子学院刘晓光教授聚焦于高频高速集成电路与系统的设计和实现技术，具体的研究方向包括：高频（射频到太赫兹）和高速集成电路设计，高频电路技术在农业、工业和医疗等领域的应用，光电传感器（CIS与ToF）电路与系统设计，以及微电子、光电子、微机电器件设计与制备。刘教授课题组在多个研究方向（如高效率太赫兹频率源，高功率承载能力的射频微机电器件，可调射频滤波器等）获得了世界领先的科研成果，在知名学术期刊和会议（IEEE-TMTT，IEEE-JSSC，IEEE-JMEMS，COMPAG等）发表了超过120篇论文。
深港微电子学院王大帅研究助理教授聚焦于新一代光学雷达传感器、人工智能算法和智能机器人技术在智慧农业中的应用基础研究，主持多项国家/省/市级重要科研项目，已发表SCI/EI高水平论文20余篇，申请中国发明专利20余项。
团队欢迎优秀的本科生、硕士/博士研究生和博士后加入，联系方式：liuxg@sustech.edu.cn。
