利用无人机影像数据，结合图像语义分割技术对自然植被范围内的土地覆盖类型进行分类是林草遥感领域普遍关注的重要科学问题。理学课题组依托我校草学院牵头建设的科右前旗草学院生态站，利用无人机、地面激光雷达等设备，通过航拍和激光扫描采集林木、草原及林草过渡带的基础环境数据，开展生态站附近的生态、环境、地物识别分类本底调查，并对试验结果进行整理、处理和分析，提出了一种新的语义分割网络LResU-net，在U-net框架中加入残差卷积单元(residual convolution unit, RCU)和循环卷积单元(loop convolution unit, LCU)，对无人机高分辨率生成的不同地表覆盖图像进行分类。本文所选模型通过RCU增加了映射梯度，利用LCU修改卷积层的大小并调整卷积核数以提高分类精度。该项工作得到中央高校基本科研业务费专项资金项目和国家林业和草原局重大项目的资助。
本项研究是理学院和草学院引导数理基础学科主动对接林草优势学科，深化多学科交叉科研合作的初步成果。2020年9月，理学院生物信息监测测量研究团队在与草学院充分沟通和支持协调的基础上，由汪沛、张立两名教师带领4名硕士研究生驱车往返近3千公里，奔赴生态站，克服各种困难，完成了为期5天的野外观测实验。返校后，课题组进行深入研究完成本篇研究论文撰写。与此同时，团队强化科研育人，指导研究生集体合作撰写完成《科右前旗草原定位站生态本底数据多源采集识别研究的实践和体会》实践论文，被中国林业教育学会评为“科技装扮绿水青山，创新助力乡村振兴”十校两院大学生实践活动的优秀调研报告。
研究论文链接：https://doi.org/10.1007/s11676-021-01375-z
