该研究以作物冠层高光谱遥感机理为基础，首次提出了一种新型的特征选择算法，即幅值-形状增强型二维相关光谱分析法（amplitude- and shape- enhanced 2D correlation spectrum），并构建了基于迁移学习技术的冬小麦叶片叶绿素含量反演框架。该特征选择算法在原始二维相关光谱分析的基础上，补充考虑了高光谱幅值和形状特征对外部扰动的响应，显著增强了其在特征选择，特别是高光谱特征选择中的表现。基于该方法所选波长在光合机理、分子结构以及光学特性等方面均与叶片叶绿素含量体现了良好的相关关系。敏感性分析显示，所选特征对于目标物具有极强的特异性。
该研究工作由我校信电学院现代精细农业系统集成研究教育部重点实验室完成，张瑶副教授为第一作者，李民赞教授为论文通讯作者。合作团队包括北京大学秦其明教授团队。该研究得到了国家自然科学基金，国家重点研发计划等项目的资助。张瑶副教授本硕博均就读于我校信电学院，2017年博士毕业后前往北京大学地球与空间科学学院从事博士后研究，研究方向为农田定量遥感；2019年以优秀人才引进到我校信电学院。
成果信息： Zhang Yao, Hui Jian, Qin Qiming, Sun Yuanheng, Zhang Tianyuan, Sun Hong, & Li Minzan (2021). Transfer-learning-based approach for leaf chlorophyll content estimation of winter wheat from hyperspectral data. Remote Sensing of Environment, 267, 112724.
https://www.sciencedirect.com/science/article/abs/pii/S0034425721004442
