近日，信息科学与工程学院胡晓课题组在期刊《Computers and Electronics in Agriculture》（中科院一区Top，IF=7.7）在线发表了题为“Soil organic matter content prediction in tobacco fields based on hyperspectral remote sensing and generative adversarial network data augmentation”的研究论文。2023级硕士研究生夏雨为论文第一作者，2023级硕士研究生程雪莹为共同第一作者，胡晓副教授为本文通讯作者，山东农业大学为唯一通讯单位。

·成果简介

    土壤有机质（soil organic matter，SOM）是衡量土壤健康和肥力的重要指标。高光谱遥感结合深度学习方法已成为快速预测SOM的有效手段，能够替代传统实验室分析。然而，由于野外样本采集受地形、环境等因素的限制，数据稀缺问题严重影响了深度学习模型的泛化能力，限制了对SOM监测中的应用效果。针对该问题，本研究基于生成式深度学习框架，对Wasserstein GAN with Gradient Penalty（WGAN-GP）进行改进，提出了一种融合均方残差损失的双重正则化WGAN-GP方法（dual-regularized WGAN-GP，DR-WGAN-GP），用于增强光谱反射率和SOM数据的生成质量。

    研究表明，DR-WGAN-GP有效提升生成样本与真实样本的相似性，缓解了模型崩塌现象，使得生成器能够学习到更全面的样本特征，显著提升了SOM监测性能。这为稀缺样本条件下，采用高光谱技术监测土壤属性提供了方法支撑和借鉴。

    该工作得到了湖北烟草公司科技项目的资助。

·作者简介

夏雨：山东农业大学信息科学与工程学院2023级硕士研究生，导师为胡晓副教授，研究方向为农业遥感与信息化，目前以第一作者身份在《Computers and Electronics in Agriculture》和《中国烟草科学》期刊发表论文2篇。

·通讯作者简介

    胡晓，男，中共党员，博士研究生，副教授，硕士研究生导师，泰安市高层次人才，浪潮集团行业顾问专家。目前主要从事多源遥感技术在矿区扰动监测、作物表型反演、土壤属性监测及土地复垦和生态修复等方面的研究。主持、参与国家自然科学基金、国家留学基金委资助项目、山东省自然科学基金、烟草重大专项等项目十余项。在《Computers and Electronics in Agriculture》《Catena》《Journal of Environmental Management》《Environmental Science and Pollution Research》《Natural Hazards、Geocarto International》《Earth Science Informatics》《Environmental Monitoring and Assessment》《Environmental Earth Sciences》《煤炭学报》《中国烟草科学》等国内外高水平SCI/EI、北大核心等期刊发表论文多篇。担任《Journal of Cleaner Production、Ecological Indicators、Remote Sensing》《智慧农业》《中国烟草科学》《山东农业大学学报(自然科学版)》等期刊审稿专家。