为深化遥感技术与智能工程领域交叉融合，拓宽师生学术视野，助力智慧农业与数字乡村建设，信息与智能工程学院于3月30日举办“基于遥感大模型的热带作物制图关键技术研究”为主题的学术讲座。本次讲座由肖衡教授主讲，她围绕热带农业遥感监测痛点、多源遥感数据融合、遥感大模型创新应用等核心内容展开深度分享，为热带地区智慧农业、精准农业发展提供了前沿技术路径与实践参考。
讲座开篇，肖衡教授从国家粮食安全战略与农业现代化发展需求切入，明确指出大尺度、高精度、高时效、多层级的作物监测数据，是支撑农业精准管理、保障粮食安全、掌握全球粮食贸易主动权的关键基础。精准实现作物类型、面积、分布、长势及产量监测，已成为农业科学决策的核心前提。
针对热带农业的独特性与监测难题，肖衡教授系统梳理了当前面临的多重挑战：热带地区云雨天气频发，光学遥感数据质量受严重影响；种植结构复杂，小农户、混种、间作模式普遍，地块高度破碎；作物物候节律特殊，全年可生长导致周期重叠，易出现“同物异谱、异物同谱” 现象；同时有效地面样本稀缺、采集成本高，传统人工调查与常规模型难以适配。
随后，肖衡教授梳理了作物制图技术的发展脉络，从数据源与算法两大维度展开讲解。数据源实现从单光学主导，到光学+ 光学协同、光学 + SAR 融合，再到光学 + SAR + 物候三维融合的跨越；算法则完成从统计分析、传统机器学习、深度学习到遥感大模型的迭代升级，逐步实现从 “经验模型” 到 “认知智能” 的技术跃迁。
在核心技术分享环节，她重点介绍面向热带作物的遥感大模型制图关键方案：针对多源数据时空异步问题，构建多源数据联合时序重建与交叉模态增强体系；针对样本稀缺难题，搭建基于GSV 街景的自动化样本扩增与弱监督样本生成框架；针对复杂种植结构，采用多源数据融合与遥感大模型微调策略，显著提升作物识别精度与泛化能力。
她表示，遥感大模型具备强大的预训练知识泛化与零样本/ 少样本迁移能力，可高效适配热带地区作物多样、种植模式复杂、标注样本有限的应用场景，是突破传统监测瓶颈的核心技术。结合参数高效微调、知识引导弱监督学习、地理空间基础模型等前沿手段，能够有效攻克作物品种细分、跨区域泛化制图、同谱异物识别等行业关键难题。
讲座最后，肖衡教授展示东南亚作物类型分布图、海南岛槟榔种植监测图等研究成果，直观验证了技术体系的实用性与高精度。现场听众围绕数据处理、模型落地、区域适配等问题展开热烈交流，学术氛围浓厚。
此次活动搭建起遥感技术与智能工程领域的高效交流平台，帮助师生全面掌握遥感大模型在热带农业中的前沿应用方向，为学院相关专业科研创新、人才培养与学科交叉发展注入新动能。未来，学院将持续举办高水平学术活动，推动技术创新与产业应用深度融合。
一审一校 | 肖 衡
二审二校 |杨 涛
三审三校 |李成名 尹 娜
