玉米是全球最重要的粮食作物之一，也是我国的第一大粮食作物。中国北方地区是玉米的主要产区，由于气温和降水分布等变化，干旱成为这些区域中影响玉米产量的重要因素。随着农业精细化管理要求的不断提高，准确、高效的识别玉米旱灾等级具有十分重要的意义。
传统的农作物旱灾识别方法多使用卫星多光谱遥感影像计算植被指数获得干旱情况，然而受天气、过境时间、空间分辨率低等多种因素限制，卫星影像在时效性和准确性上并不能令人满意。随着无人机技术的发展，操作便捷、灵活有效地获取超高分辨率遥感影像变为可能，在近年来为很多农业问题的解决提供了新的思路。而随着深度神经网络的发展，全卷积神经网络的提出使遥感影像语义分割任务的精确度得到了进一步提升。吉林大学刘畅使用奥谱天成产的无人机高光谱成像仪，设计并实现了一种面向玉米旱灾进行识别和分级的深度学习语义分割方法。
吉林大学刘畅应用高光谱成像仪，进行玉米旱灾的分级研究，采用奥谱天成产的无人机高光谱成像仪。运用不同的算法，无人机高光谱成像仪还可以勘察多更复杂的灾害种类，比如涝灾、虫灾、雹灾等，这些灾害同样会造成作物减产，导致经济损失。
