Agronomy 2026 16(13):1241 DOI:10.3390/agronomy16131241·10月2日 · 周五论文农业人工智能与决策模型阅读 4
Applications of Artificial Intelligence in Soil Characterization and Agriculture: A Systematic Review
论文解读
78精选
速览
系统综述2018-2026年196项AI用于土壤特性与农业的研究。
方法
PRISMA 2020框架，分析机器学习与深度学习模型及多源数据融合。
发现
研究转向数据驱动，树集成模型在不同土壤特性上表现稳健。
机会点
可探索可解释AI与多源数据融合在土壤特性预测中的泛化能力。
影响力18
信息增量22
专业深度18
信源权威14
时效性6
PRISMA框架下196项研究的系统综述，方法学扎实、结论可靠，对农业AI土壤应用具较高参考价值。
原文摘要
Navarro Rubio等系统综述2018-2026年196项AI土壤特性与农业应用研究，遵循PRISMA 2020框架。综述发现研究明显向数据驱动方法转变，机器学习和深度学习模型主导近期研究；随机森林、支持向量机、梯度提升方法、人工神经网络、卷积神经网络、长短期记忆架构最常被报告；主要数据源包括原位传感、实验室测量、遥感影像和环境协变量，常通过多源数据融合框架集成；树集成模型在不同土壤特性上提供稳健性能。