人工智能算法、大模型与决策支持系统
比较RF、SVM、ANN、CNN在尼日利亚农业用地制图中的表现
用科学计量与BERTopic分析3262篇文献，揭示AI助力可持续发展目标的研究格局与主题演化。
用遥感与可解释机器学习预测阿尔及利亚半干旱城市潜在城市冷岛位置。
用无人机RGB影像和深度学习对咖啡开花分级，实现早期产量预测。
用无人机RGB影像与机器学习估算水分氮胁迫下高粱生物量和产量。
用高光谱与机器学习反演陕北农牧交错带农田土壤全氮含量。
利用高光谱数据与随机森林识别哈萨克斯坦东北部麦田作物与杂草，并分析误判的生物学原因。
用PhenoCam图像训练轻量深度学习模型，在树莓派上实时分类玉米8个生长阶段。
评估UNet、SegNet和TransU-Net在多目标遥感语义分割中的性能，用于城市与生态监测。
提出多流深度学习框架WaterFormer-MS，从Sentinel-2影像中精准分割地表水体。
基于GEE融合Sentinel-1/2时序与地形特征，用机器学习高精度制图长三角水稻种植模式。
综述AI在可持续发展各领域的机会与创新路径，并强调负责任AI的治理要求。
用机器学习与遥感分析印度库鲁区1991-2022年土地利用变化及其对地表温度的影响。
系统综述2019-2026年地理空间AI在精准农业的应用、多模态数据集成与决策支持。
基于Landsat影像与机器学习分析印度哥印拜陀市2001-2023年城市扩张及其环境效应。
提出Rice-STNet时空深度学习框架，用多时相无人机RGB影像估算水稻株高。
提出一套无人机高光谱结合AI的干旱区土壤有机碳制图标准化试点方案。
综述深度学习多源遥感图像融合方法、挑战与未来方向。
提出噪声标签学习引导的跨尺度框架，用低分辨率粗标签生成高分辨率土地覆盖图。
用无人机多光谱、RGB和热红外遥感结合AutoML预测冬小麦含水量。