Integrating Vegetation Health Indices and Machine Learning for Early Prediction of Agricultural Drought
基于多源遥感与机器学习构建尼日利亚萨赫勒地区农业干旱早期预测框架。
人工智能算法、大模型与决策支持系统
基于多源遥感与机器学习构建尼日利亚萨赫勒地区农业干旱早期预测框架。
综述地理空间技术在兽医领域的应用、挑战与前景,聚焦疾病监测与风险制图。
提出可解释多指数规则框架,用Sentinel-2提取旱季建成区,性能优于机器学习。
利用多时相遥感和机器学习揭示泰国湄公河支流流域植被对洪水的非对称响应。
综述乌干达环境管理中AI应用现状,发现应用集中于遥感与森林监测,整体零散且受基础设施制约。
利用高分辨率卫星影像和机器学习在大豆田中检测红冠腐病。
系统综述遥感与地理空间建模在乌克兰苏梅地区检测战争导致的土地弃耕、土壤扰动与退化的应用。
融合多时相Sentinel-1/2与机器学习,估算印度芒果园面积并分析23年种植趋势。
用Landsat 8影像和U-Net深度学习模型分析伊斯坦布尔欧洲侧2013-2024年城市化动态并
融合遥感、气候与经济指标,比较多种模型预测印尼可可出口量,XGBoost表现最佳。
苏垦农发9月18日发文,公司依托百万亩自有连片高标准农田,持续产出真实大田数据训练神农慧种农业AI智能体,实现天空地一体化数据闭环:空中多光谱无人机集群常态化农田巡测;地面全域四情监测传感器、北斗智能农机、智能灌溉终端;云端苏垦智云平台+神农慧种AI模型,形成采集数据→AI分析研判→输出水肥植保方案→农机落地执行完整闭环。苏垦智云是全国农林牧渔领域唯一入选工信部信创典型案例的农业数字化平台。
提出知识引导机器学习框架,用样本增强实现田块到区域尺度的冬小麦收获监测。
用MODIS数据与机器学习框架估算埃及尼罗河三角洲农田水分胁迫。
提出审计到评审框架,先固定证据身份再比较作物图像分类器,并关联预测不确定性与评审工作量。
融合夜间灯光、热红外与光谱数据,用机器学习精准监测达卡2016-2024年城市扩张与土地转化。
提出CNN+ViT混合深度学习框架,利用多时相Sentinel-2影像监测作物分类与干旱胁迫。