遥感与农情监测

基于无人机多模态遥感数据，构建综合高光效表型指数并精准估算，用于小麦育种材料筛选。

提出 PhenoStream 网络基础设施，自动化航空影像作物性状提取全流程。

综述遥感与机器学习在印度园艺作物精准管理中的应用，涵盖原理、方法、案例与挑战。

评估遥感模型在不同水稻基因型间的可转移性，用于氮肥监测和产量预测。

提出迁移学习与多分支中间融合深度网络，利用多尺度多模态遥感监测小麦氮浓度。

基于无人机遥感的茶梢类别检测。研究利用UAV遥感图像对茶树新梢进行自动分类检测,支持茶园精细化管理与产量预测。通过深度学习方法识别不同生长阶段的茶梢,助力茶叶采摘决策与品质分级,为茶产业数字化转型提供技术支撑。

本文提出便携式高光谱成像结合可解释PLS-DA-SHAP方法,用于茯苓(Fushen,Poria cocos)的地理来源溯源与真实性鉴别。研究展示了如何将机器学习与SHAP可解释性相结合,应用于中药材产地溯源。原文标题:Portable hyperspectral imaging combined with interpretable PLS-DA-SHAP for geographical origin traceability and authenticity discrimination of Poria cocos (Schw.) Wolf (Fushen),作者:Xing W、Zhang Y、Wei X、Nie S、Cheng X、Cai M、Yang Q、Wang Y,发表于Frontiers in Sustainable Food Systems 2026年第10卷doi:10.3389/fsufs.2026.1891249,2026年7月15日接收,8月7日发表。本研究为基于光谱成像的农产品/中药材产地溯源提供了可解释AI方法范式。

《农业工程学报》2026年第42卷第9期刊载华中师范大学等单位杨子恒、胡琼、吴尚岐、徐保东、蔡志文论文。DOI: 10.11975/j.issn.1002-6819.202510247。研究基于多源中、高分辨率遥感数据和深度学习语义分割算法,自动提取农田地块与道路等基础设施的空间分布信息,结合数字高程模型与水旱分布数据,从地块形状、规模、平整度以及道路通达度4个维度建立综合评价体系,以当阳市为研究区域。结果:语义分割模型农田地块与道路面积准确度分别达到0.92和0.79,边界匹配度0.85和0.86;研究区宜机化良好农田面积占比达67.3%,丘陵山区乡镇普遍面临道路通达度不足与地块平整度较差问题。

吴炳方、马慧、张淼、潘庆成、张翔、陈水森、邱炳文、徐新刚、刘建红、范锦龙、黄健熙、江佳乐、何昌垂在《智慧农业(中英文)》2026年第8卷第2期发表文章。数字农业的本质在于通过物联网、大数据、人工智能及遥感等信息技术,实现农业生产全过程的数字化映射与智能化管控。文章从对地观测视角系统剖析数字(智慧)农业研究前沿与典型案例:农情智慧监测(全口径作物制图、精准产量预测和灾害监测评估与预警)、数字孪生农场(全要素数字化建模、动态科学指导精准生产)、农业系统韧性(应对气候变化挑战)。结合农情遥感智能监测系统与农业水管理系统两个典型案例,展示数字(智慧)农业的云端服务能力,并分析影响商业化与业务化进程的多重阻力。