资源环境与气候变化

提出IrrigaDL-FL低成本物联网智能灌溉框架，融合深度学习与模糊逻辑优化路由和灌溉决策。

基于土壤pH、温湿度和降雨，用机器学习构建智能选种模型并开发交互式仪表板。

构建集成作物推荐、产量预测、肥料建议与多语言问答的AI农业决策Web平台。

提出MLP-ANN预测温室微气候并驱动自适应模糊控制器，实现预测性智能灌溉。

综述根际微生物组工程，提出DBTL框架设计合成菌群，并融合精准农业与AI实现气候智慧型农业。

提出HyBEAR高光谱航空影像基准数据集，用于整田块裸土检测。

研究数字化与智慧农业如何推动绿色金融、AI创新与农村包容性投资。

系统综述2018-2026年196项AI用于土壤特性与农业的研究。

提出农业数字孪生框架，结合GRU与物联网实现实时产量预测与可持续决策支持。

提出基于边缘嵌入式控制器的AI智能灌溉系统，实现实时自适应灌溉调度。

提出基于ESP32传感与两阶段机器学习的智能灌溉推荐系统，预测土壤湿度并推荐灌溉动作。

设计并验证了基于ESP32与随机森林的物联网闭环灌溉系统，实现植物胁迫自动诊断。

提出TinyML边缘推理与超低功耗唤醒接收机集成的土壤监测系统，实现事件驱动异步监测。

提出NNL-SM模型，融合NDMI、NDVI和LST将SMAP土壤水分从9km降尺度至1km。

综述AI、物联网与数字孪生融合的可持续性智能，提出七层SIF框架。

综述人工智能在农业4.0作物监测与管理中的应用、潜力与挑战。

提出规则与机器学习混合的水稻决策支持框架，提升决策精度并节水增产。

比较九种机器学习算法预测青藏高原高寒农田土壤养分与pH，发现集成算法最优。

提出非洲土壤信息系统应转向高级AI驱动的自适应土壤数字孪生，并给出十条研究路径。

研究AI驱动的养分优化系统，通过数据集成实现精准施肥，减少养分流失并改善土壤健康。