MDPI Sustainability 18(18):9645·9月20日 · 周日论文农业人工智能与决策模型阅读 0
面向再生农业与气候韧性食物系统的可解释数字孪生集成框架
论文解读
80精选
速览
提出集成数字孪生与进化优化的可解释框架，将微量营养素密度纳入再生农业决策。
方法
全球60国2000-2026多源数据，GAFRM+SEDT+SEEFO+GRAS
发现
SEDT预测精度高（R²0.972），SEEFO优化性能最优，实现透明可解释决策支持。
机会点
可探索将微量营养素密度与再生实践耦合的实时数字孪生，并验证跨气候带可迁移性。
影响力18
信息增量22
专业深度18
信源权威13
时效性9
方法新颖、数据规模大且指标可靠，属农业人工智能与气候智慧农业前沿成果，值得进入每日精选。
原文摘要
研究提出集成全球农业基础表征模型（GAFRM）、自演化可解释数字孪生（SEDT）、自演化进化基础优化器（SEEFO）与增强型绿色再生农业可持续性指数（GRASI）的统一计算框架，显式将作物微量营养素密度纳入农业决策架构并建模其与覆盖作物、生物炭施用、免耕等再生实践的关系。框架使用多源全球数据集评估全球约60个代表性国家6大洲15个气候带2000-2026年数据，SEDT达到RMSE 3.18/MAE 2.29/R² 0.972/NSE 0.968；SEEFO获得最高Hypervolume 0.956与最低GD 0.028；通过XAI特征归因建立全透明、可解释决策支持环境。