MDPI Agronomy·9月20日 · 周日论文农业遥感与作物表型阅读 0
Advances in Information Sensing and Intelligent Monitoring of Field Crops Throughout the Full Growth Cycle（大田作物全生育期信息感知与智能监测研究进展）
论文解读
76精选
速览
综述大田作物全生育期信息感知与智能监测，按生育阶段梳理技术并指出转化不足。
方法
以生育阶段为主线，比较卫星、无人机、地面物联网、模型与机器学习等方法。
发现
表型反演与胁迫识别已有条件建立，但跨阶段继承、独立验证与可执行转化不足。
机会点
可研究跨生育阶段状态继承建模、一致参考测量与监测结果向田间作业指令的转化。
影响力16
信息增量20
专业深度18
信源权威13
时效性9
江苏大学团队在核心期刊发表的综述，系统梳理大田作物全生育期感知与监测技术链条，专业深度与信息增量较高，但属学术综述、产业影响有限，适合进入主题聚合而非头条精选。
原文摘要
江苏大学农业工程学院 Tang Ruifan 等在《Agronomy》16(18): 1852 发表综述（2026-09-20 发表）：大田作物在不同生育阶段持续变化、呈现显著空间异质性、需在短作业窗口内进行管理。研究以生育阶段为主线组织文献，通过"农业需求—可观测变量—感知平台—数据处理方法—验证设计—状态解释—管理或装备输出"通用链条分析。从卫星遥感、无人机感知、地面与近端感知、田间物联网、机载传感器、多源融合、作物模型与机器学习方法按空间支撑、时间连续性、尺度匹配、田间稳健性、迁移条件、不确定性与操作适用性比较。综述报告作物表型反演、田间环境表征、生物胁迫识别在特定条件下已建立；跨阶段状态继承、一致参考测量、独立验证、监测结果向可执行任务转化仍不充分。提出生命周期导向的信息处理视角，未来应加强跨作物跨区域验证、机理性与数据驱动模型协同、不确定性报告、互操作性和田间反馈。
信源（1 个）