[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"item-3481":3,"related-3481":56},{"id":4,"title":5,"url":6,"summary":7,"summary_zh":8,"content":9,"source_name":10,"source_url":6,"published_at":11,"category":12,"cover_url":9,"hotness":13,"is_selected":14,"score":15,"score_detail":16,"sources":24,"tags":26,"search_phrases":32,"slug":35,"view_count":36,"doi":37,"paper":38,"created_at":55},3481,"ЦИФРОВІ ПІДХОДИ ДО УПРАВЛІННЯ ВОДНИМ РЕЖИМОМ ҐРУНТУ ЗА КРАПЛИННОГО ЗРОШЕННЯ ЯГІДНИХ КУЛЬТУР В УМОВАХ ЛІСОСТЕПУ УКРАЇНИ","https:\u002F\u002Fdoi.org\u002F10.32848\u002Fagrar.innov.2026.37.13","Мета статті – дослідження сучасних наукових підходів до підвищення ефективності управління водним режимом ґрунту за вирощування ягідних культур в умовах Лісостепу України із застосуванням цифрових технологій моніторингу та автоматизації поливів, а також оцінка їх впливу на оптимізацію водоспоживання, стабільність продуктивності насаджень і раціональне використання поливної води в системах краплинного зрошення. Особливу увагу приділено аналізу сучасних інструментів дистанційного контролю стану рослин і ґрунту, сенсорних систем визначення вологості, моделей планування режимів зрошення та інформаційно-аналітичних платформ підтримки прийняття рішень. Методи дослідження. У процесі досліджень використано методи системного аналізу, узагальнення, порівняння та інтерпретації результатів вітчизняних і зарубіжних наукових публікацій щодо управління водним режимом ґрунту ягідних культур. Проведено оцінку ефективності застосування сенсорів вологості ґрунту різних типів, супутникових індексів рослинності (NDVI), моделей розрахунку евапотранспірації культур за методикою FAO-56, а також автоматизованих систем керування поливами на основі IoT – технологій. Здійснено порівняльний аналіз показників водоспоживання, водопродуктивності та урожайності ягідних культур за різних режимів зрошення та рівнів цифровізації технологічних процесів. Результати дослідження. Встановлено, що застосування цифрових підходів до управління водним режимом ґрунту забезпечує підвищення ефективності використання поливної води на 20–35%, зменшення непродуктивних втрат вологи та стабілізацію вологості кореневмісного шару ґрунту протягом критичних фаз розвитку рослин. Обґрунтовано доцільність використання сенсорних систем контролю вологості ґрунту, супутникового моніторингу стану посівів і програмних моделей планування режимів зрошення для підвищення точності визначення строків і норм поливу. Показано, що інтеграція цифрових інструментів у технології краплинного зрошення сприяє підвищенню водопродуктивності насаджень ягідних культур, оптимізації режимів водоспоживання та зниженню енергетичних витрат на проведення поливів. Висновки. Узагальнення результатів досліджень свідчить про високу ефективність використання цифрових технологій моніторингу та управління водним режимом ґрунту у системах краплинного зрошення ягідних культур в умовах Лісостепу України. Використання сенсорних систем, супутникових індексів рослинності та автоматизованих алгоритмів керування поливами забезпечує підвищення рівня ресурсозбереження, стабільність урожайності та покращення екологічної ефективності технологій вирощування ягідних культур. Запровадження зазначених підходів доцільно розглядати як один із ключових напрямів удосконалення сучасних систем управління водними ресурсами в ягідництві. Отримані результати можуть бути використані при розробці рекомендацій щодо цифровізації управління зрошенням ягідних культур у господарствах Лісостепу України.","本文旨在研究在乌克兰森林草原条件下，利用数字监测技术和灌溉自动化提高浆果作物土壤水分管理效率的现代科学方法，并评估其对优化耗水量、种植园生产力稳定性以及滴灌系统中灌溉水合理利用的影响。特别关注对现代植物和土壤状态远程监控工具、湿度传感系统、灌溉制度规划模型及决策支持信息分析平台的分析。研究方法。在研究过程中，采用了系统分析、概括、比较以及解释国内外关于浆果作物土壤水分管理科学出版物的方法。评估了不同类型土壤湿度传感器、卫星植被指数（NDVI）、根据FAO-56方法计算作物蒸散量的模型以及基于物联网技术的灌溉自动化控制系统的应用效果。对不同灌溉制度和工艺过程数字化水平下浆果作物的耗水量、水分生产率和产量指标进行了比较分析。研究结果。已确定，采用数字方法管理土壤水分可确保灌溉水利用效率提高20–35%，减少无效水分损失，并在植物发育关键阶段稳定根层土壤湿度。论证了利用土壤湿度传感控制系统、作物状态卫星监测和灌溉制度规划软件模型以提高确定灌溉时间和灌溉定额精度的合理性。研究表明，将数字工具集成到滴灌技术中有助于提高浆果作物种植园的水分生产率、优化耗水制度并降低灌溉的能源消耗。结论。研究结果的综合表明，在乌克兰森林草原条件下的浆果作物滴灌系统中，利用数字监测和土壤水分管理技术具有高效率。使用传感系统、卫星植被指数和自动化灌溉控制算法可确保提高资源节",null,"Аграрні інновації","2026-09-23T00:00:00Z","论文",10,false,76,{"impact":17,"substance":18,"depth":19,"authority":20,"freshness":21,"relevant":22,"comment":23},16,21,18,13,8,1,"乌克兰核心期刊论文，系统评估传感器、NDVI与IoT自动化灌溉对浆果滴灌水分管理的节水增产效果，方法清晰、数据具体，对智慧灌溉领域有参考价值。",[25],{"name":10,"url":6},[27,28,29,30,31],"智慧农业","物联网","遥感监测","土壤水分","滴灌",[33,34],"乌克兰 森林草原 浆果 滴灌","FAO-56 蒸散 滴灌 水分管理","乌克兰森林草原浆果滴灌-3481",0,"10.32848\u002Fagrar.innov.2026.37.13",{"doi":37,"openalex_id":39,"authors":40,"venue":10,"cited_by_count":36,"oa_url":47,"card":48,"direction":52,"ingested_from":54},"W7214105593",[41,44],{"name":42,"orcid":43},"V. V. Karuna","https:\u002F\u002Forcid.org\u002F0009-0005-6162-5391",{"name":45,"orcid":46},"A. P. Shatkovskyi","https:\u002F\u002Forcid.org\u002F0000-0002-4366-0397","https:\u002F\u002Fagrarian-innovations.izpr.ks.ua\u002Findex.php\u002Fagrarian\u002Farticle\u002Fdownload\u002F1171\u002F1168",{"tldr":49,"method":50,"finding":51,"direction":52,"opportunity":53},"综述数字技术用于乌克兰森林草原浆果滴灌土壤水分管理，提升灌溉水利用效率20–35%。","系统分析文献，评估土壤湿度传感器、NDVI、FAO-56蒸散模型与IoT自动灌溉","数字监测与自动灌溉可节水20–35%，稳定根层湿度，提高水分生产力并降低能耗。","智慧农业 \u002F 农业物联网","可在小浆果园区验证多源传感与FAO-56模型耦合的实时决策，填补东欧森林草原区数据空白。","openalex","2026-09-25T23:30:15.654633Z",{"total":57,"page":22,"page_size":57,"items":58},6,[59,101,148,197,233,268],{"id":60,"title":61,"url":62,"summary":63,"summary_zh":64,"content":9,"source_name":65,"source_url":62,"published_at":66,"category":12,"cover_url":9,"hotness":13,"is_selected":14,"score":67,"score_detail":68,"sources":73,"tags":75,"search_phrases":79,"slug":82,"view_count":36,"doi":83,"paper":84,"created_at":100},3514,"Artificial Intelligence for Climate Adaptation Decision Support in Data-Poor Developing Regions","https:\u002F\u002Fdoi.org\u002F10.22541\u002Fessoar.15009304\u002Fv1","Climate adaptation is a sequence of decisions taken under uncertainty, and the regions where climate risk is rising fastest are those with the least information to guide them. Only about 10 per cent of deaths are registered in the WHO African Region; nearly 90 per cent of required surface weather observations are missing across least developed countries and small island states; and only 40 per cent of African countries have multi-hazard early warning systems. This report examines whether artificial intelligence — machine learning, remote sensing and predictive analytics — can close these information gaps and improve adaptation decisions in data-poor developing regions. The report organises the problem as a decision chain with three information gaps — observation, prediction and decision — followed by an action gap that AI cannot close. It finds that AI has advanced fastest on prediction: AI weather models became operational at ECMWF in 2025, AI flood forecasts now cover 100 countries and about 700 million people, satellite nowcasts reach a continent with little radar, and AI monsoon-onset forecasts reached 38 million Indian farmers in 2025. On observation, satellite machine learning explains around 70 per cent of the variation in village wealth but only up to about half of the variation in changes over time. On decision, evidence from Togo, Bangladesh and Kenya shows that AI-assisted targeting, forecast-based triggers and satellite index insurance can deliver assistance faster and better, within clear limits. The report's central argument is the ground-truth paradox: AI stretches scarce observations further, but every AI product must be trained and verified against ground truth, so reliance on AI raises the value of each remaining station, survey and label. The 2025 interruption of FEWS NET and termination of the DHS Program show how fragile that foundation is. Because the value of information is the product of skill, lead time, reach, trust and the means to act, the highest returns usually lie not in more skilful models but in dissemination, institutions and prearranged finance. The report sets out a risk register, a six-principle policy framework, actions by actor and a roadmap to 2030.","气候适应是在不确定性下做出的一系列决策，而气候风险上升最快的地区恰恰是指导信息最匮乏的地区。世卫组织非洲区域仅登记了约10%的死亡病例；最不发达国家和小岛屿国家缺失了近90%所需的地面天气观测数据；仅有40%的非洲国家拥有多灾种早期预警系统。本报告考察人工智能——机器学习、遥感和预测分析——能否弥合这些信息缺口，改善数据匮乏的发展中地区的适应决策。报告将这一问题组织为一条决策链，包含三个信息缺口——观测、预测和决策——以及一个人工智能无法弥合的行动缺口。报告发现，人工智能在预测方面进展最快：人工智能天气模型于2025年在欧洲中期天气预报中心（ECMWF）投入业务运行，人工智能洪水预报现已覆盖100个国家和约7亿人口，卫星临近预报覆盖了一个几乎没有雷达的大陆，人工智能季风爆发预报于2025年惠及3800万印度农民。在观测方面，卫星机器学习可解释村庄财富约70%的变异，但对时间变化的解释力仅约一半。在决策方面，来自多哥、孟加拉国和肯尼亚的证据表明，人工智能辅助的目标定位、基于预报的触发机制和卫星指数保险能够在明确限度内更快、更好地提供援助。报告的核心论点是地面真值悖论：人工智能能够将稀缺的观测数据发挥更大效用，但每个人工智能产品都必须依据地面真值进行训练和验证，因此对人工智能的依赖提升了每一个剩余站点、调查和标注数据的价值。2025年FEWS NET的中断和DHS项目的终止表明这一基础何等脆弱。由于信息的价值是技能、提前期、覆盖面、信任和行动手段的乘积，最高回报通常不在于更精密的模型，而在于传播、制度和预先安排的融资。报告提出了风险登记册、六项原则的政策框架、各行为主体的行动以及到2030年的路线图。","OpenAlex","2026-09-22T00:00:00Z",86,{"impact":69,"substance":70,"depth":71,"authority":20,"freshness":21,"relevant":22,"comment":72},22,24,19,"系统梳理AI在数据匮乏地区气候适应决策中的观测、预测与决策三类信息缺口，提出“地面真值悖论”，数据与结论扎实，对农业信息化与智慧农业有较强参考价值。",[74],{"name":65,"url":62},[27,76,77,29,78],"农业人工智能","气候适应","早期预警",[80,81],"AI 气候适应 决策支持","数据匮乏地区 农业预警","AI气候适应决策支持-3514","10.22541\u002Fessoar.15009304\u002Fv1",{"doi":83,"openalex_id":85,"authors":86,"venue":9,"cited_by_count":36,"oa_url":92,"card":93,"direction":99,"ingested_from":54},"W7214097088",[87,89],{"name":88,"orcid":9},"H Heuristics",{"name":90,"orcid":91},"Hunter Hughes","https:\u002F\u002Forcid.org\u002F0009-0002-6161-9387","https:\u002F\u002Fessopenarchive.org\u002Fdoi\u002Fpdf\u002F10.22541\u002Fessoar.15009304\u002Fv1",{"tldr":94,"method":95,"finding":96,"direction":97,"opportunity":98},"评估AI能否弥补数据匮乏地区气候适应决策的信息缺口，并提出地面真值悖论。","梳理观测、预测、决策三环节，结合AI天气模型、卫星ML与多国案例证据。","AI预测进展最快，但依赖地面真值；最高回报常在传播、制度与预置资金而非模型。","农业人工智能与决策模型","可研究AI辅助农业气候适应中地面真值稀缺下的验证与信任机制，及预置资金触发设计。","数字乡村与农业信息化","2026-09-25T23:30:46.008325Z",{"id":102,"title":103,"url":104,"summary":105,"summary_zh":106,"content":9,"source_name":107,"source_url":104,"published_at":108,"category":12,"cover_url":9,"hotness":13,"is_selected":14,"score":109,"score_detail":110,"sources":115,"tags":117,"search_phrases":121,"slug":124,"view_count":36,"doi":125,"paper":126,"created_at":147},3499,"Tillage Practice Discrimination Using High-Resolution PlanetScope and Sentinel-2 Imagery","https:\u002F\u002Fdoi.org\u002F10.1007\u002Fs12524-026-02580-1","Abstract Accurate and timely assessment of soil tillage practices is crucial for monitoring sustainability in agriculture. To achieve more site-specific discrimination, it is necessary to understand the spectral and temporal properties of tillage practices across seasons. This study presents developments in tillage-practice discrimination by comparing two high-resolution remote sensing datasets, PlanetScope and Sentinel-2, to characterise and discriminate fields under intensive tillage (IT) and conservation tillage (CT) in the winter and spring seasons. A field experiment was conducted at an experimental site in the United Kingdom, collecting data on tillage practices in 2022–23 and 2023–24. We analysed the spectral and temporal characteristics of two tillage types and subsequently classified them using the random forest (RF) algorithm. Results showed reflectance differences between the two tillage treatments during the early period in both seasons. We also revealed that green, red-edge, and near-infrared wavelengths were relevant for the classification. PlanetScope showed greater potential for classifying tillage (OA = 70–80%), whereas Sentinel-2 exhibited lower performance (OA = 53–73%). Models from the winter achieved higher accuracy scores than those from the spring period, suggesting a seasonal variation in tillage discrimination. The findings highlight the utility of high-resolution satellite-based data, combined with machine learning, for mapping tillage practices and advancing precision agriculture.","准确的土壤耕作方式评估对于监测农业可持续性至关重要。为了实现更具针对性的区分，有必要了解不同季节耕作方式的光谱和时间特征。本研究通过比较两套高分辨率遥感数据集PlanetScope和Sentinel-2，在冬季和春季对集约耕作（IT）和保护性耕作（CT）田块进行表征与区分，从而推动耕作方式判别研究的发展。在英国一个试验站点开展了田间试验，收集了2022—23年和2023—24年的耕作方式数据。我们分析了两种耕作类型的光谱和时间特征，随后使用随机森林（RF）算法对其进行分类。结果表明，在兩個季节的早期阶段，两种耕作处理之间存在反射率差异。我们还发现，绿光、红边和近红外波段与分类相关。PlanetScope在耕作分类方面表现出更大的潜力（总体精度OA = 70–80%），而Sentinel-2的表现较低（OA = 53–73%）。冬季模型获得的精度评分高于春季模型，表明耕作判别存在季节性变化。研究结果凸显了高分辨率卫星数据结合机器学习在耕作方式制图和推进精准农业方面的实用性。","Journal of the Indian Society of Remote Sensing","2026-09-24T00:00:00Z",67,{"impact":21,"substance":111,"depth":112,"authority":20,"freshness":113,"relevant":22,"comment":114},20,17,9,"基于高分辨率卫星影像与随机森林识别耕作方式的实证研究，方法清晰、结论具体，对精准农业与耕地监测有参考价值，但属细分领域学术进展，公共影响有限。",[116],{"name":107,"url":104},[27,118,119,29,120],"机器学习","保护性耕作","土壤耕作",[122,123],"PlanetScope Sentinel-2 耕作识别","保护性耕作 遥感 分类","PlanetScopeSentinel-2耕作识别-3499","10.1007\u002Fs12524-026-02580-1",{"doi":125,"openalex_id":127,"authors":128,"venue":107,"cited_by_count":36,"oa_url":104,"card":141,"direction":145,"ingested_from":54},"W7214193864",[129,132,135,138],{"name":130,"orcid":131},"Vidya Nahdhiyatul Fikriyah","https:\u002F\u002Forcid.org\u002F0000-0003-2869-3657",{"name":133,"orcid":134},"Roshanak Darvishzadeh","https:\u002F\u002Forcid.org\u002F0000-0001-7512-0574",{"name":136,"orcid":137},"Stephan M. Haefele","https:\u002F\u002Forcid.org\u002F0000-0003-0389-8373",{"name":139,"orcid":140},"Andrew Nelson","https:\u002F\u002Forcid.org\u002F0000-0002-7249-3778",{"tldr":142,"method":143,"finding":144,"direction":145,"opportunity":146},"对比PlanetScope与Sentinel-2影像，用随机森林区分冬春两季的集约与保护性耕作。","英国田间试验，2022-24年光谱时序数据，随机森林分类。","PlanetScope分类精度70-80%优于Sentinel-2，冬季模型精度高于春季，绿、红边和","农业遥感与作物表型","可探索多源高分辨率影像融合与时序特征优化，提升不同季节和区域耕作分类的泛化能力。","2026-09-25T23:30:30.866355Z",{"id":149,"title":150,"url":151,"summary":152,"summary_zh":153,"content":9,"source_name":154,"source_url":151,"published_at":11,"category":12,"cover_url":9,"hotness":13,"is_selected":14,"score":15,"score_detail":155,"sources":158,"tags":160,"search_phrases":163,"slug":166,"view_count":36,"doi":167,"paper":168,"created_at":196},3485,"Detection of Red Crown Rot of Soybean in Illinois Fields Using High-Resolution Satellite Imagery and Machine Learning","https:\u002F\u002Fdoi.org\u002F10.64898\u002F2026.09.22.753594","Red crown rot (RCR), caused by Calonectria ilicicola, is an emerging soybean disease in the U.S. Midwest for which scalable approaches to characterize within-field disease distribution are lacking. This study evaluated high-resolution PlanetScope satellite imagery for mapping RCR-affected soybean canopies across 15 commercial fields in Illinois surveyed during the 2024 and 2025 growing seasons. A total of 2,921 georeferenced canopy plots were classified as asymptomatic or RCR-affected and paired with six multispectral bands and seven vegetation indices. Spectral differences between classes were evaluated using linear mixed-effects models, and seven machine-learning classifiers representing linear, tree-based, neural-network, kernel, and probabilistic approaches were compared using spatially independent leave-one-field-out cross-validation. RCR-affected canopies exhibited increased reflectance in the visible and red-edge regions, reduced near-infrared reflectance, and lower vegetation-index values relative to asymptomatic canopies. All classifiers showed strong discrimination, with ROC-AUC values ranging from 0.963 to 0.982. Regularized logistic regression achieved the highest overall performance, with an accuracy of 0.945, balanced accuracy of 0.945, F1-score of 0.948, and ROC-AUC of 0.982 at the optimized decision threshold. Permutation analysis identified EVI, NDVI, and red reflectance as the most influential predictors across representative model architectures. Satellite-derived probability and classification maps generally corresponded with symptomatic canopy patterns observed in high-resolution UAV imagery, although mixed pixels reduced precision near disease-patch boundaries. These results demonstrate the potential of high-resolution satellite imagery for within-field mapping of RCR-associated canopy symptoms across independent commercial soybean fields.","由冬青丽赤壳菌（Calonectria ilicicola）引起的红冠腐病（RCR）是美国中西部一种新发大豆病害，目前尚缺乏可规模化表征田块内病害分布的方法。本研究评估了高分辨率PlanetScope卫星影像在2024年和2025年生长季对伊利诺伊州15块商业田块中受RCR影响的大豆冠层的制图能力。共有2,921个地理参考冠层样区被分类为无症状或受RCR影响，并与6个多光谱波段和7个植被指数配对。采用线性混合效应模型评估类别间的光谱差异，并通过空间独立的留一田块交叉验证比较了7种机器学习分类器，涵盖线性、基于树、神经网络、核函数和概率方法。与无症状冠层相比，受RCR影响的冠层在可见光和红边区域反射率增加，近红外反射率降低，植被指数值较低。所有分类器均表现出较强的判别能力，ROC-AUC值范围为0.963至0.982。正则化逻辑回归在优化决策阈值下取得了最高的整体性能，准确率为0.945，平衡准确率为0.945，F1分数为0.948，ROC-AUC为0.982。置换分析表明，在代表性模型架构中，EVI、NDVI和红光反射率是最具影响力的预测变量。卫星衍生的概率图和分类图总体上与高分辨率无人机影像中观察到的症状冠层模式一致，尽管混合像元降低了病害斑块边界附近的精度。这些结果证明了高分辨率卫星影像在独立商业大豆田块中对RCR相关冠层症状进行田块内制图的潜力。","bioRxiv (Cold Spring Harbor Laboratory)",{"impact":17,"substance":69,"depth":19,"authority":156,"freshness":21,"relevant":22,"comment":157},12,"基于高分辨率卫星影像与机器学习实现大豆红冠腐病田间制图，方法扎实、数据规模可观，对作物病害遥感监测有参考价值。",[159],{"name":154,"url":151},[27,118,161,29,162],"大豆","病害识别",[164,165],"伊利诺伊 大豆 红冠腐病 卫星遥感","PlanetScope 大豆 病害 机器学习","伊利诺伊大豆红冠腐病卫星遥感-3485","10.64898\u002F2026.09.22.753594",{"doi":167,"openalex_id":169,"authors":170,"venue":154,"cited_by_count":36,"oa_url":190,"card":191,"direction":145,"ingested_from":54},"W7214126630",[171,174,177,179,181,184,187],{"name":172,"orcid":173},"Bruno Daniel Pugliese","https:\u002F\u002Forcid.org\u002F0009-0000-4795-4248",{"name":175,"orcid":176},"Juan Andrés Paredes","https:\u002F\u002Forcid.org\u002F0000-0002-3967-0197",{"name":178,"orcid":9},"Andres Fabian Ruiz",{"name":180,"orcid":9},"Norman Denis Bowman",{"name":182,"orcid":183},"Elhan S. Ersoz","https:\u002F\u002Forcid.org\u002F0000-0001-6930-6946",{"name":185,"orcid":186},"Nicolas Federico Martin","https:\u002F\u002Forcid.org\u002F0000-0002-1587-665X",{"name":188,"orcid":189},"Boris X. Camiletti","https:\u002F\u002Forcid.org\u002F0000-0002-1492-7988","https:\u002F\u002Fwww.biorxiv.org\u002Fcontent\u002Fbiorxiv\u002Fearly\u002F2026\u002F09\u002F23\u002F2026.09.22.753594.full.pdf",{"tldr":192,"method":193,"finding":194,"direction":145,"opportunity":195},"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。","PlanetScope多光谱影像、植被指数与7种机器学习分类器，留一田块交叉验证","各分类器ROC-AUC达0.963-0.982，正则化逻辑回归最优，EVI、NDVI和红波段最重要。","可探索多时相卫星影像与无人机融合，提升病害斑块边界混合像元识别精度。","2026-09-25T23:30:22.839600Z",{"id":198,"title":199,"url":200,"summary":201,"summary_zh":202,"content":9,"source_name":10,"source_url":200,"published_at":11,"category":12,"cover_url":9,"hotness":13,"is_selected":14,"score":203,"score_detail":204,"sources":206,"tags":208,"search_phrases":212,"slug":215,"view_count":36,"doi":216,"paper":217,"created_at":232},3483,"АГРОМЕТЕОРОЛОГІЧНІ УМОВИ ТА ДИНАМІКА ВЕГЕТАЦІЙНИХ ІНДЕКСІВ ПШЕНИЦІ ОЗИМОЇ У ПІВДЕННОМУ СТЕПУ УКРАЇНИ","https:\u002F\u002Fdoi.org\u002F10.32848\u002Fagrar.innov.2026.37.23","Комплексно оцінити агрометеорологічні умови вегетаційних періодів 2021–2025 рр. для пшениці озимої в умовах Південного Степу України та встановити закономірності динаміки вегетаційних індексів NDVI, NDRE і NDMI під впливом сезонної мінливості температурного режиму, опадів і дефіциту вологи. Методи. Дослідження проведено на базі Навчально-науково- практичного центру Миколаївського національного аграрного університету. Використано метеорологічні дані автоматичної станції Pessl Instruments (iMETOS) за 2021–2025 рр. та супутникові дані Sentinel‑2 SR Harmonized, оброблені в середовищі Google Earth Engine. Для оцінки стану посівів розраховано індекси NDVI, NDRE і NDMI та виконано їх порівняльний аналіз у взаємозв’язку з температурним режимом, кількістю опадів і перебігом основних фенологічних фаз розвитку пшениці озимої. Результати. Встановлено істотні міжрічні відмінності агрометеорологічних умов, які визначали характер формування та сезонної динаміки вегетаційних індексів. Найсприятливішими для розвитку рослин були вегетаційні періоди 2021–2022 та 2022–2023 рр., коли значення NDVI досягали 0,8–0,9, а NDRE – 0,6–0,7. Вегетаційний період 2023–2024 рр. характеризувався пригніченим осіннім розвитком і компенсаторним весняним наростанням біомаси, тоді як у 2024–2025 рр. добрі умови осінньої вегетації не забезпечили тривалого весняного розвитку через холодну й відносно суху весну. Встановлено, що найбільш критичним періодом розвитку водного стресу був червень, коли рослини переходили від фази колосіння до наливу зерна. Індекс NDMI найраніше реагував на погіршення водного режиму посівів і був найбільш чутливим індикатором розвитку водного стресу, тоді як скорочення тривалості плато NDVI відображало обмеження реалізації продуктивного потенціалу посівів. Висновки. Динаміка вегетаційних індексів пшениці озимої тісно пов’язана з особливостями сезонного перебігу температурного режиму та зволоження. Вирішальне значення для формування фізіологічного стану рослин мали умови весняного періоду, а найбільш критичним щодо розвитку водного стресу був перехід від колосіння до наливу зерна. Індекс NDMI доцільно використовувати як ранній індикатор водного стресу, тоді як комплексне застосування NDVI, NDRE і NDMI забезпечує ефективний моніторинг стану посівів, а скорочення тривалості плато NDVI може бути використане як індикатор обмеження реалізації продуктивного потенціалу озимої пшениці","综合评估2021—2025年乌克兰南部草原冬小麦（пшениця озима）生育期农业气象条件，并揭示NDVI、NDRE和NDMI植被指数在温度状况、降水和水分亏缺季节性变化影响下的动态规律。方法。研究在尼古拉耶夫国立农业大学教学-科学-实践中心基地进行。使用了Pessl Instruments自动气象站（iMETOS）2021—2025年的气象数据，以及经Google Earth Engine环境处理的Sentinel-2 SR Harmonized卫星数据。为评估作物状况，计算了NDVI、NDRE和NDMI指数，并结合温度状况、降水量及冬小麦主要物候发育阶段进程对其进行了比较分析。结果。确定了农业气象条件的显著年际差异，这些差异决定了植被指数的形成特征和季节性动态。2021—2022年和2022—2023年生育期对植株发育最为有利，NDVI值达到0.8—0.9，NDRE为0.6—0.7。2023—2024年生育期的特点是秋季发育受抑制，春季生物量补偿性增长，而2024—2025年良好的秋季生长条件未能保障春季的持续发育，原因是春季寒冷且相对干燥。确定水分胁迫发展的最关键时期为6月，此时植株从抽穗期过渡到籽粒灌浆期。NDMI指数对作物水分状况恶化反应最早，是水分胁迫发展最敏感的指标，而NDVI平台期持续时间的缩短则反映了作物生产潜力实现的受限。结论。冬小麦植被指数动态与温度状况和湿润条件的季节性进程特征密切相关。春季条件对植株生理状态的形成具有决定性意义，而就水分胁迫发展而言，从抽穗到籽粒灌浆的过渡期最为关键。NDMI指数宜作为水分胁迫的早期指标使用，而NDVI、NDRE和NDMI的综合应用可有效监测作物状况，NDVI平台期持续时间的缩短可作为冬小麦生产潜力实现受限的指标。",70,{"impact":156,"substance":18,"depth":112,"authority":156,"freshness":21,"relevant":22,"comment":205},"基于五年气象站与Sentinel-2数据系统分析冬小麦植被指数动态，方法规范、结论明确，对遥感作物监测有参考价值，但属区域性研究，公共影响有限。",[207],{"name":10,"url":200},[27,29,209,210,211],"水分胁迫","冬小麦","植被指数",[213,214],"乌克兰 南方草原 冬小麦 NDVI","Sentinel-2 NDMI 冬小麦 水分胁迫","乌克兰南方草原冬小麦NDVI-3483","10.32848\u002Fagrar.innov.2026.37.23",{"doi":216,"openalex_id":218,"authors":219,"venue":10,"cited_by_count":36,"oa_url":226,"card":227,"direction":145,"ingested_from":54},"W7214071557",[220,223],{"name":221,"orcid":222},"Антонина Панфилова","https:\u002F\u002Forcid.org\u002F0000-0003-0006-4090",{"name":224,"orcid":225},"Dmytro Koshkin","https:\u002F\u002Forcid.org\u002F0000-0002-6927-8487","https:\u002F\u002Fagrarian-innovations.izpr.ks.ua\u002Findex.php\u002Fagrarian\u002Farticle\u002Fdownload\u002F1168\u002F1166",{"tldr":228,"method":229,"finding":230,"direction":145,"opportunity":231},"评估乌克兰南部2021–2025年冬小麦生育期农业气象条件与NDVI、NDRE、NDMI植被指数动态","iMETOS自动气象站数据与Sentinel-2影像，在Google Earth","NDMI对水分胁迫响应最早最敏感，NDVI平台期缩短可指示产量潜力受限，抽穗至灌浆期为关键期。","可探索多指数融合的冬小麦水分胁迫早期预警阈值及平台期缩短与产量的定量模型。","2026-09-25T23:30:21.548558Z",{"id":234,"title":235,"url":236,"summary":237,"summary_zh":238,"content":9,"source_name":239,"source_url":236,"published_at":11,"category":12,"cover_url":9,"hotness":13,"is_selected":14,"score":240,"score_detail":241,"sources":244,"tags":246,"search_phrases":250,"slug":253,"view_count":36,"doi":254,"paper":255,"created_at":267},3472,"Solar- Powered and Performance Evaluation of a Smart Irrigation System","https:\u002F\u002Fdoi.org\u002F10.56201\u002Fijemt.vol.12.no8.2026.pg158.171","Experiment was carried out on how to generate and developed solar powered pumping system for smart irrigation. Solar power energy materials used consist of photovoltaic panel, solar charge controller, batteries, and inverter, distribution pipe, voltmeter, wiring accessories and water pump. The coupled energy materials were set at an angle of 150 South - east. The generated voltage recorded during the day time from the solar energy were recorded in two parts; from solar panel and voltage controller. The two solar panels generated an average solar energy of 24.63v, PV panel and 10.23v charge controller. Within 10 hours set for solar energy assessment from the panels,from 9:00 am to 6:00pm, PV panels recorded voltage that ranged between 19.3 to 30.2, while Charge controller recorded from 5.1 to 16.0v.The voltage kept increasing from 9:0am until it reached a peak at 3:0pm, and started declining at 4:0pm to the lowest voltage at 6: 00pm, when the sun rays have gone dim.The charge controller allows current into battery and protect and regulate its charge and discharge. The pump efficiency was tested using variation in pumping time (sec), which was set at 10,20, 30,40,50 and 60 seconds. The flow rate (L\u002Fsec) remained constant at 5 L\u002Fsec, because the battery was at full charge state. The pumping unit was coupled to an automated soil moisture-based drip irrigation system, developed using smart irrigation system. Internet of Things (IoT) components used were, Arduino, Veroboard and Timer Switch, Soil Moisture Sensor, Relay Module and Water Pump. The experimental plots were laid out in an improvised green house. Med emitters were used as irrigation drippers. Moisture sensor was set to trigger irrigation when soil moisture was below50%. The, solar energy generated, sustained pumping water required for the Smart irrigation system throughout the irrigation scheduled period to harvest time.","本研究旨在探讨如何构建和开发用于智能灌溉的太阳能驱动抽水系统。所使用的太阳能能源材料包括光伏板、太阳能充电控制器、电池、逆变器、输水管道、电压表、接线附件和水泵。将耦合的能源材料以东南方向150°角安装。白天从太阳能中产生的电压记录分为两部分：来自太阳能板和电压控制器。两块太阳能板的平均太阳能发电量为24.63V，光伏板为24.63V，充电控制器为10.23V。在用于评估太阳能板发电量的10小时时段内（上午9：00至下午6：00），光伏板记录的电压范围为19.3至30.2V，而充电控制器记录的电压范围为5.1至16.0V。电压从上午9：00起持续上升，直至下午3：00达到峰值，下午4：00开始下降，至下午6：00阳光变暗时降至最低电压。充电控制器允许电流进入电池，并保护和调节其充放电。通过改变抽水时间（秒）测试水泵效率，设定时间为10、20、30、40、50和60秒。由于电池处于满充状态，流量（L\u002Fs）保持恒定在5L\u002Fs。抽水装置与基于土壤湿度的自动化滴灌系统耦合，该系统采用智能灌溉系统开发。所使用的物联网（IoT）组件包括Arduino、万用板（Veroboard）和定时开关、土壤湿度传感器、继电器模块和水泵。试验小区布置在简易温室中。采用中流量滴头作为灌溉滴头。湿度传感器设定为当土壤湿度低于50%时触发灌溉。所产生的太阳能在整个灌溉计划期间直至收获期，持续维持智能灌溉系统所需抽水量。","INTERNATIONAL JOURNAL OF ENGINEERING AND MODERN TECHNOLOGY",49,{"impact":21,"substance":242,"depth":20,"authority":57,"freshness":21,"relevant":22,"comment":243},14,"太阳能驱动智能灌溉系统的实测数据与IoT集成方案有一定参考价值，但期刊层级偏低、影响范围有限，暂不建议进入每日精选。",[245],{"name":239,"url":236},[27,28,247,248,249],"节水灌溉","土壤墒情","太阳能灌溉",[251,252],"太阳能 智能灌溉 系统","土壤湿度 滴灌 物联网","太阳能智能灌溉系统-3472","10.56201\u002Fijemt.vol.12.no8.2026.pg158.171",{"doi":254,"openalex_id":256,"authors":257,"venue":239,"cited_by_count":36,"oa_url":261,"card":262,"direction":52,"ingested_from":54},"W7214070923",[258],{"name":259,"orcid":260},"Malum Japhet Flayin","https:\u002F\u002Forcid.org\u002F0000-0002-9400-2546","https:\u002F\u002Fiiardjournals.org\u002Fget\u002FIJEMT\u002FVOL. 12 NO. 8 2026\u002FSolar- Powered and Performance Evaluation 158-171.pdf",{"tldr":263,"method":264,"finding":265,"direction":52,"opportunity":266},"研发并评估太阳能供电的智能滴灌系统，利用土壤湿度传感器自动触发灌溉。","光伏板、充电控制器、电池、Arduino与土壤湿度传感器，温室试验。","光伏板日均电压24.63V，泵流量稳定5L\u002Fs，系统可全天候维持灌溉至收获。","可研究多传感器融合与能量管理优化，提升阴雨天续航及灌溉决策精度。","2026-09-25T23:30:10.959076Z",{"id":269,"title":270,"url":271,"summary":272,"summary_zh":9,"content":273,"source_name":274,"source_url":9,"published_at":108,"category":275,"cover_url":9,"hotness":13,"is_selected":14,"score":276,"score_detail":277,"sources":280,"tags":282,"search_phrases":285,"slug":288,"view_count":36,"doi":9,"paper":9,"created_at":289},3386,"龙江大地种田有多'聪明'？北大荒闫家岗农场72台套物联网设备构建'空天地人机'一体化数据网络","https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm","北大荒集团闫家岗农场拥有72台套物联网设备，24小时不间断采集农业生产数据上传平台，通过AI分析给出生产建议。农场用几个关键词概括：'数字大脑'——巡田无人机已全面替代传统人工作业；'全天候守护'——实现气象、墒情、光照全方位智能监测；'智能装备'——农田水利'双孪生'系统实现远程调水、智能控温、虫情监测等功能。北大荒集团已在20多个农场实施智慧农业示范项目，已在七星、友谊等重点农场落地见效。","[![Image 1](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_logo.png)](https:\u002F\u002Fwww.agri.cn\u002F)\n\n[无障碍](javascript:void(0);)[农芯慧答](https:\u002F\u002Fllm.trscd.com.cn\u002Fllm-app\u002F#\u002Fintelligent-qa?code=345059188574435d82b124eb1013e8d1&appId=910)[中华人民共和国农业农村部](https:\u002F\u002Fwww.moa.gov.cn\u002F)\n\n*   [首页](https:\u002F\u002Fwww.agri.cn\u002F)\n*   [机构](https:\u002F\u002Fwww.agri.cn\u002Fjg)\n*   [资讯](https:\u002F\u002Fwww.agri.cn\u002Fzx)\n*   [数据](https:\u002F\u002Fwww.agri.cn\u002Fsj)\n*   [生产](https:\u002F\u002Fwww.agri.cn\u002Fsc)\n*   [信息化](https:\u002F\u002Fwww.agri.cn\u002Fxxh)\n*   [专题](https:\u002F\u002Fwww.agri.cn\u002Fzt)\n*   [视频](https:\u002F\u002Fwww.agri.cn\u002Fvideo)\n\n[首页](https:\u002F\u002Fwww.agri.cn\u002F \"首页\")>[资讯](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002F \"资讯\")>[全国信息联播](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002F \"全国信息联播\")>[黑龙江](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F \"黑龙江\")\n\n 龙江大地种田有多“聪明”？在闫家岗农场解锁“丰收密码” \n\n时间：2026-09-24 来源：龙头新闻·黑龙江日报\n\n字号：大 中 小![Image 2](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fnxw_printIcon.png) 打印 \n\n分享:[](https:\u002F\u002Fsns.qzone.qq.com\u002Fcgi-bin\u002Fqzshare\u002Fcgi_qzshare_onekey?url=https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm&title=%E9%BE%99%E6%B1%9F%E5%A4%A7%E5%9C%B0%E7%A7%8D%E7%94%B0%E6%9C%89%E5%A4%9A%E2%80%9C%E8%81%AA%E6%98%8E%E2%80%9D%EF%BC%9F%E5%9C%A8%E9%97%AB%E5%AE%B6%E5%B2%97%E5%86%9C%E5%9C%BA%E8%A7%A3%E9%94%81%E2%80%9C%E4%B8%B0%E6%94%B6%E5%AF%86%E7%A0%81%E2%80%9D \"qq空间\")[](javascript:void(0); \"微信\")[](http:\u002F\u002Fservice.weibo.com\u002Fshare\u002Fshare.php?url=https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm&title=%E9%BE%99%E6%B1%9F%E5%A4%A7%E5%9C%B0%E7%A7%8D%E7%94%B0%E6%9C%89%E5%A4%9A%E2%80%9C%E8%81%AA%E6%98%8E%E2%80%9D%EF%BC%9F%E5%9C%A8%E9%97%AB%E5%AE%B6%E5%B2%97%E5%86%9C%E5%9C%BA%E8%A7%A3%E9%94%81%E2%80%9C%E4%B8%B0%E6%94%B6%E5%AF%86%E7%A0%81%E2%80%9D \"新浪微博\")\n\n稻浪滚滚，锣鼓喧天，23日，在北大荒集团闫家岗农场2026年中国农民丰收节黑龙江省主场活动的现场，各界嘉宾、农民、市民游客与农场职工齐聚，处处洋溢着丰收的喜悦。在闫家岗七彩大道示范田边，几台物联网设备静静矗立，在热闹的节日中默默护航稻田，这是北大荒“聪明”种田的硬件设施，也是北大荒“空天地人机”一体化数据网络的神经末梢。\n\n站在金黄的水稻田边，北大荒集团黑龙江闫家岗农场智慧农业负责人郭腾接受了记者的采访。\n\n“你看到的我们身后的物联网设备，闫家岗农场拥有72台套，它可以实时24小时不间断采集田间的农业生产数据，上传到平台，通过AI分析给出农业生产建议，这些专业的生产建议可以通过手机传递到种植户手里。从凭经验种田到凭数据种粮，让更多种植户达到节本增收的效果。”\n\n闫家岗丰收节现场的无人收割机作业演示环节，不用人坐在驾驶室，机器自己就能在稻田里开展收割；AI病虫害识别技术也将亮相，不靠人工一遍遍下地巡查，借助智能手段就能快速捕捉田间病虫害线索，提前做好防控。\n\n当记者问到闫家岗农场在智慧农业建设方面取得了哪些进展时，郭腾笑着说：“智慧农业是我们闫家岗农场最亮的一张名片，也是我本人投入精力最多的领域。”\n\n他告诉记者，在闫家岗农场层面，用几个关键词来概括：第一个关键词是“数字大脑”。巡田无人机已经全面替代传统人工作业，实现了大面积、高效率的农田巡查。所有数据实时回传至田间监测系统后台，形成智慧农业的“数字大脑”，精准指导从种到收的每一个环节。第二个关键词是“全天候守护”。如今闫家岗的农田，实现了气象、墒情、光照的全方位智能监测，整套智能监测体系24小时不间断值守，气象风险、作物长势、土壤状态全部量化为精准数据，全程护航水稻稳产增收。第三个关键词是“智能装备”。农场建设了农田水利“双孪生”系统，实现远程调水、智能控温、虫情监测等功能，构建农情天空地感知网络。智能温室大棚、无人插秧机、智能灌溉等数字化设备已经成为标配。\n\n从垦区层面来看，北大荒集团的智慧农业建设已经形成了体系化的“北大荒方案”。\n\n记者了解到，北大荒集团已经在20多个农场实施了智慧农业示范项目，成功打造了可复制、可推广的“北大荒未来农场”技术模式，已在七星、友谊等重点农场落地见效，推动传统农耕从“会”种田向“慧”种田全面跨越。北大荒集团联合哈尔滨工业大学、东北农业大学共建了智慧农场技术与系统全国重点实验室，把科研攻关、系统集成、场景验证、规模推广串成一条闭环，让更多新技术从实验室走向田间。（黑龙江日报记者：刘畅）\n\n![Image 3](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fnxw_back.png)\n返回顶部\n\n*   [外交部](https:\u002F\u002Fwww.fmprc.gov.cn\u002Fweb\u002F)\n*   [国防部](http:\u002F\u002Fwww.mod.gov.cn\u002F)\n*   [国家发展和改革委员会](https:\u002F\u002Fwww.ndrc.gov.cn\u002F)\n*   [教育部](http:\u002F\u002Fwww.moe.gov.cn\u002F)\n*   [科学技术部](https:\u002F\u002Fwww.most.gov.cn\u002F)\n*   [工业和信息化部](https:\u002F\u002Fwww.miit.gov.cn\u002F)\n*   [国家民族事务委员会](https:\u002F\u002Fwww.neac.gov.cn\u002F)\n*   [公安部](https:\u002F\u002Fwww.mps.gov.cn\u002F)\n*   [国家安全部](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [民政部](https:\u002F\u002Fwww.mca.gov.cn\u002F)\n*   [司法部](http:\u002F\u002Fwww.moj.gov.cn\u002F)\n*   [财政部](http:\u002F\u002Fwww.mof.gov.cn\u002F)\n*   [人力资源和社会保障部](http:\u002F\u002Fwww.mohrss.gov.cn\u002F)\n*   [自然资源部](https:\u002F\u002Fwww.mnr.gov.cn\u002F)\n*   [生态环境部](https:\u002F\u002Fwww.mee.gov.cn\u002F)\n*   [住房和城乡建设部](https:\u002F\u002Fwww.mohurd.gov.cn\u002F)\n*   [交通运输部](https:\u002F\u002Fwww.mot.gov.cn\u002F)\n*   [水利部](http:\u002F\u002Fwww.mwr.gov.cn\u002F)\n*   [农业农村部](http:\u002F\u002Fwww.moa.gov.cn\u002F)\n*   [商务部](http:\u002F\u002Fwww.mofcom.gov.cn\u002F)\n*   [文化和旅游部](https:\u002F\u002Fwww.mct.gov.cn\u002F)\n*   [国家卫生健康委员会](http:\u002F\u002Fwww.nhc.gov.cn\u002F)\n*   [退役军人事务部](http:\u002F\u002Fwww.mva.gov.cn\u002F)\n*   [应急管理部](https:\u002F\u002Fwww.mem.gov.cn\u002F)\n*   [中国人民银行](http:\u002F\u002Fwww.pbc.gov.cn\u002F)\n*   [审计署](https:\u002F\u002Fwww.audit.gov.cn\u002F)\n*   [国家语言文字工作委员会](http:\u002F\u002Fwww.moe.gov.cn\u002Fjyb_sy\u002FChina_Language\u002F)\n*   [国家航天局](http:\u002F\u002Fwww.cnsa.gov.cn\u002F)\n*   [国家原子能机构](http:\u002F\u002Fwww.caea.gov.cn\u002F)\n*   [国家外国专家局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家海洋局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家核安全局](https:\u002F\u002Fnnsa.mee.gov.cn\u002F)\n*   [国家乡村振兴局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国务院国有资产监督管理委员会](http:\u002F\u002Fwww.sasac.gov.cn\u002F)\n*   [海关总署](http:\u002F\u002Fwww.customs.gov.cn\u002F)\n*   [国家税务总局](http:\u002F\u002Fwww.chinatax.gov.cn\u002F)\n*   [国家市场监督管理总局](https:\u002F\u002Fwww.samr.gov.cn\u002F)\n*   [国家金融监督管理总局](https:\u002F\u002Fwww.nfra.gov.cn\u002F)\n*   [中国证券监督管理委员会](http:\u002F\u002Fwww.csrc.gov.cn\u002F)\n*   [国家广播电视总局](http:\u002F\u002Fwww.nrta.gov.cn\u002F)\n*   [国家体育总局](https:\u002F\u002Fwww.sport.gov.cn\u002F)\n*   [国家信访局](https:\u002F\u002Fwww.gjxfj.gov.cn\u002Fgjxfj\u002Findex.htm)\n*   [国家统计局](http:\u002F\u002Fwww.stats.gov.cn\u002F)\n*   [国家知识产权局](https:\u002F\u002Fwww.cnipa.gov.cn\u002F)\n*   [国家国际发展合作署](http:\u002F\u002Fwww.cidca.gov.cn\u002F)\n*   [国家医疗保障局](http:\u002F\u002Fwww.nhsa.gov.cn\u002F)\n*   [国务院参事室](http:\u002F\u002Fwww.counsellor.gov.cn\u002F)\n*   [国家机关事务管理局](http:\u002F\u002Fwww.ggj.gov.cn\u002F)\n*   [国家反垄断局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家认证认可监督管理委员会](http:\u002F\u002Fwww.cnca.gov.cn\u002F)\n*   [国家标准化管理委员会](http:\u002F\u002Fwww.sac.gov.cn\u002F)\n*   [国家新闻出版署（国家版权局）](https:\u002F\u002Fwww.ncac.gov.cn\u002F)\n*   [国家宗教事务局](https:\u002F\u002Fwww.sara.gov.cn\u002F)\n*   [国务院研究室](https:\u002F\u002Fwww.gov.cn\u002Fguoqing\u002F2018-06\u002F22\u002Fcontent_5300522.htm)\n*   [国务院侨务办公室](https:\u002F\u002Fwww.gqb.gov.cn\u002F)\n*   [国务院港澳事务办公室](https:\u002F\u002Fwww.hmo.gov.cn\u002F)\n*   [国务院台湾事务办公室](http:\u002F\u002Fwww.gwytb.gov.cn\u002F)\n*   [国家互联网信息办公室](http:\u002F\u002Fwww.cac.gov.cn\u002F)\n*   [国务院新闻办公室](http:\u002F\u002Fwww.scio.gov.cn\u002Findex.htm)\n*   [新华通讯社](https:\u002F\u002Fwww.news.cn\u002Fxinhuashe\u002F)\n*   [中国科学院](https:\u002F\u002Fwww.cas.cn\u002F)\n*   [中国社会科学院](http:\u002F\u002Fwww.cass.cn\u002F)\n*   [中国工程院](https:\u002F\u002Fwww.cae.cn\u002F)\n*   [国务院发展研究中心](https:\u002F\u002Fwww.drc.gov.cn\u002Fdefault.aspx)\n*   [中央广播电视总台](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [中国气象局](https:\u002F\u002Fwww.cma.gov.cn\u002F)\n*   [国家行政学院](https:\u002F\u002Fwww.ccps.gov.cn\u002F)\n*   [国家粮食和物资储备局](http:\u002F\u002Fwww.lswz.gov.cn\u002F)\n*   [国家能源局](http:\u002F\u002Fwww.nea.gov.cn\u002F)\n*   [国家数据局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家国防科技工业局](http:\u002F\u002Fwww.sastind.gov.cn\u002F)\n*   [国家烟草专卖局](http:\u002F\u002Fwww.tobacco.gov.cn\u002Fgjyc\u002Findex.shtml)\n*   [国家移民管理局](https:\u002F\u002Fwww.nia.gov.cn\u002F)\n*   [国家林业和草原局](http:\u002F\u002Fwww.forestry.gov.cn\u002F)\n*   [国家铁路局](http:\u002F\u002Fwww.nra.gov.cn\u002F)\n*   [中国民用航空局](http:\u002F\u002Fwww.caac.gov.cn\u002Findex.html)\n*   [国家邮政局](https:\u002F\u002Fwww.spb.gov.cn\u002F)\n*   [国家文物局](http:\u002F\u002Fwww.ncha.gov.cn\u002F)\n*   [国家中医药管理局](http:\u002F\u002Fwww.natcm.gov.cn\u002F)\n*   [国家疾病预防控制局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家矿山安全监察局](https:\u002F\u002Fwww.chinamine-safety.gov.cn\u002F)\n*   [国家消防救援局](https:\u002F\u002Fwww.119.gov.cn\u002F)\n*   [国家外汇管理局](http:\u002F\u002Fwww.safe.gov.cn\u002F)\n*   [国家药品监督管理局](https:\u002F\u002Fwww.nmpa.gov.cn\u002F)\n\n*   [农业农村部机关服务中心( 农业农村部机关服务局 )](http:\u002F\u002Fwww.jgfwj.agri.cn\u002F)\n*   [中国农业科学院](http:\u002F\u002Fwww.caas.cn\u002F)\n*   [中国水产科学研究院](https:\u002F\u002Fwww.cafs.ac.cn\u002F)\n*   [中国热带农业科学院](http:\u002F\u002Fwww.catas.cn\u002F)\n*   [全国农业展览馆（中国农业博物馆）](http:\u002F\u002Fwww.ciae.com.cn\u002F)\n*   [中国农业电影电视中心](http:\u002F\u002Fwww.ntv.cn\u002F)\n*   [农民日报社](https:\u002F\u002Fwww.farmer.com.cn\u002F)\n*   [中国农业出版社有限公司（农村读物出版社）](http:\u002F\u002Fwww.ccap.com.cn\u002F)\n*   [中国农村杂志社](http:\u002F\u002Fwww.crnews.net\u002F)\n*   [全国乡村振兴宣传教育中心](https:\u002F\u002Fnpecrr.agri.cn\u002F)\n*   [中央农业干部教育培训中心（农业农村部管理干部学院、中国共产党农业农村部党校）](http:\u002F\u002Fwww.gbxy.agri.cn\u002F)\n*   [农业农村部人力资源开发中心、中国农学会](https:\u002F\u002Fwww.rlzy.moahr.cn\u002F)\n*   [农业农村部农村经济研究中心](http:\u002F\u002Fwww.rcre.agri.cn\u002F)\n*   [农业农村部信息中心](https:\u002F\u002Fwww.agri.cn\u002F)\n*   [农业农村部农产品质量安全中心](http:\u002F\u002Fwww.aqsc.agri.cn\u002F)\n*   [中国绿色食品发展中心](http:\u002F\u002Fwww.greenfood.agri.cn\u002F)\n*   [农业农村部规划设计研究院](http:\u002F\u002Fwww.aape.org.cn\u002F)\n*   [中国乡村振兴发展中心](https:\u002F\u002Fxczx.agri.cn\u002F)\n*   [农业农村部大数据发展中心](http:\u002F\u002Fwww.abdc.agri.cn\u002F)\n*   [农业农村部工程建设服务中心](http:\u002F\u002Fwww.gczx.agri.cn\u002F)\n*   [农业农村部财会服务中心、中华农业科教基金会](http:\u002F\u002Fwww.ckzx.agri.cn\u002F)\n*   [农业农村部对外经济合作中心（中国-欧洲联盟农业技术中心）](http:\u002F\u002Fwww.fecc.agri.cn\u002F)\n*   [农业农村部农业贸易促进中心(中国国际贸易促进委员会农业行业分会、中国国际商会农业行业商会)](http:\u002F\u002Fwww.mczx.agri.cn\u002F)\n*   [中国国际减贫中心](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [农业农村部国际交流服务中心](http:\u002F\u002Fwww.cicos.agri.cn\u002F)\n*   [中央农业广播电视学校(农业农村部农民科技教育培训中心)、中国农民体育协会](http:\u002F\u002Fwww.ngx.net.cn\u002F)\n*   [农业农村部科技发展中心](https:\u002F\u002Fwww.nybkjfzzx.cn\u002F)\n*   [农业农村部农业生态与资源保护总站](http:\u002F\u002Fwww.reea.agri.cn\u002F)\n*   [中国农村技术开发中心](http:\u002F\u002Fwww.crtdc.org.cn\u002F)\n*   [全国农业技术推广服务中心](http:\u002F\u002Fwww.natesc.org.cn\u002F)\n*   [农业农村部农药检定所（国际食品法典农药残留委员会秘书处）](http:\u002F\u002Fwww.chinapesticide.org.cn\u002F)\n*   [农业农村部耕地质量和农田工程监督保护中心](http:\u002F\u002Fwww.gdzl.agri.cn\u002F)\n*   [农业农村部农业机械化总站](http:\u002F\u002Fwww.amic.agri.cn\u002F)\n*   [全国畜牧总站](https:\u002F\u002Fwww.nahs.org.cn\u002F)\n*   [中国动物疫病预防控制中心（农业农村部屠宰技术中心）](http:\u002F\u002Fwww.cadc.net.cn\u002F)\n*   [中国兽医药品监察所（农业农村部兽药评审中心）](http:\u002F\u002Fwww.ivdc.org.cn\u002F)\n*   [中国动物卫生与流行病学中心](http:\u002F\u002Fwww.cahec.cn\u002F)\n*   [中国农垦经济发展中心（农业农村部南亚热带作物中心）](http:\u002F\u002Fwww.farmchina.org.cn\u002F)\n*   [农业农村部农村社会事业发展中心（农业农村部乡镇企业发展中心）](http:\u002F\u002Fwww.shsyzx.agri.cn\u002F)\n*   [农业农村部乡村振兴监测中心](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [全国水产技术推广总站、中国水产学会](http:\u002F\u002Fwww.nftec.agri.cn\u002F)\n*   [农业农村部渔政保障中心](http:\u002F\u002Fwww.yzbzzx.agri.cn\u002F)\n*   [中国农产品市场协会](http:\u002F\u002Fwww.chama.org.cn\u002F)\n*   [中国农业国际合作促进会茶产业分会|中农促茶产业分会](https:\u002F\u002Fwww.capiaccti.org.cn\u002F)\n\n*   [北京农业农村局](http:\u002F\u002Fnyncj.beijing.gov.cn\u002F)\n*   [天津农业农村委](http:\u002F\u002Fnync.tj.gov.cn\u002F)\n*   [河北农业农村厅](http:\u002F\u002Fnync.hebei.gov.cn\u002F)\n*   [山西农业农村厅](http:\u002F\u002Fnynct.shanxi.gov.cn\u002F)\n*   [内蒙古农牧厅](http:\u002F\u002Fnmt.nmg.gov.cn\u002F)\n*   [辽宁农业农村厅](http:\u002F\u002Fnync.ln.gov.cn\u002F)\n*   [吉林农业农村厅](http:\u002F\u002Fagri.jl.gov.cn\u002F)\n*   [吉林畜牧业管理局](http:\u002F\u002Fxmy.jl.gov.cn\u002F)\n*   [黑龙江农业农村厅](http:\u002F\u002Fnynct.hlj.gov.cn\u002F)\n*   [上海农业农村委](https:\u002F\u002Fnyncw.sh.gov.cn\u002F)\n*   [江苏农业农村厅](http:\u002F\u002Fnynct.jiangsu.gov.cn\u002F)\n*   [浙江农业农村厅](http:\u002F\u002Fnynct.zj.gov.cn\u002F)\n*   [安徽农业农村厅](http:\u002F\u002Fnync.ah.gov.cn\u002F)\n*   [福建农业农村厅](http:\u002F\u002Fnynct.fujian.gov.cn\u002F)\n*   [江西农业农村厅](http:\u002F\u002Fnync.jiangxi.gov.cn\u002F)\n*   [山东农业农村厅](http:\u002F\u002Fnync.shandong.gov.cn\u002F)\n*   [河南农业农村厅](https:\u002F\u002Fnynct.henan.gov.cn\u002F)\n*   [湖北农业农村厅](http:\u002F\u002Fnyt.hubei.gov.cn\u002F)\n*   [湖南农业农村厅](http:\u002F\u002Fagri.hunan.gov.cn\u002F?tdsourcetag=s_pcqq_aiomsg)\n*   [广东农业农村厅](http:\u002F\u002Fdara.gd.gov.cn\u002F)\n*   [广西农业农村厅](http:\u002F\u002Fnynct.gxzf.gov.cn\u002F)\n*   [海南农业农村厅](http:\u002F\u002Fagri.hainan.gov.cn\u002Fhnsnyt\u002F)\n*   [重庆农业农村委](http:\u002F\u002Fnyncw.cq.gov.cn\u002F)\n*   [四川农业农村厅](http:\u002F\u002Fnynct.sc.gov.cn\u002F)\n*   [贵州农业农村厅](http:\u002F\u002Fnynct.guizhou.gov.cn\u002F)\n*   [云南农业农村厅](https:\u002F\u002Fnync.yn.gov.cn\u002F)\n*   [西藏农业农村厅](http:\u002F\u002Fnynct.xizang.gov.cn\u002F)\n*   [陕西农业农村厅](http:\u002F\u002Fnynct.shaanxi.gov.cn\u002F)\n*   [甘肃农业农村厅](http:\u002F\u002Fnync.gansu.gov.cn\u002F)\n*   [青海农业农村厅](http:\u002F\u002Fnynct.qinghai.gov.cn\u002F)\n*   [宁夏农业农村厅](http:\u002F\u002Fnynct.nx.gov.cn\u002F)\n*   [新疆农业农村厅](http:\u002F\u002Fnynct.xinjiang.gov.cn\u002F)\n*   [新疆兵团农业农村局](http:\u002F\u002Fnyj.xjbt.gov.cn\u002F)\n\n*   [中国农业电影电视中心](http:\u002F\u002Fwww.ntv.cn\u002F)\n*   [农民日报社](https:\u002F\u002Fwww.farmer.com.cn\u002F)\n*   [中国农业出版社有限公司（农村读物出版社）](http:\u002F\u002Fwww.ccap.com.cn\u002F)\n*   [中国农村杂志社](http:\u002F\u002Fwww.crnews.net\u002F)\n*   [人民网](http:\u002F\u002Fwww.people.com.cn\u002F)\n*   [新华网](http:\u002F\u002Fwww.xinhuanet.com\u002F)\n*   [求是网](http:\u002F\u002Fwww.qstheory.cn\u002F)\n*   [解放军报](http:\u002F\u002Fwww.81.cn\u002Fszb_223187\u002Fszblb\u002Findex.html?paperNumber=01&paperName=jfjb)\n*   [光明网](http:\u002F\u002Fwww.gmw.cn\u002F)\n*   [经济日报](http:\u002F\u002Fpaper.ce.cn\u002Fjjrb\u002Fhtml\u002F2021-02\u002F20\u002Fnode_2.htm)\n*   [中国日报](http:\u002F\u002Fcn.chinadaily.com.cn\u002F)\n*   [央广网](http:\u002F\u002Fwww.cnr.cn\u002F)\n*   [央视网](http:\u002F\u002Fwww.cctv.com\u002F)\n*   [国际在线](http:\u002F\u002Fwww.cri.cn\u002F)\n*   [科技日报](https:\u002F\u002Fepaper.stdaily.com\u002F)\n*   [中国纪检监察报](https:\u002F\u002Fjjjcb.ccdi.gov.cn\u002Fepaper\u002F)\n*   [工人日报](http:\u002F\u002Fmedia.workercn.cn\u002Fsites\u002Fpaper\u002Fpaper_index.html)\n*   [中国青年报](http:\u002F\u002Fzqb.cyol.com\u002Fhtml\u002F2021-02\u002F19\u002Fnbs.D110000zgqnb_01.htm)\n*   [中国妇女报](http:\u002F\u002Fpaper.cnwomen.com.cn\u002Fhtml\u002F2021-02\u002F19\u002Fnbs.D110000zgfnb_1.htm)\n*   [农民日报](http:\u002F\u002Fszb.farmer.com.cn\u002F2021\u002F20210220\u002F20210220_001\u002F20210220_001.html)\n*   [法制日报](http:\u002F\u002Fepaper.legaldaily.com.cn\u002Ffzrb\u002Fcontent\u002F20210220\u002FPage01TB.htm)\n*   [中国新闻网](https:\u002F\u002Fwww.chinanews.com\u002F)\n\n相关链接：\n\n*   国务院各部门![Image 4](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_footer_bg.png)\n*   直属单位\u002F行业协会![Image 5](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_footer_bg.png)\n*   各省（区\u002F市）农业网站![Image 6](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_footer_bg.png)\n*   新闻媒体\u002F部属媒体![Image 7](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_footer_bg.png)\n\n[![Image 8](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_foot_ico.png)](https:\u002F\u002Fbszs.conac.cn\u002Fsitename?method=show&id=17EE80B556BC73D2E053012819AC3462)\n\n*   [关于我们](https:\u002F\u002Fwww.agri.cn\u002Fdbxx\u002F202311\u002Ft20231108_8053689.htm)\n*   [网站声明](https:\u002F\u002Fwww.agri.cn\u002Fdbxx\u002F202311\u002Ft20231108_8053691.htm)\n*   [网站地图](https:\u002F\u002Fwww.agri.cn\u002Fdbxx\u002Fwzdt\u002F)\n*   [联系我们](https:\u002F\u002Fwww.agri.cn\u002Fdbxx\u002F202311\u002Ft20231108_8053690.htm)\n*   [访问分析](https:\u002F\u002Freport.moa.gov.cn\u002Freport\u002Findex.html)\n\n主办单位：农业农村部信息中心[京ICP备05039419号-1](https:\u002F\u002Fbeian.miit.gov.cn\u002F)最佳浏览模式：1920*1080分辨率 网站保留所有权，未经许可不得复制、镜像[京公网安备 11010502034743号](http:\u002F\u002Fwww.beian.gov.cn\u002Fportal\u002FregisterSystemInfo?recordcode=11010502034743)\n\n[![Image 9](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_foot_ico2.png)](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n\n[按回车键在新窗口打开无障碍说明页面,按Ctrl+~键打开导盲模式。](javascript:void(0);)\n\n*   [](javascript:void(0); \"重新设置Shift+1\")重置\n*   [](javascript:void(0); \"声音\")声音\n*   [](javascript:void(0); \"语速\")语速\n*   [](javascript:void(0); \"阅读方式\")阅读方式\n*   [](javascript:void(0); \"切换配色Shift+5\")配色\n*   [](javascript:void(0); \"网页放大Shift+6\")放大\n*   [](javascript:void(0); \"网页缩小Shift+7\")缩小\n*   [](javascript:void(0); \"切换鼠标样式Shift+8\")大鼠标\n*   [](javascript:void(0); \"十字光标\")光标\n*   [](javascript:void(0); \"切换显示屏Shift+0\")显示屏\n*   [](https:\u002F\u002Fwww.mangren.com\u002FcommonToolbarV6\u002Fhelp.html \"开启帮助Shift+问号键\")帮助\n*   [](javascript:void(0); \"固定或者隐藏工具栏，请按 Shift+L\")固定\n*   [](javascript:void(0); \"下载快捷方式 Shift+D\")快捷方式\n*   [](javascript:void(0); \"读屏专用：快捷键Shift+N，适用于使用读屏软件的用户，若无读屏软件可通过Shift+2开启声音获取语音提示\")读屏专用\n*   [](javascript:void(0); \"关闭辅助工具Shift+Q\")退出\n\n导航区(0)\n\nALT+1\n\n视窗区(0)\n\nALT+2\n\n交互区(0)\n\nALT+3\n\n服务区(0)\n\nALT+4\n\n列表区(0)\n\nALT+5\n\n正文区(0)\n\nALT+6\n\n[](javascript:void(0); \"声音开关\")语音\n\n[](javascript:void(0); \"开启帮助Shift+问号键\")帮助\n\n[](javascript:void(0); \"显示屏\")显示屏\n\n[](javascript:void(0); \"老人服务：快捷键Shift+N，适用于视力和文化认知底下的人群\")老人服务\n\n[](javascript:void(0); \"关闭辅助工具Shift+Q\")退出\n\n请按F11切换全屏模式\n\n  \n提示：该链接属站外链接，将无法使用辅助浏览工具！  \n是否继续访问？  \n\n请注意，该操作链接到其他网站  \n该网站无法启动无障碍工具条！\n\n当前访问页面超出辅助工具操作范围  \n无障碍辅助工具无法正常工作！  \n  \n\n##### 分享到微信\n\n×\n用微信“扫一扫”，点击右上角分享按钮，  \n即可将网页分享给您的微信好友或朋友圈。","中国农业农村信息网 2026-09-24","报道",68,{"impact":19,"substance":17,"depth":242,"authority":278,"freshness":113,"relevant":22,"comment":279},11,"以丰收节现场为切口，具体呈现北大荒闫家岗农场物联网、无人农机与数字大脑的落地成效，属省级媒体实地报道，有细节但偏宣传性，适合主题聚合而非头条精选。",[281],{"name":274,"url":271},[27,76,28,283,284],"北大荒","无人农机",[286,287],"北大荒 闫家岗农场 智慧农业","闫家岗农场 物联网设备","北大荒闫家岗农场智慧农业-3386","2026-09-25T00:09:27.560637Z"]