论文信息

S.K. Sabeetha Saraswathi / T. Kamaleshwar / D. Rajalakshmi 等 5 人

The International Journal of Maritime Engineering

论文解读

AI 辅助整理
方法
多季田间观测、气象、土壤、遥感与农户管理记录,结合机器学习建模。
发现
AI决策支持系统精度高于传统咨询,提升产量稳定性、水分利用效率并减少资源浪费。
机会点
可研究跨区域模型迁移与农户信任机制,探索数据可信度对AI决策采纳的影响。

论文摘要

气候变异性、可用资源压力以及粮食需求增长,进一步侵蚀了需要智能自适应决策系统的高效农业体系。人工智能(AI)已成为一种具有潜力的方案,能够补充各类信息并整合为可执行的洞见(数据驱动的农业管理)。本研究运用实证研究与分析建模,探讨AI驱动的决策支持系统(DSS)在提升可持续作物生产力方面的重要性。研究利用多季节田间观测、农业气象数据、土壤健康指标、遥感数据以及不同农业气候区域农户的管理记录。机器学习模型被用于辅助关键农事决策,包括产量预测、灌溉时机、病虫害识别和养分优化。采用传统标准统计精度指标确定模型性能,而可持续性表现则以产量稳定性、水分利用效率和投入优化措施衡量。研究结果表明,与传统咨询方法相比,AI驱动的DSS在决策中具有较高准确性,从而带来更好的作物表现、更少的资源浪费和环境压力降低。结果还表明,情境校准、数据可信度和农户参与是决定系统能否有效运行的重要参数。本研究通过实证展示这些效益,可为基于AI的决策框架以及AI支持框架的农艺与可持续性优势的现有文献作出贡献。研究强调了基于AI的DSS作为促进韧性、资源高效和可持续农业生产系统的战略机制的未来前景。

论文原文与出版信息

The International Journal of Maritime Engineering
查看论文原文

继续探索