农业人工智能 农业遥感

构建MALENet融合DSSAT-PROSAIL结构先验与无人机高光谱，提升苜蓿氮浓度估算精度。

综述137篇文献，批判性评估农业生态系统可持续性评价工具的方法论假设与权衡。

用文献计量分析2016-2026年枣椰树智慧农业研究，发现领域增长但碎片化、田间验证不足。

提出混合深度集成框架，融合CNN与LSTM并引入注意力机制，实现作物病害预测与气候韧性灾害管理。

提出融合物联网、厘米级GNSS、多光谱遥感和AI的精准农业框架，构建作物数字孪生。

综述无人机应用潜力与发展趋势，强调其向自主化、网络化、数据驱动系统演进。

在卢旺达四区采集四种主粮作物的GPS标注地块数据集，支撑GeoAI作物监测。

提出边缘计算与深度学习结合的遥感图像分类方法，用改进3D CNN实现低延迟高精度土地覆盖识别。

评估地理空间基础模型嵌入在塞内加尔花生盆地小农作物分类中的性能、时序迁移性和可及性。

提出HAT-Light混合注意力Transformer，实现Sentinel-2多光谱16位影像连续

A hybrid PCA and 1D-CNN approach with regional priors for accurate agricultural monitoring: a case study with EuroCropsML。Precision Agriculture

部署全季节事件驱动多智能体系统FAIRY，在大豆农场完成从起垄到存储的全流程评估。

分析1075篇文献，梳理六十年土壤侵蚀与泥沙输移模型从集总到分布式的演变。

构建规则驱动农业景观功能分区指数，并用多模态融合深度学习实现自动预测。

综述无人机遥感在作物倒伏监测中的技术流程、传感器与分析模型。

提出AgriScope统一框架，实现农业图像像素级多模态理解与多任务交互。

通过长期定位试验研究氮肥后效对冬小麦-夏玉米轮作系统土壤-作物协调及微生物功能的调控机制。

综述无人机图像小目标检测的深度学习研究，提出对称性视角与三层框架。

提出融合AI、区块链、物联网与遥感的数字生命周期思维框架，用于食品系统可持续性评估。

黑龙江省农业科学院农业遥感与信息研究所所长郑妍妍介绍,黑龙江省农科院在人工智能+农业领域开展实践探索:依托大数据中心开展农业数据汇通管用全链条研究,构建长时间序列、多时空分辨率、覆盖寒地主要粮食作物全生育期的作物表型、土壤、气象、病虫害等于一体的寒地农业高质量数据体系。