人工智能 土壤表征

发表于《Agronomy》(Basel) 2026年第16卷第13期1241:基于PRISMA 2020框架,对Scopus数据库2018-2026年196项合格研究进行系统综述,聚焦土壤理化性质、数字土壤制图、灌溉管理和作物产量预测。研究显示机器学习与深度学习模型主导近期研究,随机森林、支持向量机、梯度提升、人工神经网络、卷积神经网络、长短期记忆架构是最常报告的技术。主要数据来源包括原位传感器、实验室测量、遥感影像和环境协变量,常通过多源数据融合框架集成。结果表明基于树的集成模型在不同土壤属性上提供稳健性能,深度学习模型对时空预测和遥感应用特别有效。挑战涉及数据质量与可用性、跨区域模型可迁移性和复杂模型有限的可解释性。