#作物损失预测

提出分层跨模态时空注意力网络HCM-STAN，融合多源农业数据预测喜马拉雅山区苹果产量。

探讨AI在环境监测与可持续发展中的作用，聚焦尼日利亚，涵盖遥感、水质、废物管理等应用。

在百万级观测数据上比较五种回归模型的作物产量预测性能。

提出AI框架，结合机器学习与天气分析，推荐作物并预测产量。

综述AI（CNN、ViT、无人机遥感、物联网）用于作物病虫害早期检测并融入种植园风险管理。

评估生长季内天气变量时间聚合粒度对水稻产量机器学习模型预测与可解释性的影响。

构建可解释机器学习框架，预测次日土壤湿度并支持灌溉决策。

提出诊断式时空多模态融合网络Diag-STFN，实现全球收获前玉米小麦产量预测。