农业遥感 智慧农业

基于密歇根29块田的精细产量图，估算精准保护的机会成本并评估其经济可行性。

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。

提出像素级多任务深度学习框架，从高光谱数据高通量估算作物光合表型参数。

提出并评估了在45°斜视无人机图像中检测田间二维码标记的可复现流程，解码成功率达98.2%。

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。

评估ET0与土壤湿度对机器学习估算实际蒸散的影响及可解释性。

提出利用日光诱导叶绿素荧光（SIF）遥感构建下一代农田作物管理观测策略。

系统盘点魁北克数字农业技术应用及其对可持续发展的贡献与知识空白。

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

分析无人机与遥感农业术语从英语借入乌兹别克语的五种机制。

对比传感器精准灌溉、无人机与近红外光谱和传统管理在葡萄与番茄上的节水增产效果。

近日，由中国农业科学院农业资源与农业区划研究所牵头实施的国家重点研发计划课题山区油菜产业智能化关键技术和机械装备研究示范成果应用推广会在十堰国家农业科技园区召开。项目首席科学家梅德圣研究员及行业专家，十堰市农技中心及下属各县农技中心、长阳县等秦巴山区县基层农技推广部门、区域内油菜种植大户代表参会。课题组精准锚定秦巴山区油菜生产实际需求，构建天空地一体化监测技术与山区油菜大数据平台，能够对区域气候环境、油菜长势、菌核病发生态势开展动态监测与智能研判；研发适配山地小地块、不规则地块的油菜播种、田间管护、无人植保等专用系统装备。

研究基于地面高光谱与机器学习反演水稻叶片铅含量，并探索跨尺度遥感监测的最优建模路径。

综述土壤压实改变水力特性对灌溉管理的影响，提出将结构变异纳入精准灌溉。

Non-destructive nitrogen estimation in pastures from UAV multispectral imagery using a heterogeneity-driven machine-learning framework。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。

用AHP与云平台评估印度Bapatla城郊农业适宜性，揭示城市化引发的土地利用冲突。

提出CAPLA无人机点云融合方法，监测水盐胁迫下棉花叶倾角昼夜动态。