高光谱 土壤 机器学习

综述传感器土壤学的新进展，涵盖原理、应用、挑战与未来方向。

提出HyBEAR高光谱航空影像基准数据集，用于整田块裸土检测。

用高光谱与机器学习反演陕北农牧交错带农田土壤全氮含量。

综述遥感碳储量估算技术及其在碳信用评估中的应用与挑战。

综述光子与光电子材料器件结合物联网和机器学习，支撑气候韧性智慧农业的作物与土壤监测。

综述量子机器学习用于高光谱土壤养分估算，指出其尚处早期并给出研究路线图。

提出一套无人机高光谱结合AI的干旱区土壤有机碳制图标准化试点方案。

用无人机高光谱结合Stacking集成模型实现湿度干扰下的土壤盐度制图。

用无人机高光谱结合水分校正与Stacking集成模型反演土壤盐分。

综述2016-2026年AI预测植物干旱、盐碱和温度胁迫响应的进展。

研究利用多传感器模拟光谱和三维指数，结合GA-BPNN，分物候期估算黄花菜土壤全氮，提高精度。

综述遥感与机器学习在印度园艺作物精准管理中的应用，涵盖原理、方法、案例与挑战。