A physics-guided hybrid framework for peanut nitrogen monitoring (Computers and Electronics in Agriculture)
提出物理-数据融合框架POSNH,用于花生冠层氮素含量遥感监测,降低样本依赖并提高泛化能力。
提出物理-数据融合框架POSNH,用于花生冠层氮素含量遥感监测,降低样本依赖并提高泛化能力。
综述深度学习用于卫星影像土地覆盖分类的语义分割方法,并分析挑战与未来方向。
Estimation of Agricultural Vegetation Water Stress Using Feature-Optimized Remote Sensing and Ensemble Machine Learning。Smart Agricultural Technology
利用无人机多源遥感进行全季节小麦表型分析,通过动态时间序列建模提取高通量性状。
提出MetaMamba方法,结合元学习与Mamba,实现荒漠草原无人机高光谱影像少样本植被物种分类。
提出改进的Transformer-KAN模型,基于多时相遥感数据实现高精度、可迁移的大豆种植区制图。
提出基于HYDRA字典方法的机器学习框架,结合物候特征预测玉米产量。
提出一种仅用Sentinel-1和Sentinel-2数据估算田间灌溉量的方法,无需地面实测。
综述高光谱成像在小麦病害检测中的应用,涵盖方法、挑战与未来方向。
研究干旱胁迫对积雪草生长、生理和光谱响应的影响,并建立预测模型。
提出CFAEVM-UNet模型,用于无人机图像中密集小害虫的精确分割。
提出Diag-STFN网络,用于全球收获前玉米和小麦产量预测,在CY-Bench基准上取得最优性能。
融合无人机多源遥感特征与深度学习,高精度估算茶树生物量与氮素积累量。
利用无人机多光谱成像与机器学习检测作物胁迫并优化产量。
结合Sentinel-1 SAR和Sentinel-2光学数据,绘制作物图并评估洪水淹没对农业的影响
融合多源遥感数据改进水云模型,实现柑橘园土壤水分和冠层含水量高精度反演。
基于无人机多模态遥感数据,构建综合高光效表型指数并精准估算,用于小麦育种材料筛选。
提出 PhenoStream 网络基础设施,自动化航空影像作物性状提取全流程。
提出轻量级多流双阶段融合网络MDFNet,用于高分辨率遥感图像场景分类,兼顾精度与效率。
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。