遥感与农情监测

四川省农科院遥感与数字农业研究所针对丘陵山区耕地面积占全省 78%、山区不足 40% 的机械化痛点,研发出全地形全覆盖 L3 级智能插秧系统。该系统运用深度学习大模型、高精度水田边界智能提取算法、T3 地形精确定位补偿算法、秧爪耦合地形独立控制及全覆盖路径规划算法四大核心技术,系统性解决丘陵山地不规则田块全覆盖无人智能插秧难题。

本文提出便携式高光谱成像结合可解释PLS-DA-SHAP方法,用于茯苓(Fushen,Poria cocos)的地理来源溯源与真实性鉴别。研究展示了如何将机器学习与SHAP可解释性相结合,应用于中药材产地溯源。原文标题:Portable hyperspectral imaging combined with interpretable PLS-DA-SHAP for geographical origin traceability and authenticity discrimination of Poria cocos (Schw.) Wolf (Fushen),作者:Xing W、Zhang Y、Wei X、Nie S、Cheng X、Cai M、Yang Q、Wang Y,发表于Frontiers in Sustainable Food Systems 2026年第10卷doi:10.3389/fsufs.2026.1891249,2026年7月15日接收,8月7日发表。本研究为基于光谱成像的农产品/中药材产地溯源提供了可解释AI方法范式。

《农业工程学报》2026年第42卷第9期刊载华中师范大学等单位杨子恒、胡琼、吴尚岐、徐保东、蔡志文论文。DOI: 10.11975/j.issn.1002-6819.202510247。研究基于多源中、高分辨率遥感数据和深度学习语义分割算法,自动提取农田地块与道路等基础设施的空间分布信息,结合数字高程模型与水旱分布数据,从地块形状、规模、平整度以及道路通达度4个维度建立综合评价体系,以当阳市为研究区域。结果:语义分割模型农田地块与道路面积准确度分别达到0.92和0.79,边界匹配度0.85和0.86;研究区宜机化良好农田面积占比达67.3%,丘陵山区乡镇普遍面临道路通达度不足与地块平整度较差问题。

吴炳方、马慧、张淼、潘庆成、张翔、陈水森、邱炳文、徐新刚、刘建红、范锦龙、黄健熙、江佳乐、何昌垂在《智慧农业(中英文)》2026年第8卷第2期发表文章。数字农业的本质在于通过物联网、大数据、人工智能及遥感等信息技术,实现农业生产全过程的数字化映射与智能化管控。文章从对地观测视角系统剖析数字(智慧)农业研究前沿与典型案例:农情智慧监测(全口径作物制图、精准产量预测和灾害监测评估与预警)、数字孪生农场(全要素数字化建模、动态科学指导精准生产)、农业系统韧性(应对气候变化挑战)。结合农情遥感智能监测系统与农业水管理系统两个典型案例,展示数字(智慧)农业的云端服务能力,并分析影响商业化与业务化进程的多重阻力。

山东省农业科学院发布舜耕粮安农业遥感大模型。山东省农科院党委书记梁金光介绍,该模型基于20年来积累的2000万份人工样本的海量数据,覆盖山东全域全地貌、全物候周期,构建起耕地智能提取—肥力墒情预测—作物精准识别—长势动态监测—病虫草害预警—作物智能估产全链条智能监测体系,精度高达95%,效率提升超100%。山东省同步推动人工智能+农业行动实施,在寿光推广第七代智能物联网云棚,物联网应用率超85%,劳动生产效率较以往翻倍;在烟台莱山区,浪潮云洲联合中国农业大学打造莱山葡萄种植和酿造大模型,实现水肥精准配施、病虫害智能预警、AI模拟发酵陈酿。