Species identification of crops and weeds in wheat fields using hyperspectral data and machine learning algorithms
利用高光谱数据与随机森林识别哈萨克斯坦东北部麦田作物与杂草,并分析误判的生物学原因。
人工智能算法、大模型与决策支持系统
利用高光谱数据与随机森林识别哈萨克斯坦东北部麦田作物与杂草,并分析误判的生物学原因。
综述橡胶林生物量与碳建模研究进展,指出机器学习与深度学习精度最高但标准化和区域数据仍不足。
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。
基于多源遥感与机器学习构建尼日利亚萨赫勒地区农业干旱早期预测框架。
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。
用LSTM结合可解释AI预测肯尼亚玉米产量,兼顾精度与透明度。
提出可解释多指数规则框架,用Sentinel-2提取旱季建成区,性能优于机器学习。
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。
综述土壤养分动态预测的统计与机器学习方法,比较精度与局限。
基于GEE融合Sentinel-1/2时序与地形特征,用机器学习高精度制图长三角水稻种植模式。
利用高分辨率卫星影像和机器学习在大豆田中检测红冠腐病。
用机器学习与遥感分析印度库鲁区1991-2022年土地利用变化及其对地表温度的影响。
构建马来西亚地表水质机器学习框架,融合多源环境数据实现分类、预测与污染事件检测。
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。
系统综述2016-2026年24项作物推荐研究,比较四类机器学习方法并指出基准精度已趋饱和。
构建可复现工作流,用气候变量与机器学习分类蜂蜜产量。
提出YieldVision决策支持系统,用RF、LSTM及混合模型预测作物产量并部署应用。
融合多时相Sentinel-1/2与机器学习,估算印度芒果园面积并分析23年种植趋势。
构建声频刺激植物生长实验框架,分析不同频率对生理指标的影响并推荐最优频率。
融合遥感、气候与经济指标,比较多种模型预测印尼可可出口量,XGBoost表现最佳。