遥感与农情监测

提出HyBEAR高光谱航空影像基准数据集，用于整田块裸土检测。

结合遥感植被指数与机器学习，预测尼日尔萨赫勒四地区2010–2025年水稻产量。

山东省农科院发布舜耕粮安农业遥感大模型，基于20年2000万份人工样本，覆盖山东全域全地貌全物候周期，构建耕地智能提取-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95%、效率提升超100%。山东启动40个实数融合数字农业发展县建设，培育智慧农业应用场景近1000个。

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。

介绍都灵大学PHENOPLANT平台用PlantEye F500进行植物无损表型测量的实验方案。

提出物理上下文条件化多模态融合网络，用多源无人机遥感估算玉米冠层氮含量。

Agrivlm: integrating vision-language models into real-time remote sensing for smart agriculture。Wireless Networks

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UNet、SegNet和TransU-Net在多目标遥感语义分割中的性能，用于城市与生态监测。

利用多时相遥感和机器学习揭示泰国湄公河支流流域植被对洪水的非对称响应。

提出多流深度学习框架WaterFormer-MS，从Sentinel-2影像中精准分割地表水体。

综述无人机与遥感目标检测中的对抗补丁与伪装攻击及防御，并提出几何感知分类体系。

综述了从传统干旱指数到遥感、GIS及AI集成的现代干旱评估方法演进。

用统一框架对比Landsat、Sentinel-2与PRISMA在城市土地覆盖分类中的表现。

系统综述129篇2020-2026年文献，梳理精准农业作物推荐的方法、趋势与挑战。

提出多特征与模糊结合残差LeNet的遥感影像棉花分类方法。

提出CloudSTF框架，利用含云影像实现高保真时空融合，突破晴空假设。

系统综述遥感与地理空间建模在乌克兰苏梅地区检测战争导致的土地弃耕、土壤扰动与退化的应用。

提出Rice-STNet时空深度学习框架，用多时相无人机RGB影像估算水稻株高。