遥感与农情监测

将田块级作物产量预测建模为时间序列外回归，比较多源农业时间序列上的神经与非神经方法。

9-16 山东省农业科学院举办人工智能专题舜耕论坛暨培训交流会，落实院党委"人工智能驱动科技创新智慧引领高质量发展"专题活动部署，促进人工智能与各学科创新团队重点攻关方向深度耦合。论坛特邀浙江大学数字农业农村研究中心主任何勇教授作专题报告，围绕植物表型采集解析、智慧农业技术装备前沿领域，从细胞/组织器官/表型获取装备三个层级系统阐释作物表型智能感知技术创新实践，介绍该技术在水稻/草莓/茶叶等作物的示范应用。院长李向东要求各创新团队推动人工智能与作物栽培、畜禽育种、病虫害防控、种质资源鉴定、农产品质量安全等领域深度融合。会议设主会场和视频分会场，全院科研人员代表 500 余人参会。

提出无监督多模态聚类框架AgriMAC，融合无人机NDVI、IoT土壤与气象数据评估水稻健康。

用无人机多光谱图像和VGG21模型识别小麦渍害调控效果。

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。

结合遥感、GIS与人工神经网络评估印度喜马拉雅地区农林复合系统的空间适宜性与气候韧性。

综述深度学习多源遥感图像融合方法、挑战与未来方向。

综述无人机遥感在作物倒伏监测中的技术流程、传感器与分析模型。

在暗箱中评估多光谱葡萄品质分级预测，并比较三种光照补偿方法。

用无人机多传感器遥感结合AutoML预测冬小麦水分含量。

用高光谱成像结合预处理与机器学习，对番茄叶片氮素水平进行分类。

提出SAF-CropNet，用空间自适应融合SAR与光学影像做跨区域耕地语义分割。

评估7种网格重建流程在作物表型三维数字化中的保真度与一致性。

黑龙江省农业科学院农业遥感与信息研究所所长郑妍妍介绍,黑龙江省农科院在人工智能+农业领域开展实践探索:依托大数据中心开展农业数据汇通管用全链条研究,构建长时间序列、多时空分辨率、覆盖寒地主要粮食作物全生育期的作物表型、土壤、气象、病虫害等于一体的寒地农业高质量数据体系。

山东省农科院发布舜耕·粮安农业遥感大模型,基于20年积累的2000万份人工样本数据,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,精度高达95%,效率提升超100%。寿光新建大棚已迭代升级至第七代智能物联网云棚,物联网应用率超过85%。

用无人机多光谱、RGB和热红外遥感结合AutoML预测冬小麦含水量。

综述红边遥感在农业中的物理基础、条件依赖性与可解释机器学习中的新角色。

综述遥感与机器学习在可持续农业中的应用现状与前景。

系统综述199项研究，梳理无人机遥感在水稻高通量表型分析中的应用进展与瓶颈。

融合PROSAIL-PRO物理模型与深度迁移学习，用无人机高光谱估算作物冠层氮含量。