肥料与水肥一体化

研发低成本自主地面机器人，原位筛查玉米磷含量，支持分区施肥。

通过LCA评估意大利软小麦从传统向精准农业转型的环境影响，发现总影响降低20.8%。

提出处方图引导的无人机-无人车协同变量喷洒施肥双层多目标路径规划方法，实现高效协同作业。

研究罗非鱼-黑莓综合养殖系统中有机富集水对黑莓生长和生理的影响。

综述化肥对环境和健康的影响，并提出可持续替代方案。

研究中国农业机械总动力与八种农业投入强度的关联，发现柴油投入弹性最显著。

研究有机与无机肥对两种秋葵品种产量和土壤肥力的影响，发现有机肥及组合效果最佳。

优化椰子壳生物炭的热解温度和切段尺寸，评估其作为气候智能型土壤改良剂的可行性。

本研究结合1991-2024年Web of Science核心合集(SCIE和SSCI)索引的3649篇文章的文献计量分析与文献综述,旨在梳理农业氮磷钾施肥环境效应研究的演进、知识结构和新兴前沿,识别可持续养分管理的知识空白和优先事项。分析显示出版物持续增长、跨学科性增强,主要研究热点涉及养分循环、环境影响、可持续性和养分管理技术。综合分析识别出氮磷钾综合交互作用、精准养分管理长期评估、复合气候相关风险以及科学证据与治理之间联系的持续空白。基于此开发了连接肥料投入、养分交互、土壤过程、环境结果、管理干预和政策支持的氮磷钾环境管理综合框架。

印度 Nagarjuna College of Engineering and Technology 的 Abeed K Attar 等提出 Smart Agriculture Assistant 综合 AI 驱动决策支持系统，集作物推荐、产量预测、肥料优化和市场价格预测于一体。系统利用 Random Forest、XGBoost、CatBoost、LSTM 和 SHAP 等多种机器学习算法分析 Kaggle 和 Agmarknet 收集的农业和市场数据集。框架处理土壤养分（N、P、K）、pH、温度、湿度、降雨量、作物特征和历史市场价格数据，为农民生成智能推荐和预测洞察。实验评估表明，所提出的混合框架达到 99% 的准确率，优于传统机器学习模型。

中国农业科学院农田灌溉研究所节水高效灌溉技术与装备团队融合冬小麦无人机多光谱遥感数据与田间水肥管理数据,研发出残差校正决策层融合模型(RC-DLF),为小麦关键生育期水肥协同高效利用提供智慧决策支撑。该模型依托田间定位试验采集小麦关键生育期无人机多光谱冠层信息,整合水肥管理指标构建多源数据集,创新构建RC-DLF,内嵌权重优化、二阶校准、残差校正模块有效消解单一模型预测偏差。田间试验结果显示,相较传统模型,小麦开花期、灌浆期产量预测决定系数R²分别提升至0.62、0.67,整体预测误差明显降低。