Agri digital twin–driven intelligent computing framework for real-time crop yield forecasting and sustainable decision support
Rohit Kumar · Munish Bhatia
提出农业数字孪生框架，结合GRU与物联网实现实时产量预测与可持续决策支持。
基于物联网传感实时采集土壤气象数据，用GRU模型做时序产量预测与分类。
预测MAE 0.0243、R² 0.9254，平均准确率97.41%，优于BiLSTM、LSTM和1
可探索多源遥感与数字孪生融合、跨区域迁移学习及决策闭环验证等空白。
提出农业数字孪生与GRU融合的实时产量预测与决策支持框架，方法新颖、指标扎实，对智慧农业研究有参考价值。
在气候变化、资源约束和粮食需求不断增长的背景下，可持续农业系统必须提高生产力并更高效地利用资源。物联网（IoT）传感与人工智能（AI）技术正在推动数据驱动型农业发展，但目前仍缺乏一个用于作物产量实时预测和可持续农业决策的通用平台。我们提出了一种农业数字孪生（Agri Digital Twin, ADT）框架，该框架将门控循环单元（Gated Recurrent Unit, GRU）模型与基于物联网的传感系统相结合，用于时序作物产量预测和气候适应型农场管理。该框架实时持续更新土壤和气象参数，如土壤湿度、气温、湿度、大气压、风速、阵风和风向，从而构建作物田地的实时数字模型。所采集的数据用于提取时序特征以预测产量，随后将产量划分为低、中、高，并进一步划分为可持续、警告和不可持续，以实现灌溉调度和作物胁迫管理。实验结果表明，所提框架优于其他方法，其平均绝对误差（MAE）为0.0243，均方根误差（RMSE）为0.0459，决定系数（R²）为0.9254。此外，其平均预测准确率达到97.41%（95% CI：95.03%，99.80%），相较于BiLSTM、LSTM和1D-CNN分别提升了4.09%、6.32%和8.66%（p < 0.05）。决策支持模块的分类准确率也达到94.03%，显示出其在可持续且气候适应型智慧农业中的应用潜力。