智慧农业 精准施肥

构建AgriSens全栈智慧农业决策支持平台，集成作物推荐、病害诊断、施肥优化与灌溉模拟。

依托智慧农场技术与系统全国重点实验室平台,由东北农业大学与北大荒集团鹤山农场有限公司联合主办的智慧农作千金方变量处方图技术测产评估会在鹤山农场举办。千金方变量处方图技术在玉米、大豆两种作物上均实现中低产田的增产节本:玉米变量处方区较定量作业区增产 6.9%、尿素投入降低 5.7%,每公顷收益增加约 470 元;大豆变量处方区较对照区增产 2.3%,每公顷收益最高增加约 350 元。技术由东北农业大学智慧农业团队研发。

综述智能施肥（4R原则+传感器/遥感/VRT）提升养分利用效率与产量的机制与证据。

秋染沃野,金谷飘香。近日在武安市白府村,新配备的全喂入式联合收割机加装谷子专用扶禾割台和多传感监测传感器,多组传感器可实时监测喂入量、籽粒损失率、谷粒湿度,自动微调滚筒转速与风机风力。播种端使用北斗导航精量播种机,每亩用种从1斤降到4两。在河北省农林科学院谷子所研究员夏雪岩团队指导下,先定点取土检测,再结合谷子特征制定施肥方案。武安市科源种植公司800余亩基地谷子亩产稳定在400多公斤,亩均增收显著。

综述AI、物联网与遥感在旱地混作系统的应用，评估其对氮利用与产量预测的提升。

综述智能施肥系统的技术、控制与通信方法，并指出研究空白与未来方向。

为咸海地区开发集成地理信息系统，实现数字农化服务与精准施肥管理。

9月28日，中国农业科学院农业资源与农业区划研究所牵头的国家重点研发计划项目"粮食作物精准智慧化生产管理关键技术与集成示范"在山东桓台县中化MAP桓台农场举办黄淮海麦玉轮作主产区智慧农作体系应用示范观摩会。现场展示作物表型监测、养分诊断与变量追肥、精准灌溉、病虫害监测与变量喷施等系列新技术新装备，变量追肥决策模型精度达86%以上，水分监测精度达88%，玉米褐斑病四级识别精度87%，玉米大螟三级评估精度89%；示范田增产8%至12%，水肥药省一成多。

用深度学习对水稻叶片颜色分级，并结合多模态大模型实时推荐氮肥用量。

用高光谱与机器学习反演陕北农牧交错带农田土壤全氮含量。

比较九种机器学习算法预测青藏高原高寒农田土壤养分与pH，发现集成算法最优。

研究保护性农业下精准磷肥滴灌与秸秆还田对小麦产量、收益和资源效率的协同效应。

研究AI驱动的养分优化系统，通过数据集成实现精准施肥，减少养分流失并改善土壤健康。

用无人机和卫星遥感结合积温与物种，构建覆盖作物氮含量及碳氮比预测模型并开发在线工具。

利用人工智能进行土壤制图和肥料优化，以支持精准农业。

9月19日国家重点研发计划项目'粮食生产大数据平台研发与应用'玉米智慧生产现场观摩会在北大荒集团红星农场举行。会议由中国农科院农业资源与农业区划研究所、北京市农林科学院信息技术研究中心共同主办。项目团队聚焦玉米生产全程大数据智能决策技术示范应用，展示智能分析算法在农机作业调度、无人机出苗率调查、变量精准施肥、苗情长势、病虫害监测和预警及估产等场景的应用。项目首席科学家杨贵军介绍无人机出苗率调查精度达98%以上，精准变量施肥效益达114元/亩。

基于GreenSeeker的NDVI实时氮肥管理优化芥菜施氮，提升产量并减少氮肥与温室气体排放。

提出MDA-HI框架，融合过程模型与混合智能，用于作物生长与产量预测。

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。

Synergizing process-based modeling and data-driven learning for precision nitrogen optimization in winter wheat。Agricultural Systems

综述AI施肥推荐研究，并用马哈拉施特拉数据集比较七种分类器，提出可审计智能施肥推荐框架。

9月10日黑龙江省农科院佳木斯分院举办金秋博览会田间观摩会，70位专家现场答疑，5000余种地大户观摩智能除草机器人、气吸式智能播种机等装备；省农科院土壤肥料研究所所长王囡命基于TRPF系统的大豆精准施肥技术为农民及农业科研提供施肥处方8000余份，平均增产10%。

用GreenSeeker手持冠层传感器NDVI预测小麦产量并优化氮肥管理。

提出融合养分与气候数据、KHO优化和可解释AI的作物推荐框架，Tab Transformer精度达0

通过淋洗监测与光学传感，优化紫薇容器苗氮肥管理，减少养分流失。

综述小农户精准养分管理技术，分析其适用性、经济可行性与采纳障碍。

内蒙古农业大学资源与环境学院李斐教授团队近日在国际期刊《Field Crops Research》和《IEEE Transactions on Geoscience and Remote Sensing》发表突破性成果，针对滴灌马铃薯氮素管理难题，以乌兰察布市马铃薯科技小院为"试验田"，构建"精准监测—模型迁移—优化管理"完整技术链条。团队巧妙融合主动学习与迁移学习技术，从海量数据中筛选"高信息量样本"，教会模型快速适应不同环境；同时精准识别马铃薯"氮素敏感波段"，使传感器能像医生听诊器一样通过叶片光谱变化快速诊断植株营养状况，氮素监测模型具备跨年份、跨传感器的超强适应能力，为区域尺度氮素动态监测提供可靠工具。农户通过手机 APP 即可接收施肥建议，如同拥有"私人营养顾问"。