土壤健康与改良

推导稀疏土壤样本真值下主动学习标注效率的理论上界。

构建架构多样性TabNet集成，用多源土壤数据分类7类作物。

提出LRD-Net深度学习框架，融合多源遥感与环境协变量，估算新疆干旱绿洲区土壤盐分。

综述植物多组学在精准农业中的应用，涵盖作物改良、土壤修复和生物产品创新。

基于土壤pH、温湿度和降雨，用机器学习构建智能选种模型并开发交互式仪表板。

构建集成作物推荐、产量预测、肥料建议与多语言问答的AI农业决策Web平台。

综述根际微生物组工程，提出DBTL框架设计合成菌群，并融合精准农业与AI实现气候智慧型农业。

提出HyBEAR高光谱航空影像基准数据集，用于整田块裸土检测。

系统综述2018-2026年196项AI用于土壤特性与农业的研究。

提出TinyML边缘推理与超低功耗唤醒接收机集成的土壤监测系统，实现事件驱动异步监测。

提出NNL-SM模型，融合NDMI、NDVI和LST将SMAP土壤水分从9km降尺度至1km。

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。

提出非洲土壤信息系统应转向高级AI驱动的自适应土壤数字孪生，并给出十条研究路径。

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。

基于Transformer及变体融合多源卫星与地下水数据，将SMAP土壤湿度降尺度至1km日尺度。

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。

该论文评估了测量噪声对NARX机器学习模型估算根区土壤水分动态精度的影响。

综述AI作物推荐研究，指出高准确率多源于数据与验证缺陷。

比较阈值法、U-Net和预训练ViT在植物分割中的跨物种泛化能力。