农业投入品与装备

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。

中国农业科学院植物保护研究所联合多家科研单位,成功研发出以RNA干扰为核心的根结线虫绿色防控技术,相关研究成果发表在国际期刊。该技术为根结线虫防控开辟了新路径,具有重要的农业应用价值。

惠利伟、蔡海龙、易红梅基于中国玉米种植户微观调查数据,采用Probit模型结合XGBoost+SHAP机器学习方法,系统分析玉米种植户对北斗导航拖拉机应用的影响因素。研究发现不同机器学习模型对北斗导航拖拉机应用的预测效果存在差异,农地经营规模、年龄、地形条件等因素存在显著异质性。