Deep learning-driven multisource remote sensing image fusion: Advances, challenges, and future directions
综述深度学习多源遥感图像融合方法、挑战与未来方向。
人工智能算法、大模型与决策支持系统
综述深度学习多源遥感图像融合方法、挑战与未来方向。
提出噪声标签学习引导的跨尺度框架,用低分辨率粗标签生成高分辨率土地覆盖图。
用无人机多光谱、RGB和热红外遥感结合AutoML预测冬小麦含水量。
综述红边遥感在农业中的物理基础、条件依赖性与可解释机器学习中的新角色。
综述遥感与机器学习在可持续农业中的应用现状与前景。
用无人机可见光影像和深度学习模型区分直播稻、湿直播稻与移栽稻三种水稻种植方式。
本文探讨地理空间人工智能(GeoAI)如何推动印度数字治理与可持续发展。
基于多源遥感与可解释机器学习,揭示东北寒区降水利用效率时空特征及驱动因子。
用无人机多模态影像与基因型数据训练CNN,预测大豆八种种子成分。
综述人工智能在地理学中的应用,涵盖GIS、遥感、城市规划、农业与环境监测等。
UAV-based rice nitrogen status monitoring using machine learning and deep learning。Precision Agriculture
基于印度州级MODIS NDVI与机器学习比较作物产量预测,随机森林优于梯度提升。
系统综述遥感估产方法,分类传感器、平台、建模与机器学习,指出深度学习性能最优。
提出混合迁移学习框架,用预训练模型提取特征并结合机器学习分类器实现卫星图像季节分类。
提出TA-ABC-Bi-LSTM模型,用多源农业数据精准预测水稻产量。
用气候与遥感数据构建机器学习模型预测尼日利亚北部玉米草地贪夜蛾暴发。
利用Sentinel-2遥感与机器学习识别青海湖鸟岛湖面温室气体浓度的影响因素。
提出BO-TCBDA深度学习框架,融合多源遥感数据估算冬小麦产量,兼具高精度与可解释性。
提出集成混合量子-经典机器学习、虚拟样本生成和遥感基础模型的框架,预测雄安农田地下水硝酸盐浓度。
介绍伏羲大脑农业大模型在佳木斯农高区的落地实践,通过手机和卫星数据提供农事指导,服务超5.6万农户。