从基础技术到基于Transformer的技术：精准农业中基于遥感的数融合的数据驱动综述
机器学习
2025-09-22 v3
摘要
本综述探讨了精准农业中数据融合技术和基于Transformer的遥感应用的最新进展。通过使用系统性的数据驱动方法，我们分析了从1994年到2024年的研究趋势，识别了数据融合、遥感和人工智能驱动的农业监测中的关键发展。虽然传统的机器学习和深度学习方法在农业决策中已显示出有效性，但诸如可扩展性有限、特征提取欠佳以及对大量标注数据的依赖等挑战依然存在。本研究考察了基于Transformer的融合方法的比较优势，特别是它们在土壤分析、作物分类、产量预测和病害检测等应用中建模时空依赖性和集成异构数据集的能力。进行了多模态数据融合方法的比较分析，评估了数据类型、融合技术和遥感平台。我们展示了Transformer如何通过提高预测准确性、减少特征冗余和优化大规模数据集成来超越传统模型。此外，我们提出了一个在农业遥感中实施数据融合的结构化路线图，概述了地面真值数据选择、平台集成和融合模型设计的最佳实践。通过解决关键的研究空白并提供战略框架，本综述为通过人工智能驱动的数据融合技术推进精准农业提供了宝贵的见解。
引用
@article{arxiv.2410.18353,
title = {A Data-Driven Review of Remote Sensing-Based Data Fusion in Precision Agriculture from Foundational to Transformer-Based Techniques},
author = {Mahdi Saki and Rasool Keshavarz and Daniel Franklin and Mehran Abolhasan and Justin Lipman and Negin Shariati},
journal= {arXiv preprint arXiv:2410.18353},
year = {2025}
}
备注
22 pages, 13 figures, 3 tables, Journal