机器学习、遥感与物联网方法在产量预测中的近期应用：批判性综述

遥感与机器学习在农业中的融合正通过数据分析提供洞察与预测，从而变革该行业。这种结合改进了产量预测与水资源管理，带来效率提升、产量提高以及更可持续的农业实践。实现联合国可持续发展目标，尤其是“零饥饿”，需要调查作物产量与降水缺口，这可通过人工智能（AI）、机器学习（ML）、遥感（RS）与物联网（IoT）的使用来完成。通过整合这些技术，可开发稳健的农业移动或网页应用，为农民与决策者提供改进作物管理与提高效率的宝贵信息与工具。若干研究已探讨这些新技术及其在作物监测、产量预测、灌溉管理等多样任务中的潜力。通过批判性综述，本文回顾了在作物产量预测中使用 RS、ML、云计算与 IoT 的相关文献。它通过批判性评估文献中提出的用于作物产量预测与水资源管理的不同机器学习方法，综述了该领域的当前最优水平。它深入阐释了这些方法如何改进农业生产系统中的决策。本工作将成为关注产量预测原始文献者的汇编，但最重要的是，它将说明哪些方法可用于实时且稳健的预测。