<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[及时总结]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_40828914</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_40828914]]></copyright><item><title><![CDATA[P4005 实验室和野外条件下土壤光谱学的标准和规程]]></title><link>https://blog.csdn.net/qq_40828914/article/details/158846140</link><guid>https://blog.csdn.net/qq_40828914/article/details/158846140</guid><author>qq_40828914</author><pubDate>Mon, 09 Mar 2026 16:53:27 +0800</pubDate><description><![CDATA[IEEE P4005工作组汇集全球专家，致力于建立标准化的实验室和野外光谱测定规程，重点解决仪器差异、数据可比性等关键问题。]]></description><category></category></item><item><title><![CDATA[四种测色方法在土壤颜色鉴定及相关性质预测中的比较研究（CEA,2024）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157974102</link><guid>https://blog.csdn.net/qq_40828914/article/details/157974102</guid><author>qq_40828914</author><pubDate>Wed, 11 Feb 2026 14:48:16 +0800</pubDate><description><![CDATA[本研究对比了四种土壤颜色测量方法（主观目视估测、智能手机、NixPro2色差仪和ASD光谱仪）的性能差异及其在土壤有机质（SOM）和游离铁（FI）预测中的应用效果。]]></description><category></category></item><item><title><![CDATA[精准农业中的便携式传感器：土壤养分测定的进展与挑战（Trends in Analytical Chemistry，2024）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157654666</link><guid>https://blog.csdn.net/qq_40828914/article/details/157654666</guid><author>qq_40828914</author><pubDate>Wed, 11 Feb 2026 14:16:04 +0800</pubDate><description><![CDATA[本文综述了便携式土壤养分检测技术的进展，重点介绍了光学、电化学传感器的原理、性能及应用。]]></description><category></category></item><item><title><![CDATA[面向土壤原位实时化学分析的 ISFET 传感器应用综述（CEA,2023）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157651584</link><guid>https://blog.csdn.net/qq_40828914/article/details/157651584</guid><author>qq_40828914</author><pubDate>Mon, 02 Feb 2026 17:21:21 +0800</pubDate><description><![CDATA[本文梳理了ISFET的工作原理、性能特征及非理想特性、电路和建模]]></description><category></category></item><item><title><![CDATA[土壤电传感器性能限制关键因素识别与分析（CEA，2025）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157474195</link><guid>https://blog.csdn.net/qq_40828914/article/details/157474195</guid><author>qq_40828914</author><pubDate>Mon, 02 Feb 2026 15:17:20 +0800</pubDate><description><![CDATA[本文分析了土壤电学性质的理论基础及测量技术的系统级误差，指出现有技术的不足]]></description><category></category></item><item><title><![CDATA[一种无人机辅助射频探测的无线地下土壤健康监测智能钉平台（Nature Communications,2025）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157391549</link><guid>https://blog.csdn.net/qq_40828914/article/details/157391549</guid><author>qq_40828914</author><pubDate>Wed, 28 Jan 2026 16:31:20 +0800</pubDate><description><![CDATA[摘要 HARVEST是一种低成本无线土壤监测系统，采用无源、无芯片设计，通过射频反向散射技术实现地下土壤含水量和电导率的远程监测。该系统由埋入土壤的钉状传感探头和地面上的三环天线组成，通过无人机在1.8米高度内无线读取数据。实验和田间部署验证了其性能，表明HARVEST能可靠检测土壤参数变化，为精准农业提供可扩展、免维护的解决方案，显著降低传统传感系统的成本和维护需求。]]></description><category></category></item><item><title><![CDATA[利用近地传感器预测和绘制土壤性质的准确性与成本（CEA, 2026）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157219228</link><guid>https://blog.csdn.net/qq_40828914/article/details/157219228</guid><author>qq_40828914</author><pubDate>Thu, 22 Jan 2026 12:18:39 +0800</pubDate><description><![CDATA[本文综述了精准农业（PA）中常用的近地土壤传感（PSS）技术及其在预测土壤性质中的准确性，并评估了相关成本。]]></description><category></category></item><item><title><![CDATA[智能农业传感器：基于应用场景的技术发展与挑战（农业工程学报，2025）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157181549</link><guid>https://blog.csdn.net/qq_40828914/article/details/157181549</guid><author>qq_40828914</author><pubDate>Wed, 21 Jan 2026 12:19:24 +0800</pubDate><description><![CDATA[本文综述了智能农业传感器在精准种植、智慧畜牧和渔业领域的技术进展与应用挑战。当前传感器技术正从单一感知向集成化、智能化方向发展，通过柔性电子、微纳制造等技术实现了作物生理、环境参数的原位监测。AI技术的融合显著提升了数据解析与决策能力，但仍面临环境适应性差、能源供应不足、多模态集成难度大等关键瓶颈。未来需在材料创新、能源自供给、标准化等方面突破，以推动农业从经验驱动向数据驱动的数字化转型。]]></description><category></category></item><item><title><![CDATA[纳米传感器在智慧种植中的应用（农业工程学报，2025）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157179638</link><guid>https://blog.csdn.net/qq_40828914/article/details/157179638</guid><author>qq_40828914</author><pubDate>Tue, 20 Jan 2026 17:51:57 +0800</pubDate><description><![CDATA[文章详细探讨了纳米传感器在土壤质量监测（水分、养分、pH值、污染物）和作物生长信息监测中的最新应用，展示了其在提高监测精度、实现实时检测方面的优势。最后，针对当前面临的稳定性和可靠性挑战，提出了提高传感器选择性、开发多模态阵列系统、促进人工智能融合、强化设备互联互通等发展方向，为智慧农业纳米传感器的研发与应用提供了重要参考。]]></description><category></category></item><item><title><![CDATA[对土壤原位传感器进行文献计量分析，基于web of science]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157173746</link><guid>https://blog.csdn.net/qq_40828914/article/details/157173746</guid><author>qq_40828914</author><pubDate>Tue, 20 Jan 2026 12:03:50 +0800</pubDate><description><![CDATA[Remote Sensing of Environment》成为高被引论文的主要刊载期刊，本质是该期刊聚焦 “遥感技术与地面观测的结合应用”，精准匹配了本领域的研究核心，也反映出该领域成果的传播依赖权威交叉学科平台。：DORIGO W/A、BROCCA L、JACKSON TJ 等核心作者，从 2010 年前后开始持续发表高被引论文，其研究脉络是 “技术研发 — 数据验证 — 模型应用” 的闭环，形成了领域内的主流研究范式。：针对不同场景的传感器布设方案、性能对比研究，为实际应用提供技术标准。]]></description><category></category></item><item><title><![CDATA[量子传感器在农业中的潜在应用（CEA，2025）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/157026092</link><guid>https://blog.csdn.net/qq_40828914/article/details/157026092</guid><author>qq_40828914</author><pubDate>Fri, 16 Jan 2026 18:09:15 +0800</pubDate><description><![CDATA[本文综述了量子传感器在精准农业领域的应用潜力。在促进作物生长、检测污染物和评估土壤肥力等方面展现出显著效果。然而，其大规模应用仍受制于高昂成本和复杂集成流程。未来需重点探索降低成本的方法。]]></description><category></category></item><item><title><![CDATA[一个描述世界土壤特征的全球光谱库（Earth-Science Reviews，2016）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/156981176</link><guid>https://blog.csdn.net/qq_40828914/article/details/156981176</guid><author>qq_40828914</author><pubDate>Thu, 15 Jan 2026 12:03:57 +0800</pubDate><description><![CDATA[本研究建立了全球土壤可见-近红外光谱库，包含来自92个国家的23,631条光谱数据。研究表明，光谱信息能有效表征土壤组成，并与土地覆盖类型和地理分布相关联。该光谱库为全球土壤评估和监测提供了统一的数据基础，有助于解决土壤数据短缺问题，支持可持续土壤管理。研究鼓励全球科研人员继续补充数据，以完善这一动态更新的数据。]]></description><category></category></item><item><title><![CDATA[土壤光谱库的长期稳定性：化学与光谱学解析（Scientific Reports，2025）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/156947317</link><guid>https://blog.csdn.net/qq_40828914/article/details/156947317</guid><author>qq_40828914</author><pubDate>Wed, 14 Jan 2026 16:31:50 +0800</pubDate><description><![CDATA[本研究评估了以色列历史土壤光谱库中91份地中海地区土壤样本在无控室内条件下储存34-37年后的稳定性。通过对比1987年与2024年的化学分析（SOM和CaCO₃）及2004年与2024年的光谱测量数据，发现土壤性质仅发生微小变化（SOM和CaCO₃的R²分别为0.925和0.962）。光谱分析展现出优于湿法化学分析的精确度，mASDS指数、PCA和PLSR分析均证实了光谱特征的长期稳定性。研究证实简易储存条件下土壤性质可保持稳定，为全球土壤监测提供了重要依据，并建议推进标准化光谱库建设。]]></description><category></category></item><item><title><![CDATA[中国高分辨率国家土壤信息网格制图（Science Bulletin，2022）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/156942121</link><guid>https://blog.csdn.net/qq_40828914/article/details/156942121</guid><author>qq_40828914</author><pubDate>Wed, 14 Jan 2026 15:30:05 +0800</pubDate><description><![CDATA[本研究基于全国5000个代表性土壤剖面，整合机器学习与环境协变量，生成了中国9种土壤属性的90米分辨率网格图。预测精度显著优于现有土壤数据集。该成果为GlobalSoilMap项目提供了高精度中国土壤数据，可支持土壤管理、生态评估等领域。]]></description><category></category></item><item><title><![CDATA[土壤光谱建模需立足全局，通过迁移学习适配局部（Earth-Science Reviews，2024）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/156904199</link><guid>https://blog.csdn.net/qq_40828914/article/details/156904199</guid><author>qq_40828914</author><pubDate>Wed, 14 Jan 2026 11:18:17 +0800</pubDate><description><![CDATA[本研究综述了当前光谱建模的局部化方法，并认为局部化是一个典型的迁移学习问题。随后，我们在土壤光谱建模的背景下，综述并定义了迁移学习，提出该框架可为土壤光谱学新方法的开发提供指导。我们将基于实例的 RS-LOCAL 2.0 迁移学习方法应用于土壤光谱学，研究结果表明，GSSL 2.0 包含对迁移学习有用的信息，还阐明了 RS-LOCAL 2.0 迁移学习的作用机制。迁移学习在土壤光谱学中的应用和进一步发展，将受益于 GSSL 2.0 等全球土壤光谱库的进一步开发和扩展。]]></description><category></category></item><item><title><![CDATA[基于非线性记忆的学习方法：利用区域可见 - 近红外光谱库预测土壤特性（Geoderma，2024）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/156895087</link><guid>https://blog.csdn.net/qq_40828914/article/details/156895087</guid><author>qq_40828914</author><pubDate>Tue, 13 Jan 2026 12:27:22 +0800</pubDate><description><![CDATA[研究了非线性基于记忆的学习（N-MBL）模型，用于基于可见-近红外光谱预测土壤特性。通过742个砖红壤样本的光谱库，对比了N-MBL与传统局部模型（MBL）及5种机器学习模型的性能。]]></description><category></category></item><item><title><![CDATA[大比例尺GlobalSoilMap土壤特性数字制图综述（Geoderma，2022）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/156851595</link><guid>https://blog.csdn.net/qq_40828914/article/details/156851595</guid><author>qq_40828914</author><pubDate>Tue, 13 Jan 2026 11:12:18 +0800</pubDate><description><![CDATA[数字土壤制图研究进展与挑战，本研究系统综述了2003-2021年244篇大比例尺（空间范围>10,000 km²）数字土壤制图（DSM）文献，聚焦GlobalSoilMap规定的12项核心土壤特性。研究揭示了深层土壤（>100 cm）数据不足、环境协变量缺失等关键挑战，建议加强历史数据保护、优化采样设计、开发动态DSM方法，以提供高质量土壤信息支持全球土壤资源管理决策。]]></description><category></category></item><item><title><![CDATA[生成全球土壤新信息的光谱解决方案（The innovation，2025）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/156769061</link><guid>https://blog.csdn.net/qq_40828914/article/details/156769061</guid><author>qq_40828914</author><pubDate>Fri, 09 Jan 2026 17:52:51 +0800</pubDate><description><![CDATA[土壤光谱学作为传统土壤分析方法的补充，正逐步从学术研究转向全球应用。由FAO牵头、IUSS支持的GLOSOLAN-Spec计划致力于推动国际合作，解决标准化、教育普及等七大挑战。该技术通过可见-近红外和中红外光谱快速估算土壤有机碳、pH值等关键指标，具有高效经济优势。当前需重点建设全球实验室网络、开发开放共享的光谱库与估算平台，并推进便携仪器研发和野外应用。通过加强多学科协作、完善质量标准和能力建设，土壤光谱学有望为全球可持续土壤管理提供可靠数据支持。]]></description><category></category></item><item><title><![CDATA[开放土壤光谱库：建立可复制的土壤校准模型（PLOS ONE，2025）]]></title><link>https://blog.csdn.net/qq_40828914/article/details/155943851</link><guid>https://blog.csdn.net/qq_40828914/article/details/155943851</guid><author>qq_40828914</author><pubDate>Mon, 15 Dec 2025 17:31:09 +0800</pubDate><description><![CDATA[全球开放土壤光谱库（OSSL），整合11个国际光谱库数据，通过标准化处理和机器学习建模，实现土壤性质的快速预测。采用两级数据协调方法，统一不同来源的数据格式和分析方法，并开发了基于Cubist算法的预测模型。]]></description><category></category></item><item><title><![CDATA[R语言 使用bibliometrix包进行文献计量学]]></title><link>https://blog.csdn.net/qq_40828914/article/details/155808691</link><guid>https://blog.csdn.net/qq_40828914/article/details/155808691</guid><author>qq_40828914</author><pubDate>Thu, 11 Dec 2025 11:04:51 +0800</pubDate><description><![CDATA[Bibliometrix是一款强大的文献计量分析R包，支持Web of Science、PubMed等数据库的文本/BibTex/CSV格式数据。]]></description><category></category></item></channel></rss>