北京师范大学提出了农业遥感领域的StarFusion模型，结合深度学习和传统方法，预测高时空分辨率图像。研究结果显示，StarFusion在空间细节和时间传递性方面优于其他方法，为农业遥感技术的发展做出了重要贡献。AI在农业遥感中的应用将提高农业生产效率和精度，支持农业的可持续发展。

介绍了一个名为SICKLE的数据集，包含同期多光谱、热学和微波数据以及关键的稻作参数注释。该数据集可用于进行农业遥感的研究，并提出了一种收成预测策略。

本文介绍了名为SICKLE的数据集，包含多光谱、热学和微波数据以及稻作参数注释。对该数据集进行了庄稼类型、生长季日期和预测收成三个任务的基准测试，并提出了使用时间序列数据进行收成预测的策略。该数据集可用于农业遥感研究的机器学习模型训练。