High-Resolution Stress Detection in Crops: Integrating Satellite and Drone Remote Sensing for Resilient Agriculture
Notice bibliographique
Résumé
Satellite and drone-based remote sensing technologies are transforming how we detect plant stress by offering wide-area, non-contact monitoring tools. These systems can identify early signs of drought, heat, salinity, and nutrient stress using vegetation indices like NDVI, NDWI, and red-edge reflectance. In many developing regions, food systems remain vulnerable, yet field-based monitoring continues to be the standard, often too slow and limited to fully capture what is occurring across farms. The review is based on a structured synthesis of peer-reviewed studies and technical reports published between 2007 and 2025, selected through targeted keyword searches across Scopus, Web of Science, and Google Scholar, with emphasis on field-level applications in stress-prone agricultural systems. It examines how remote sensing is currently being applied to track abiotic stress across major crops, using case studies from India, China, Mali, and Sudan. These case studies help illustrate what is effective and where gaps still exist. Notably, NDVI and canopy temperature indices have shown strong correlations with drought severity and crop losses. Key challenges include the lack of stress indices tailored to local crops and soils, a limited connection between detected stress and yield outcomes, and the high costs or technical barriers associated with drone use. The review also outlines specific future research needs, such as how to detect multiple stressors simultaneously, enhance drought detection in drylands, and develop low-cost, accessible remote sensing tools that can assist smallholder farmers. These findings underscore the need for localized, affordable remote sensing solutions to bridge the gap between research and practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».