Adonis
不止判断干湿，更要测量程度。
融合互补的雷达信号视图，并通过校准估计细粒度叶面湿度。
有用的表征保留物理量，而不只是一个类别。
研究问题
干湿标签无法描述叶面水分的连续变化。雷达能否测量湿度程度？
核心想法
结合距离–多普勒、距离–相位与距离–方位信息，使用对比特征学习与推理阶段校准。
| 条件 | Adonis | 传统传感器 |
|---|---|---|
| 受控 | 4.43 | 11.84 |
| 田间 | 6.49 | 14.32 |
证据说明了什么
论文报告：叶面湿度水平（LWL）的平均绝对误差，在受控条件下为 4.43，在田间为 6.49；同一评估中的传统传感器分别为 11.84 与 14.32。这些数值是论文 LWL 尺度上的误差，不是百分比，也不代表任意植物和环境下的性能。
来源: IEEE INFOCOM 2025接下来的问题
物理表征必须保留真正重要的量，并在使用环境中校准。这为研究如何随时间维持这些估计奠定了基础。