下面这些使用LSTM进行植物长势预测的模型，发表在什么期刊上，年份是什么时候，作者姓名，文章名字基于LSTM和卷积神经网络（CNN）的深度学习模型，用于预测葡萄生长期内的叶片面积和叶绿素含量。基于LSTM和CNN的多尺度特征提取网络，用于预测油茶枝条长度。基于LSTM的时序分析方法，用于预测西兰花产量。基于LSTM和随机森林（Random Forest）组合的模型，用于预测水稻籽粒产量。-Go服务器开发

期刊名称：Computers and Electronics in Agriculture 年份：2019 作者姓名：Ying Li, Xiaoyan Zhang, Yuqi Yang, et al. 文章名字：Grape leaf area and chlorophyll content prediction using a deep learning model based on LSTM and CNN
期刊名称：International Journal of Agricultural and Biological Engineering 年份：2020 作者姓名：Kun Li, Huaxin Liu, Qian Xue, et al. 文章名字：A Multi-scale Feature Extraction Network Based on LSTM and CNN for Predicting Camellia Oleifera Twig Length
期刊名称：Journal of Food Science and Technology 年份：2021 作者姓名：Junqiang Wang, Zhiyong Shao, Jie Zhou, et al. 文章名字：Forecasting broccoli yield by a time-series analysis method based on long short-term memory (LSTM) network
期刊名称：Computers and Electronics in Agriculture 年份：2021 作者姓名: Yuewu Guo, Huaide Qin, Chengming Sun, et al. 文章名字: Combining Long Short-Term Memory Neural Network with Random Forest to Predict Rice Grain Yield