Resilient Emergency Crop Harvesting Systems Under Extreme Weather: From Risk Sensing to Machinery Control and Coordinated Scheduling

方法

文献综述，整合卫星/无人机/地面传感、作物模型、自适应农机控制与机群调度。

发现

现有感知、预测、控制模块彼此割裂，缺乏共享状态变量、经验证风险阈值与闭环决策机制。

机会点

可研究多源数据同化与机理-数据混合模型，构建剩余安全收获时间可解释预测及作物-土壤-机械数字孪生。

极端降雨、洪涝、台风、高温干旱、早霜及复合灾害正在重塑作物收获的基本约束条件。当此类灾害在作物成熟期临近时发生，农业损失不仅源于田间产量下降，还沿风险链传播，表现为作物状态退化、田间通行性恶化、收获机性能下降、运输-干燥拥堵以及粮食品质逐步劣变。现有研究多分别关注气象预警、遥感监测、联合收获机操控、机具调度和采后管理等方面。这种碎片化研究未能解决应急收获的核心系统级难题，包括田间收获优先级的确定、安全收获时长的估算、不同作物-土壤条件下机具配置的自适应调整，以及有限收获机队、运输车辆和干燥设施的协同部署。本综述构建了作物应急收获的集成技术链。分析了灾害场景与风险形成机制；评估了卫星、无人机、地面传感器和作物模型在反演成熟度、倒伏状态、含水率和田间作业可行性方面的能力。全面综述并归纳了自适应底盘、割台及脱粒清选系统，以及针对损失率、籽粒破碎、含杂率、喂入量和机器故障的在线监测与多参数控制。进一步分析从单机控制拓展至田块级优先级排序、收获机-运输车协同、跨区机具调度以及收获-干燥-储藏全链条协调。提出了面向损失减缓、作业效率、经济效益和恢复能力的韧性评估框架。尽管已发表文献中记录了大量感知、预测、控制和优化模块，但这些组件在共享状态变量、经实证验证的风险阈值以及应对实时扰动的闭环决策机制方面仍存在不足。建议未来研究将多源数据同化与机理-数据混合驱动模型相结合，以构建剩余安全收获时间的可解释预测、作物-土壤-机具数字孪生以及滚动