论文信息
论文解读
AI 辅助整理- 方法
- 综述2010—2026年同行评议文献,评估设计、验证与外部效度。
- 发现
- 技术性能与田间实效存在不对称,效益依赖验证与制度条件。
- 机会点
- 可研究多季田间独立验证、小农户适配与感知—推断—执行一体化评估框架。
论文摘要
可持续集约化要求在现有耕地上获得更多产出并降低环境成本,数字精准农业被广泛推崇为实现这一目标的主要手段之一。遥感、人工智能(AI)与物联网(IoT)如今能够以前所未有的分辨率生成作物、土壤与微气候数据,但这些能力在多大程度上转化为可验证的农艺、环境与社会效益仍存争议。本批判性叙事综述考察了上述三类技术与作物生产可持续集约化结果之间关联的证据。通过多学科、生命科学、开放获取及区域性学术索引检索2010年1月至2026年9月发表的同行评议文献,并以引文追踪和机构报告作为补充,对文献的研究设计、验证实践、外部效度及结果相关性进行评估。综合分析显示,技术性能与实证影响之间持续存在不对称。卫星与无人机观测能够可靠捕捉田块内与田块间的变异性,但其价值受云覆盖、光谱饱和、与小地块的尺度不匹配及地面真值稀缺的制约。AI模型在精选数据集上常报告近乎完美的精度,而在田间条件下、新地点或未见季节开展的独立测试则显示性能显著下降,非空间验证进一步放大了这一模式。物联网部署在技术上可行,但依赖传感器校准、连通性、能源供应、互操作性及网络安全,而这些很少经过多季节评估。投入节约的田间证据以传感器引导的氮素管理和除草剂定点喷施最为充分,但经济回报差异较大,小农场的效益更小且更不稳定,灌溉效率的提升可能被用水量扩大所抵消。技术采用仍偏向大型商业农场,而连通性差距、数据治理不对称及企业锁定效应决定了谁从中受益。本综述得出结论:数字精准农业只有在特定条件下才能促进可持续集约化,即感知、推断与执行须依据明确的可持续性指标共同验证,嵌入农场试验,并辅以促进包容性与数据管理的制度安排。
论文原文与出版信息
International Journal of Environment and Climate Change