A Systematic Review for Reducing Risky, Demanding and Repetitive Labor in Agriculture Through Digital and Automated Technologies
【基于 Scopus 单库系统综述(PRISMA 2020),纳入 2020—2026 同行评议文献】针对农业劳动力老龄化、劳动力短缺与高工伤率的多维危机,系统综述智能农业技术在职业安全、人机工效与工人健康方面的最新证据与可持续采纳障碍。综述表明无人车辆、外骨骼与协作机器人等创新显著降低化学暴露与肌肉骨骼损伤风险,并有助于减少资源浪费;但研究-落地鸿沟仍持续存在,受成本、可靠性与人机工效问题制约。文章呼吁同步弥合技术、人机工效与社会经济三层关键差距,以实现可持续的农业技术转型。
Development and Validation of an IoF-Based Sensing Architecture for Microclimate Monitoring: Quantifying Spatial ET₀ Bias in Mediterranean Viticulture
提出并验证一种模块化的农业物联网(IoF)传感架构,用于精准葡萄栽培参考蒸散发(ET₀)估算的高保真微气候监测。系统部署于土耳其安塔利亚的地中海葡萄园,年数据完整率 98.6%。对比 IoF 田间实测与区域气象站数据,发现区域网络对 ET₀ 系统性高估(MBE = −0.695 mm/天,MAPE = 10.56%),风速、净辐射与相对湿度差异为主要驱动(分别贡献 36.6%、31% 与 30%);依赖区域数据将导致生长季灌溉盈余约 97.5 mm(11.4%)。研究凸显本地化传感层在捕捉区域网格无法反映的微气候异质性中的关键作用。
电商对城乡融合发展的影响效应与路径分析
本研究构建电商-产业-城乡发展逻辑分析框架,综合评价指标体系测度山东省 16 个地级市 2014—2023 年城乡融合发展水平,并以中介效应模型检验电商发展的影响效应。研究显示,山东省城乡融合发展水平总体上升,但存在多维差异,经济融合与生态融合为主要增长动力;中介效应检验表明,电商发展能够显著促进城乡融合,并通过产业结构升级的部分中介效应实现,中介效应占比 48.7%。
AgriAgent: A Heterogeneous Multi-Agent Orchestration Framework for Autonomous, Knowledge-Grounded Precision Agriculture
面向精准农业受限于多模遥测难以实时自治的认知瓶颈,提出 AgriAgent 分层多智能体(MAS)框架,将大语言模型从被动分析工具重塑为目标导向的协调器,采用包含感知、认知、执行三层的三层编排(TLO)拓扑。构建基于 APSIM 生物物理模型并经 GAN 扩展的高保真 10,000 状态合成库,引入黑天鹅环境胁迫。基准测试显示推理成功率 98.2%,决策时延降低 97%,将传统人在回路模式转为智能体驱动,为生物-数字自治农场提供蓝图。
Can the Digital Economy Enhance the Export Competitiveness of Agricultural Products? — An Empirical Analysis Based on Panel Data from 30 Chinese Provinces
基于 2014—2023 年中国 30 个省份面板数据,采用双向固定效应模型考察数字经济与农产品出口竞争力的关系,并用中介效应模型与门槛效应模型揭示机制与非线性。结果显示数字经济显著正向提升农产品出口竞争力;农业产业结构升级、农业技术创新、农业劳动力转移构成三条中介路径;效应在中部地区与粮食主产区更强,且呈非线性关系。文章为强化数字基础设施、培育农业数字人才与优化要素配置以释放数字经济潜力提供了政策依据。
Towards Smart Agricultural Water–Nitrogen Management: A Multi-Criteria Decision Framework for Rapeseed Production in Southwest China Using EWM-TOPSIS Model
针对中国西南油菜水氮利用效率低、智能水肥装备落地难的问题,基于两季田间试验(2 个灌溉水平 ×3 个施氮水平 + 雨养对照)耦合 EWM-TOPSIS 多准则评价模型。结果显示 W2F2 处理(100% ETc 灌溉 + 300 kg N/ha)在两季分别提升叶片光合速率 51.2% 和 50.8%,在 EWM-TOPSIS 综合评价中两季均居首(S1 季贴近度 0.742,S2 季 0.650),在产量、品质、资源利用与经济效益间达到最优平衡。研究为西南丘陵油菜智能水肥装备应用提供了基于作物生理响应的决策优化框架。
AdapterMoE: A Two-Stage Hard-Routing Mixture-of-Experts Architecture for Multi-Crop Disease Recognition with Calibrated Rejection and Incremental Learning
【预印本,未经同行评审】针对多作物病害识别任务,提出基于确定性硬路由的两阶段 AdapterMoE 架构:RouterHead 依据最大 softmax 概率阈值分类作物并拒判非目标作物,Energy+KNN 双重门控模块捕获分布外输入;在冻结 EfficientNet-B0 主干上添加五个逐作物 Adapter,通过温度缩放校准。在 PlantVillage(5 作物 26 类)上,AdapterMoE 与最优基线 Macro-F1 差距在 0.24 分以内,但训练成本约为全网络基线的 9%,并可通过 add_crop 接口实现逐作物增量更新,避免专家坍缩,适合田间部署成本敏感的精准植保场景。
ICT-Based Versus Human-Based Climate Information: Implications for Agronomic Decisions Among Smallholder Farmers in the Eastern Cape, South Africa
基于南非东开普省 217 户小农户的横断面调查与多阶段抽样,采用 logistic 回归识别 ICT 气候信息采纳决定因素,并用倾向得分匹配(PSM)评估其对农事决策的影响。结果显示 65% 农户通过 ICT 平台获取气候信息,35% 依赖人力渠道;ICT 采纳驱动因素包括教育、数字素养、移动网络可靠性、实时更新感知价值与智能手机持有;PSM 估计显示基于 ICT 的气候信息在影响种植决策、投入品使用与农事时机方面比人力渠道效果低 10%—15%,提示数字接入并不自动转化为有效使用。