Sustainability·10月1日 · 周四论文农业遥感与作物表型阅读 3
Artificial Intelligence in Soil Management: Implications for Climate Resilience—A Comprehensive Review
M.I.A. Barbosa · Pedro Henrique Fernandes Rodrigues
论文解读
81精选
速览
综述106项研究，分析AI结合传感技术用于土壤监测、建模与决策支持以提升气候韧性。
方法
分析106篇同行评审文献，涵盖机器学习/深度学习与多源土壤数据融合。
发现
AI可预测土壤水分、养分、碳动态及退化指标，支持精准灌溉施肥与预警。
机会点
可解释AI、多模态数据融合与数字土壤孪生是提升跨土壤气候可迁移性的关键空白。
影响力18
信息增量22
专业深度19
信源权威14
时效性8
系统综述106项研究，梳理AI在土壤监测、建模与决策支持中的进展，方法新颖、数据规模明确，对智慧农业与气候韧性土壤管理有实质参考价值。
原文摘要
气候变化正在加速土壤退化，威胁农业可持续性与土壤气候韧性。主要气候胁迫因素包括干旱、降水格局改变、极端降雨、侵蚀和盐渍化。人工智能（AI）与先进传感技术相结合，为动态环境条件下的数据驱动土壤管理提供了新机遇。本综述旨在批判性审视基于AI的土壤监测、建模和决策支持方法的最新进展，重点关注有助于增强土壤气候韧性的土壤管理实践。我们分析了应用于多源数据的机器学习和深度学习方法，这些数据来自田间观测、实验室分析、近地传感、遥感、气象记录、地理空间信息和农业管理数据，用于预测关键土壤属性，包括水分、养分状况、碳动态和退化指标。共分析了106项同行评审研究。本综述进一步探讨了AI驱动的适应性土壤管理策略，包括精准灌溉、施肥管理以及干旱、盐渍化和土壤退化预警系统。还讨论了关键挑战，如数据异质性、模型可解释性、传感器可靠性以及跨土壤类型和气候的可迁移性。最后，强调了新兴方向，包括可解释AI、多模态数据融合和数字土壤孪生，将AI赋能的传感定位为气候韧性土壤管理的基础。
信源（1 个）