摘要
气候变化正在加剧土壤退化，威胁农业可持续性和土壤气候韧性。主要的气候胁迫因素包括干旱、降水模式变化、极端降雨、侵蚀和盐渍化。人工智能（AI）与先进传感技术的结合，为动态环境条件下基于数据的土壤管理提供了新的机遇。本综述旨在批判性地审视近年来基于人工智能的土壤监测、建模和决策支持方面的进展，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，这些数据涵盖田间观测、实验室分析、近地遥感、遥感、气象记录、地理空间信息和农业管理数据，以预测关键土壤特性，包括土壤水分、养分状况、碳动态和退化指标。共分析了106篇同行评审研究。本综述进一步探讨了人工智能驱动的适应性土壤管理策略，包括精准灌溉、施肥管理以及针对干旱、盐渍化和土壤退化的早期预警系统。同时讨论了关键挑战，如数据异质性、模型可解释性、传感器可靠性以及在不同土壤类型和气候条件下的模型可转移性。最后，重点突出了新兴方向，包括可解释人工智能、多模态数据融合和数字土壤孪生，将人工智能赋能的感知技术定位为气候韧性土壤管理的基础。
