综述：南非基于传感器和声学的灌溉监测技术的机遇与挑战：一项结合机器学习增强型证据综合的综述 Gift Siphiwe Nxumalo, Tondani Sanah Ramabulana, Noxolo Felicia Vilakazi, Attila Nagy

《AgriEngineering》：Opportunities and Challenges of Sensor- and Acoustic-Based Irrigation Monitoring Technologies in South Africa: A Scoping Review with Machine Learning-Enhanced Evidence Synthesis Gift Siphiwe Nxumalo, Tondani Sanah Ramabulana, Noxolo Felicia Vilakazi and Attila Nagy

　　

摘要

南非的灌溉系统面临着水资源短缺、基础设施老化以及监测能力有限等严峻挑战，这些因素威胁到了农业生产和粮食安全。本研究系统地分析了2000年至2025年间发表的59篇关于基于传感器和声学技术的灌溉监测方法的同行评审文献，采用了基于Transformer的自然语言处理方法（Sentence-BERT嵌入）、无监督机器学习技术（UMAP降维、HDBSCAN聚类）以及地理空间映射技术，这些数据来自Web of Science和Scopus数据库。研究结果表明，水质监测（42.4%的研究）和遥感技术（25.4%的研究）在该领域占据主导地位，而土壤湿度监测和建模方面的研究相对较少。值得注意的是，没有发现任何将声学监测技术应用于灌溉系统的同行评审文献，尽管这种技术在泄漏检测方面已被证明具有很高的准确性（95–98%），且许多灌溉系统的基础设施使用时间已超过30年，导致水资源损失高达30–60%。实验数据显示，采用这些技术后节水效果在15%到30%之间，但实际应用仍主要局限于少数几个水资源管理区域。阻碍技术推广的障碍包括基础设施不可靠、资金投入不足、数字素养较低以及机构协调不畅。为此，研究建议：(i) 扩大研究覆盖范围，特别是在那些水资源管理较为薄弱的地区；(ii) 加强技术推广和支持，以促进更广泛的应用；(iii) 将低成本传感器网络与基于数据的灌溉决策系统相结合。这些措施旨在帮助在水资源日益紧张的背景下实现可持续的、因地制宜的灌溉现代化。