《Smart Agricultural Technology》：A Systematic Review of Digital Twin Technologies in Broadacre Agriculture: Challenges, Opportunities, and Sustainability
编辑推荐：
数字孪生（Digital Twin）技术是物理农业系统的虚拟表示，集成实时数据、仿真模型和预测分析，以支持监测和农业决策。该技术日益被认为是农业数字化转型的基石，并已显示出在改善精准农业、资源优化和投入效率方面的巨大潜力。然而，其应用仍然分散，与更广泛的气候适
数字孪生（Digital Twin）技术是物理农业系统的虚拟表示，集成实时数据、仿真模型和预测分析，以支持监测和农业决策。该技术日益被认为是农业数字化转型的基石，并已显示出在改善精准农业、资源优化和投入效率方面的巨大潜力。然而，其应用仍然分散，与更广泛的气候适应、气候风险和生态监测框架的整合有限。同样，尽管智能农业和精准农业技术已经提高了生产力和资源利用效率，但其采用率在不同地区和生产规模之间仍不均衡。本系统综述通过综合2014年至2024年间发表的118篇同行评审期刊文章的见解，探讨了农业中新兴技术与可持续性要求的融合。综述聚焦于五个交叉主题领域：i) 数字孪生（Digital Twins），ii) 农业（Agriculture），iii) 广域作物（Broadacre Crops），iv) 干旱韧性（Drought Resilience），以及v) 自然资本（Natural Capital）。尽管以往的综述独立地考察了这些领域，但本研究采用整合视角来分析单主题发展和跨主题协同效应。广域种植系统，特别是谷物和豆类，被证明对气候变异性高度敏感，但很少有工具将季节性预测与适应性决策支持联系起来。自然资本尽管在可持续性研究中日益重要，但在很大程度上仍停留在概念层面，很少转化为实际的数字应用。该综述强调了关键的研究空白，包括自然资本在建模框架中的代表性不足、数字平台之间的有限互操作性以及缺乏包容性的实地验证系统。该综述倡导一种跨学科和系统导向的方法，将生态智能整合到数据驱动的农场管理中。最终，本综述为将数字创新与气候韧性和农业景观中的可持续土地管理相结合提供了路线图。
1. Introduction：全球农业因气候变化、生态退化和资源约束正经历转型，数字孪生（Digital Twin，DT）技术作为虚拟表示，集成实时数据、仿真模型和预测分析，在农业中展现出优化精准农业和资源效率的潜力，但应用仍分散，与气候适应和生态监测框架整合有限。本文通过系统综述2014-2024年118篇文献，聚焦五个主题：DT、农业、广域作物、干旱韧性和自然资本。1.1 主题收敛：不同于以往独立综述，本研究整合五个主题，提供整体理解。1.2 跨主题分析：明确分析DT与自然资本、广域作物与干旱韧性等交叉，揭示协同效应和盲点。1.3 空白聚焦：指出自然资本在数字工具中代表性不足、数字平台互操作性弱、气候风险预测在农场决策中应用有限等空白，并提出前瞻性路线图。
2. Methodology：遵循PRISMA-2020指南，在Scopus和Web of Science中搜索，使用预定义关键词，限定2014-2024年英文同行评议文章。通过标题、摘要和全文筛选，最终纳入118篇论文。采用NVivo 12 Plus进行主题内容分析，确认搜索词与核心主题的对齐。
3. Results and Thematic Synthesis：3.1 Digital Twins for Agricultural Innovation and Resilience：概念框架图示五个主题及其贡献，DT作为连接智能农业、气候适应和生态监测的统一工具，强调实时感知、自适应反馈和跨主题整合路径。3.2 Digital Twins in Agriculture：33篇论文聚焦DT，架构包括数据采集（传感器、物联网（IoT）、无人机（UAV））、数据管理（云/边缘计算）、建模（作物模拟、机器学习（ML））和决策支持接口。Applications and Integration with Emerging Technologies：DT应用于温室、作物监测、营养与疾病管理，与IoT、人工智能（AI）和云-边缘基础设施集成，如Zong和Guan（2018）的IoT传感器网络。Resource Efficiency and Crop Health：DT优化灌溉、施肥和病虫害管理，如Bellvert等（2018）的灌溉调度，减少农药使用。Ecosystem and Landscape-Level Approaches：DT扩展至森林、土壤生态系统，如Buonocore等（2022）的森林DT，链接生态系统服务。Challenges and Limitations：数据异质性、标准化和互操作性挑战，成本与数字素养限制小农户采用。3.3 Smart Agriculture and Climate-Responsive Systems：75篇论文涵盖五个趋势。3.3.1 Digitalisation and Smart Systems：AI、IoT、机器人、大数据推动精准农业，如Cob-Parro等（2023）的开放AI架构，Zhao等（2023）的DT模拟器用于自主车辆。3.3.2 Sustainability and Climate Resilience：精准灌溉和水资源管理，如Lakhiar等（2024）的水效率技术，Lawes等（2009）的作物轮作评估。3.3.3 Decision Support and Predictive Management：决策支持系统（DSS）结合计算机视觉、ML，如Ghandar等（2019）的水产养殖DSS，但多数研究在小规模，缺乏多区域部署。3.3.4 Economic Viability and Supply Chain Integration：区块链可追溯性，如Singh等（2022），数字转型提升供应链韧性。3.3.5 Environmental Co-benefits and Natural Capital：生态指标纳入数字农业，如Tripathi等（2023）的碳封存监测，UAV用于社会生态系统。3.4 Broadacre Crops: Complexity and Opportunity：29篇论文聚焦广域作物，精准农业管理空间变异，UAV表型（如Zhou等（2021）的干旱检测），传感器集成（如Alexopoulos等（2023）的氮管理），作物模型（APSIM（农业生产力模拟模型）和DSSAT（农业技术转让决策支持系统））优化播种期，土壤水分养分管理，以及景观尺度规划。3.5 Drought Resilience and Digital Integration：15篇论文，遥感表型早期胁迫检测（如Berger等（2022）的多光谱），生理模型（如Tripathi等（2023）的蒸腾分析），水分管理（如Abioye等（2022）的ML灌溉调度），DT嵌入干旱指数和预警。3.6 Natural Capital: Monitoring the Invisible：12篇论文，自然资本包括土壤、水、生物多样性，通过DT监测碳封存、土壤健康，但缺乏标准化和估值，如Trukhachev等（2023）的养分循环建模。
4. Cross-Theme Integration：4.1 Digital Twins for Smart Farming：23篇研究结合DT和农业，端到端框架（如Wang（2023））集成传感器、云分析，实时监测（如Zhou等（2021）的DT耦合UAV），DSS优化经济与环境目标，气候韧性模拟（如Ye?ilk?y等（2023）的干旱热胁迫），自然资本整合（如Tripathi等（2023）的碳封存），但互操作性、成本等障碍。4.2 Drought Resilience in Broadacre Cropping：子集研究干旱对小麦、玉米的影响，UAV表型检测，APSIM/DSSAT模型模拟产量损失，ML灌溉调度，区域规划（如Lawes等（2009）的西澳案例）。4.3 Environmental Integration in Digital Twins：新兴界面，DT纳入生态指标（碳封存、生物多样性），如Vlaicu等（2023）的土壤水分追踪，但缺乏估值方法，需连接碳市场和生态系统服务付费（PES）。
5. Discussion：5.1 Digital Twins as driving architecture：DT作为核心架构，但互操作性、数据标准化、农村基础设施限制采用。5.2 Smart agriculture and digital transformation：智能农业扩展，但数字鸿沟突出，需参与式设计。5.3 Broadacre cropping systems and climate variability：广域作物易受气候变异，模型（APSIM/DSSAT）未充分耦合季节预报。5.4 Drought resilience and stress adaptation：高吞吐量表型和生理模型支持育种，但基础设施不足。5.5 Natural capital and ecosystem services：自然资本发展最滞后，需标准化估值和可操作指标。5.6 Bridging Digital Innovation, Climate Resilience, and Natural Capital for Sustainable Agriculture：整合DT、气候韧性和自然资本，实现多尺度决策，但政策支持不足。
6. Research Gaps and Future Directions：自然资本整合不足；数字创新碎片化，跨学科模型集成缺乏；数据异质性和互操作性挑战；实地验证和包容性有限；气候胁迫和预报信息弱整合；长期影响评估缺失；制度政策脱节；公平性差距。未来需开发生态估值协议，建立开放标准，推进农场试点，嵌入气候预测，进行长期评估，并确保小农户、女性和原住民参与。
7. Conclusion：本综述118篇文献显示DT、智能农业、广域作物、干旱韧性和自然资本正在收敛，但整合有限。DT发展迅速，但互操作性、成本制约；智能农业扩展但公平性不足；广域作物易受干旱，但模拟工具未耦合季节预报；自然资本概念存在但未整合。未来需建立决策导向、气候感知、生态内在、用户中心的系统，优先整合自然资本估值到DT平台。
