《Agronomy》：Genome-Wide DNA Methylation and Transcriptomic Analysis Under Salt Stress in ‘Shine Muscat’ Grapevine
编辑推荐：
精准作物生产日益依赖于物联网（IoT）设备、异构传感器网络、机器遥测以及数据密集型分析，以监测田间条件、支持决策并实现变量速率或自主操作。然而，农场规模的多季节采用仍受到技术约束的限制，这些约束通常仅作为一般性挑战被报告。这项设计导向的综述在基础设施层面阐明了
精准作物生产日益依赖于物联网（IoT）设备、异构传感器网络、机器遥测以及数据密集型分析，以监测田间条件、支持决策并实现变量速率或自主操作。然而，农场规模的多季节采用仍受到技术约束的限制，这些约束通常仅作为一般性挑战被报告。这项设计导向的综述在基础设施层面阐明了这些约束。它并非定量荟萃分析；而是结合了透明多数据库检索、PRISMA类型选择记录以及2020-2025年文献的主题设计综合，并辅以精选的2026年研究及当前互操作性和安全规范。该综述针对四个研究问题，涵盖田间硬件与连接性故障、边缘到云的数据管理、与农场管理信息系统（FMIS）和农业机械的集成，以及未来设计优先事项。该综合识别了多季节可靠性证据、校准与自诊断、能源与连接性基准、农业大数据（Big Data）的操作性定义、元数据/FAIR（可查找、可访问、可互操作、可重用）实施、ISO 11783/ISOBUS–FMIS互操作性、轻量级网络安全以及可维护性方面的反复出现的缺口。主要输出包括一个证据可追溯性矩阵、一个指定输入、输出、标准、验证点及边缘/云位置的分布式参考架构、一个带有指标和评估设计的操作性G1–G10缺口矩阵，以及未来农业物联网（IoT）研究的最低报告要求。这些输出旨在使田间系统更具互操作性、可维护性、安全性和可评估性。由于语料库结合了异质性证据类型且不支持定量荟萃分析，这些输出应被解释为设计和报告指南，而非比较性性能估计。
1. 引言
精准作物生产已从全球导航卫星系统（GNSS）引导的变量速率应用转向数字化连接的生产系统，该系统结合了田间传感器、机器遥测、通信网络、边缘与云计算以及数据驱动决策支持。在此转变中，物联网（IoT）平台和大数据（Big Data）基础设施作为技术骨干，将传感器、执行器、网关、农业机械、农场管理信息系统（FMIS）及云服务连接成多层架构。其预期价值不仅在于更精确的投入管理，还在于早期胁迫检测、更透明的操作以及更短的感知到控制环路。同时，这项技术的采用进展慢于许多研究的乐观发现。近期综述反复指出田间条件下硬件不可靠、农村地区互联网接入有限、标准碎片化、高购置和维护成本以及数字能力持续障碍是农场层面采用的实践约束。这些约束对田间作物生产尤为重要，因为大空间尺度、移动机械、极端天气和狭窄的操作窗口进一步放大了技术限制。文献的另一个局限性是，尽管应用导向的调查很丰富，但很少有综述解释当前系统在技术层面失败的原因和地点。近期综述提供了物联网应用和智能环境分类学的有用概述，而其他综述则专门关注边缘计算或网络安全。然而，露天作物生产系统的技术弱点很少被置于分析中心。对于农业机械、网关、农场管理平台和多供应商数字基础设施的开发者而言，这留下了关于可靠性、延迟、互操作性、可维护性和安全性的重要问题未能充分解决。近期关于精准和可持续农业的前瞻性综述确认了基于物联网的作物生产研究的扩展，但它们也表明基础设施失效模式通常仅在应用导向叙事中被视为次要约束。这需要一个更聚焦的综述，评估跨基础设施层的可实施性、可维护性和互操作性。这种对系统级约束的强调得到了早期文献的支持。Zhai等人将农业4.0的成熟度与决策支持系统和平台集成联系起来，而Villa-Henriksen等人表明，由于移动机械、空间变异性和田间物流，农作物耕作需要比大多数通用智能农业概述更复杂的物联网环境。Saini等人同样将物联网和新兴数据分析构建为集成精准农业系统，同时强调了持续的基础设施、成本、集成和安全问题。农场管理和软件架构文献从兼容性角度强化了这一点。在实践中，数字农业不仅依赖于临时点对点集成，还依赖于定义明确的参考架构、可重用生态系统模型和模型驱动的配置方法。关于农业无线传感器网络、物联网和大数据的开创性研究强调了节能传感、可互操作通信、数据管理和决策导向分析的重要性。此外，近期关于智能农场和FMIS架构的研究表明，可靠运行需要集成模型、开放服务接口、网络故障时的本地可用性、管理系统和控制功能。这些要求仍然相关，因为较新的无线技术和数据分析方法本身无法解决跨层集成或服务可持续性问题。本综述相对于先前应用导向调查做出了四项具体贡献。第一，它明确将综述框定为基础设施限制的设计导向综合，而非作物应用目录。第二，它区分了证据类型——田间实证研究、先前综述、规范标准、概念性提案和架构研究——以便结论的权重可追溯。第三，它通过将每个缺口与可测量指标、示例指标、评估设计和优先级水平联系起来，使G1–G10缺口矩阵可操作化。第四，它提出了一个参考架构和最低报告要求，未来农业物联网研究可用于记录部署持续时间、能源预算、网关布局、延迟、丢包、校准、元数据、可追溯性、更新机制和安全控制。本研究围绕四个研究问题组织，在第3节中明确回答：RQ1. 在露天作物生产条件下，哪些技术限制和失效模式影响物联网硬件、传感器网络和通信系统？RQ2. 边缘到云数据架构如何影响可靠性、延迟、可追溯性、可扩展性和质量？RQ3. 物联网平台、FMIS、ISOBUS/ISO 11783机械和开放信息模型之间在哪些方面出现互操作性挑战？RQ4. 未来研究和报告应优先考虑哪些与兼容性、可扩展性、网络安全、电源、可维护性和成本相关的设计挑战？
2. 材料与方法
2.1. 综述结构与范围
本文是一篇设计导向的综合综述。仅使用PRISMA 2020术语以提高记录识别、筛选和排除报告的透明度；该研究未估计合并效应量，也不作为正式定量荟萃分析呈现。研究范围限于露天作物生产的物联网和大数据基础设施，包括直接影响田间决策支持或机器控制的传感器和执行器、通信网络、网关和边缘节点、数据管道、互操作性模型、机械、FMIS接口、网络安全和数据所有权机制。选择标准是从技术设计角度的相关性。如果来源包含证据、标准、架构或足够详细的研究，有助于农业物联网系统的可扩展性、可维护性、兼容性、安全或可靠性，则予以考虑。仅当基础设施描述足够详细以支持编码时，才包含案例研究。综述覆盖的核心期是2020年1月至2025年12月。当选定2026年出版物提供直接系统级价值时，如更新的边缘计算综述、网络安全机制或固件更新，以及可维护性证据，则予以添加。概念连续性需要时，保留基础性标准和较旧的里程碑研究，例如ISO 11783/ISOBUS、OPC UA、OGC SensorThings API、ISO 19156/观测、测量和样本（OMS）及SOSA/SSN语义。
2.2. 来源与检索策略
数据库检索共产生657条记录：Scopus（n=182）、Web of Science核心合集（n=136）、IEEE Xplore（n=91）、ACM数字图书馆（n=48）以及Google Scholar相关性排序前200条结果（n=200）。另有59条记录来自官方标准和规范来源（n=17）及手动引文检索（n=42）。Google Scholar作为补充来源，而非完全可复现的文献数据库。检索流程和排除计数在Figure 1中报告。通用检索方程如下：（“precision agriculture” OR “precision crop production” OR “smart farming” OR “field crops” OR “open-field”） AND （“Internet of Things” OR IoT OR “wireless sensor network” OR LoRaWAN OR LPWAN OR NB-IoT OR 5G OR “edge computing” OR “cloud platform” OR “big data” OR FMIS OR ISOBUS OR “ISO 11783” OR “OPC UA”） AND （limitation* OR challenge* OR bottleneck* OR reliability OR calibration OR drift OR energy OR latency OR security OR privacy OR interoperability OR metadata OR FAIR OR scalability OR maintainability）。标准特定查询结合了（“SensorThings” OR “ISO 19156” OR SOSA OR SSN OR “NGSI-LD” OR MQTT OR LwM2M OR ADAPT）与农业/农场/机械术语。数据库语法针对每个平台进行了调整，但概念块保持不变。文献检索由官方标准和参考架构来源补充，因为农业互操作性通常在期刊文章之外规定。这包括OGC SensorThings API、ISO 19156/观测、测量和样本、ETSI NGSI-LD、OASIS MQTT 5.0、OMA LwM2M、AgGateway ADAPT以及NIST物联网网络安全指南。这些来源被编码为规范性或实现规范，而非实证证据。
2.3. 资格标准与筛选
在主题编码前定义了资格标准。当来源（i）涉及农业生产的物联网、传感器网络、通信、边缘/云、FMIS、ISOBUS/ISO 11783、互操作性、网络安全或大数据基础设施方面；（ii）讨论了技术约束、失败模式、瓶颈、指标或设计模式，而不仅仅是提及“IoT”或“Big Data”；以及（iii）提供足够的实现细节用于层、证据类型、研究问题和缺口编码时，则纳入。排除标准为纯农艺结果研究而无基础设施细节、通用非农业物联网文章、无技术内容的观点文章、重复记录、以及仅受控环境或畜牧业研究（除非技术原理可转移至露天作物生产）。筛选过程分两个阶段：首先审查标题和摘要，然后分析全文以确定相关性。在657条数据库条目和额外59条记录中，186条重复和31条无法筛选或明确无关的条目在筛选前被排除。共440条记录根据标题和摘要进行审查，318条被排除。122条数据库记录和59条其他来源的记录全文被检索；4条数据库报告和1条其他来源的报告不可用。共176份报告被审查资格，96份被拒绝并附理由。最终设计导向综合包含80篇文献。修订期间添加的17个来源用于历史背景和近期说明，未追溯添加到编码的80篇核心语料库中。连同已引用的5个方法论或标准参考文献，核心语料库外的来源数量为22，完整参考文献列表为102。被排除的96篇全文文献编码如下：纯农艺焦点，缺乏技术基础设施细节（n=22）；原型或应用文章，无实现指标或设计限制（n=20）；受控环境、畜牧业或非田间条件下的研究，缺乏可扩展基础设施证据（n=18）；不聚焦物联网、大数据、互操作性或安全基础设施（n=15）；观点、营销材料或不可引用材料，缺乏技术规范（n=9）；重复或重叠记录（n=7）；方法论或系统性细节不足（n=5）。
2.4. 数据提取与综合方法
对于每个符合条件的来源，提取矩阵记录了：文献信息；证据类型；作物或环境背景；传感器和执行器硬件；通信技术；网关–边缘–云架构；FMIS、ISOBUS/ISO 11783或API连接；报告的限制、指标、部署持续时间、校准和维护信息、元数据及数据质量机制、安全控制；以及原作者的建议。由于语料库有意结合了实证田间证据、先前综述、标准、架构论文和概念性提案，未应用单一定量偏倚风险评分。相反，每个来源根据其在综合中的角色进行定性加权。直接田间证据被优先用于可靠性和服务质量（QoS）声明，标准和规范用于互操作性和安全设计要求，先前综述主要用于情境映射和确认反复出现的挑战。每个来源针对五个综合类别进行编码——传感器鲁棒性、校准和能源；连接性和田间QoS；大数据管理和FAIR性；与FMIS、机械和信息模型的互操作性；以及安全、隐私和治理——并针对RQ1–RQ4和G1–G10。这种编码结构使得从审查证据到Section 3子节、缺口矩阵和设计建议的可追溯性成为可能。Table 1总结了Section 3中使用的证据类型和可追溯性结构。
3. 结果
结果按基础设施层组织，并明确链接到研究问题。Section 3.1、3.2和3.3主要聚焦RQ1，Section 3.4针对RQ2和RQ3，Section 3.5针对RQ4（安全与所有权），而Section 3.6、3.7和3.8总结了跨层设计优先事项和操作缺口。
3.1. 精准作物生产中的物联网架构与部署模式
文献中，大多数网络继续遵循多层架构，其中传感器层（传感器和执行器）通过低功耗广域网（LPWAN）、无线传感器网络（WSN）或移动网络连接与网关通信，并最终与云服务进行数据存储和分析。这种通用架构现已确立。然而，更不确定的问题是每个功能应位于何处——节点、网关、边缘服务器或云——以及这种分布如何在田间条件下影响性能。Sapna等人表明，当今边缘计算文献已超越简单的基于云的数据处理，现在将硬件、传感器、通信能力、数据库和算法类作为集成设计环境进行审视。Chamara等人进一步证明，涉及分类、分割、检测和数据收集的作物监测过程可以转移到边缘，这在带宽、延迟或连接连续性成为限制因素时直接相关。de Avila和Barbosa提出的更通用框架也有用，因为它重新强调安全、实施成本和对熟练专业人员的需求并非外部约束。一个常见缺点是，关于架构的研究继续主要用定性术语描述系统层，同时提供太少比较性指标。传输速度、端到端延迟、本地计算负载、固件更新能力和诊断支持经常被提及但未定期测量。因此，许多系统仍停留在原型演示阶段，而不是成为可在实践中实现的可扩展参考架构。关于此主题的文献确认，传感、网络和计算功能的放置仍是一个开放研究问题。Kalyani和Collier回顾了智能农业中可应用的混合云–雾–边缘组合，而Alharbi和Aldossary提出了一种能源感知的边缘–雾–云分区策略，阐明了通信与计算之间的权衡。Nawaz和Babar将此推理扩展到资源有限的环境，并指出连接性约束、投资成本和本地服务能力应作为主要规划参数而非次要实施问题来对待。基于TinyML的农业边缘网络实现和具有嵌入式深度学习支持的物联网兼容灌溉系统表明，将计算更靠近田间是可行的，但前提是能源需求、更新机制和维护限制在设计时明确考虑，而非忽视。从设计角度，审查的文献综合在图2所示的参考架构中。该图强调田间部署并非简单的线性传感器到云上传。传感与执行、通信、边缘/网关处理、数据和语义服务、FMIS、云决策支持与机械集成、网络安全以及可维护性都必须定义为交互功能。图2表示物理层是功能性的而非固定的。“Field”和“Connectivity”层操作于传感器、执行器、机器和通信基础设施上。边缘和网关处理本地进行，而“Data”
