《Agronomy》：Technical Limitations and Research Gaps of IoT and Big Data Infrastructures in Precision Crop Production: A Design-Oriented Review
编辑推荐：
精准作物生产日益依赖物联网（IoT）设备、异构传感器网络、机器遥测和数据密集型分析来监测田间条件、支持决策并实现可变速率或自主操作。然而，农场规模的多季节采用仍然受到技术约束的限制，这些约束通常仅被报告为一般性挑战。这项设计导向综述在基础设施层面澄清了这些约束
精准作物生产日益依赖物联网（IoT）设备、异构传感器网络、机器遥测和数据密集型分析来监测田间条件、支持决策并实现可变速率或自主操作。然而，农场规模的多季节采用仍然受到技术约束的限制，这些约束通常仅被报告为一般性挑战。这项设计导向综述在基础设施层面澄清了这些约束。它不是定量荟萃分析，而是结合了透明的多数据库搜索、PRISMA型选择记录和2020-2025文献的主题设计综合，并辅以选定的2026研究和当前的互操作性和安全规范。该综述涉及四个研究问题，涵盖现场硬件和连接故障、边缘到云数据管理、与农场管理信息系统（FMIS）和农业机械的集成，以及未来设计优先级。综合结果识别出多季节可靠性证据、校准和自诊断、能源和连接基准、农业大数据操作定义、元数据/FAIR实施、ISO 11783/ISOBUS-FMIS互操作性、轻量级网络安全和可维护性方面的反复出现的空白。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、验证点和边缘/云部署的分布式参考架构、一个带有指标和评估设计的操作化G1-G10差距矩阵，以及未来农业物联网研究的最低报告要求。这些输出旨在使现场系统更具互操作性、可维护性、安全性和可评估性。由于语料库结合了异构证据类型，不支持定量荟萃分析，因此输出应被解释为设计和报告指南，而非比较性能估计。
1. Introduction：精准作物生产已从基于GNSS的可变速率施药转向数字连接的生产系统，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的决策支持。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）和云服务连接成多层架构。然而，技术采纳速度慢于预期，现有研究指出硬件不可靠、农村互联网接入有限、标准碎片化、高昂的购置与维护成本以及数字能力障碍等实际限制。此外，现有文献中应用导向的综述较多，但缺乏从技术层面解释系统失败原因的分析。本研究旨在通过设计导向的综合分析，弥补这一空白，并提出四个研究问题，涵盖硬件与连接失效、边缘到云数据管理、互操作性挑战以及未来设计优先级。
2. Materials and Methods：本研究采用设计导向的整合性综述方法，使用PRISMA 2020术语以提高筛选透明度，但并非定量荟萃分析。范围限定于露天作物生产的IoT与大数据基础设施，包括传感器、通信网络、边缘节点、数据管道、互操作性模型、FMIS接口、网络安全等。核心文献覆盖2020-2025年，部分2026年出版物被纳入，并保留了基础性标准。数据库搜索共获得657条记录，补充了59条来自标准与手动检索的条目。筛选过程包括标题摘要审查和全文分析，最终纳入80篇文献进行综合编码。数据提取包括证据类型、作物背景、硬件、通信技术、架构、报告的限制与指标等。证据类型按作用定性加权，现场实证研究优先用于可靠性声明，标准用于互操作性要求，综述用于背景映射。每个来源针对五个综合类别及四个研究问题编码，确保可追溯性。
3. Results：结果按基础设施层组织，并明确关联研究问题。3.1 IoT Architectures and Deployment Patterns in Precision Crop Production：文献中多数网络遵循多层架构，但功能分布（节点、网关、边缘、云）仍不确定。边缘计算研究显示可将分类、分割等任务移至边缘，但定性描述多，缺乏传输速度、延迟等比较指标。TinyML等实现表明将计算靠近田间可行，但需考虑能源与更新机制。文中提出了分布式参考架构，明确输入、输出、标准、验证点和边缘/云部署，并描述了OGC SensorThings API、ISO 19156、SOSA/SSN等标准的作用。3.2 Sensor Networks: Hardware Reliability, Calibration, and Energy Constraints：传感器节点是架构中最易失效的部分，机械载荷、校准偏差、能源自主性等问题突出。多季节实验证据有限，校准强烈依赖土壤与场地，标准化能源性能基准缺失。识别出三个技术空白：G1多季节可靠性证据不足、G2嵌入式自诊断与校准智能有限、G3缺乏标准化能源性能基准。3.3 Communication Technologies and Field-Level Connectivity Limitations：连接层中，LoRaWAN自适应数据速率需针对移动节点重新考虑，路径损耗强烈依赖环境。地下通信研究显示频率、埋深、土壤条件等均影响服务质量（QoS）。缺乏标准化的评估框架来比较包投递率、延迟、网关冗余等。对应空白G4连接基准缺失，G5缺乏针对真实农场几何的可扩展冗余拓扑研究。3.4 Big Data Management: Quality, Heterogeneity, and Interoperability Gaps：大数据在作物生产中被操作化定义为由体积、多样性、速度、准确性、可追溯性和生命周期管理共同决定架构性能。数据质量与可重用性挑战突出，FAIR原则应用面临技术与行政障碍。互操作性是主要瓶颈，ISO 11783与OPC UA的集成仍是研究问题。对应空白G6大数据操作定义不明确、G7缺少农业专用数据质量管道、G8开放信息模型验证不足。3.5 Security, Privacy, and Data Ownership in IoT-Based Crop Production：安全是文献中最不成熟的维度。威胁模型应识别关键资产与攻击面，轻量级端到端安全模式缺失。数据所有权与价值生成需架构化处理，可审计性、隐私保护学习等应作为架构要求。对应空白G9缺少适合农场的轻量级安全与所有权模式。3.6 Socio-Technical Constraints and Implications for Technical Design：成本、专业知识、服务可用性等社会技术约束需转化为可测量的技术设计目标，如每公顷每季总拥有成本、安装时间、服务次数等，对应空白G10。3.7 Cross-Layer Synthesis: Four Key Design Tensions：跨层分析揭示四个设计张力：可靠性 vs 成本、连接性 vs 能源、数据丰富性 vs 可管理性、安全性 vs 可用性。图3和表4总结了这些张力与空白逻辑。3.8 Direct Answers to the Research Questions：RQ1：现场限制主要涉及传感器节点韧性、校准偏差、能源独立和网络QoS。RQ2：边缘到云架构需处理缓存、本地处理、元数据记录、安全更新和可追溯性。RQ3：集成挑战发生在语义、句法和操作层面，从传感器观测到ISO 11783任务控制器的闭环需要标准接口。RQ4：未来重点包括多季节基准、可比田间QoS、FAIR数据质量、验证过的开放信息模型、轻量级安全与可维护性指标。
4. Discussion：4.1 Contribution Relative to Earlier Surveys：本综述按部署失效模式组织发现，区分证据类型，G1、G4、G8有直接现场证据支持，G6、G7、G9基于标准与架构研究，G10需综合技术与社会经济评估。4.2 Benefits for System Evaluation and Architecture：未来研究应报告部署时长、校准方法、能源预算、网关位置、延迟等最低报告要求。露天作物系统应作为互联的技术服务系统来规划，长期可操作性作为主要设计准则。4.3 Priority Research Directions：四个优先方向：多季节可靠性、校准漂移、能源成本等基准测试；参考架构连接传感器、网关、边缘/云服务、FMIS接口和ISO 11783机械；数据基础设施默认FAIR感知和不确定性感知；网络安全从附加组件转向轻量级设计模式。4.4 Limitations of This Review：本综述语料库包含异构证据类型，不支持定量荟萃分析，架构无法直接排名，搜索范围和数据库覆盖可能限制可重复性，提出的架构和G1-G10矩阵需在多季节现场部署中验证。
5. Conclusions：精准作物生产中的IoT与大数据基础设施受限的主要原因是组件集成困难，而非单个组件缺失。在数据与语义层以及决策与控制层中，延迟敏感的质量控制、容错逻辑和验证需在田间进行，而长期存档、系统集成、仪表盘、模型编程和数字孪生服务可基于云端。最持久的障碍涉及多季节硬件证据、连接基准、大数据操作定义、FAIR元数据管道、机械/FMIS互操作性和轻量级安全。通过区分证据类型、明确回答研究问题、提出分布式参考架构、操作化G1-G10矩阵和定义最低报告要求，本综述将一般性限制转化为可测量的设计与评估目标。结论应作为研究议程，而非定量性能估计或技术排名。
