《Agricultural Systems》：From climate constraints to data-driven saffron production: A systematic review of agronomic mitigation and smart technologies
编辑推荐：
•对 2008 年至 2026 年间关于藏红花智能农业的 88 篇论文进行了系统综述。•确定了根区土壤盐度对产量的严格阈值，为 1.2 dS/m。•提出了一条 4 阶段适应路线图，包含 20 厘米种植深度指南。•将藏红花生产重构为一个耦合的、对气候敏感的数据驱动系统。•跨越
- •
对 2008 年至 2026 年间关于藏红花智能农业的 88 篇论文进行了系统综述。
- •
确定了根区土壤盐度对产量的严格阈值，为 1.2 dS/m。
- •
提出了一条 4 阶段适应路线图，包含 20 厘米种植深度指南。
- •
将藏红花生产重构为一个耦合的、对气候敏感的数据驱动系统。
- •
跨越 5 个核心领域，将人工智能、物联网和遥感技术与作物生理学联系起来。
引言
藏红花 (Crocus sativus L.) 是世界上最昂贵的香料，具有显著的经济和农学价值，价值约为 �30,000 公斤?1 (Alavi-Siney et al., 2025; Zamani et al., 2022)，广泛种植于干旱和半干旱地区。伊朗作为世界上最大的生产国，占全球藏红花需求的 90% 以上，每年从广阔的种植区域生产约 300 吨 (Saeidi et al., 2022; Daneshmandi et al., 2025; Ehsan Falahat et al., 2019)。这种香料仅需要相对少量的水（年需水量 350–500 毫米）；因此，藏红花在伊朗易受干旱和环境脆弱的地区，包括拉扎维呼罗珊省、南呼罗珊省、法尔斯省的干旱地区以及乌尔米耶湖流域，作为战略替代作物变得日益重要 (Akbari et al., 2024; Nazari et al., 2023; Dastranj et al., 2019; Wali et al., 2016)。
然而，尽管种植面积持续扩大，单位面积藏红花产量近年来却停滞不前或下降。期望达到更高的潜在产量极限；然而，主要产区的全国平均水平在近期数据集中已降至约 3.0 公斤 公顷?1 (Kouzegaran et al., 2020a, Kouzegaran et al., 2020b; Feizi et al., 2021)。这种损失反映了作物对环境约束（如极端高温、土壤盐渍化、降雨模式异常以及栖息地适宜性的显著区域差异）相互作用的敏感性增加。
传统的农业管理技术已不足以保证在气候变化加剧背景下藏红花生产的可持续性。用于土地选择、灌溉调度和产量预测的传统经验方法往往无法捕捉由高气候变异性驱动的非线性相互作用和阈值驱动响应。农业约占世界淡水消耗量的 70% (Gholami Sharafkhane et al., 2025)。此外，缺乏良好的空间和水文监测限制了区域尺度的水资源利用效率和水足迹优化 (Moshizi et al., 2023)。田间约束，如与外观相似的杂草群系竞争或藏红花明确的阶段性生理需求（在发芽、花出现、子球茎发育和休眠期间），也提出了超出当前任何农业系统能力的实时、动态观测方案的要求 (Makarian et al., 2025; Iqbal et al., 2024)。这些田间约束揭示了传统农业实践与日益增长的适应气候变化的农业需求之间不断扩大的差距。
鉴于这些多尺度挑战，当代藏红花研究正转向气候智能型和数据驱动的农业范式。在这一转变中，地理空间分析、遥感、人工智能和物联网技术不应被视为孤立的工具包，而应作为集成、系统级决策支持框架的互补元素。这种范式转变需要从静态的、以地块为中心的观测向动态的、多层级的农业生态系统视图进行结构性转变，从而实现全农场资源优化、连续的根区监测和适应性微气候管理。
虽然数字农业发展迅速，但现有文献在学科边界上仍然高度分散。先前的研究主要相对孤立地评估水文气象预测、土地适宜性分区或基于机器学习的产量预测，在很大程度上忽略了它们在统一生产系统内的反馈回路、层级相互作用和社会经济权衡。因此，缺乏能够有效连接宏观地理气候适宜性模型与微观智能农业部署的整体系统架构，将复杂的数字孪生转化为小农户可执行的田间指南。为了弥合这一差距，本次系统综述将藏红花生产概念化为一个耦合的生物物理 - 技术农业生态系统，其中水资源经济规划、空间智能和农业 4.0/5.0 前沿共同决定了系统韧性、资源分配和长期可持续性。
本次系统综述旨在收集和组织藏红花农业中复杂数据驱动技术的分散文献。在本文中，现有研究在五个相关领域，即环境胁迫管理、水文经济和水足迹评估、地理空间适宜性分析、基于人工智能的产量建模以及物联网赋能的智能农业系统，被系统分类以探索这些领域的发展。最后，分析概述了主要研究差距，并提出了一项整体研究计划，以推动藏红花农业向更具韧性、资源效率更高和数字化连接的生产范式发展。
章节摘要
材料与方法
为了确保文献综述的全面性和无偏见性，本次系统综述遵循了系统综述和荟萃分析首选报告项目 (PRISMA) 指南 (Sarkis-Onofre et al., 2021)。这些步骤的定义是为了确保文献以清晰、可重现和标准化的方式进行搜索、识别、筛选和选择，从而得出代表当前在特定条件下藏红花种植研究的最终语料库
盐胁迫下的生理阈值和离子稳态动力学
藏红花对根区盐度表现出特定的生理敏感性，根据盐度是在土壤饱和提取液 () 还是施加的灌溉水 () 中评估，具有不同的电导率阈值。具体而言，据报道，在粉壤土条件下，控制生理完整性的基线饱和糊状提取液盐度 () 阈值为叶片 和球茎 (Shabrangzadeh et al., 2023; Khosravi et al., 2025a,
藏红花生产系统的综合气候智能适应框架
文献中发现的一个共同挑战是复杂的预测模型与农民田间实际应用之间的脱节。虽然机器学习和水文气候模型在识别脆弱点方面取得了成功，但这些信息必须转化为可操作的农学建议，以促进藏红花供应链韧性的实质性改善。基于本文献中推导出的定量阈值和缓解选项
知识碎片化和多尺度整合边界
尽管在许多个别学科，包括地理空间建模、遥感、人工智能和水资源管理，取得了显著进展，但现有文献仍然分散在学科边界上。大多数建模研究是独立进行的，以单独评估个别环境因素，而没有考虑复杂田间环境中的整体影响。多尺度
结论
对 88 项研究的系统综述表明，藏红花生产正日益受到气候胁迫、水资源短缺、空间异质性和数字创新汇聚的影响。纵观文献，一个明显的模式浮现出来：藏红花性能对盐度、极端温度和降雨不规则高度敏感，而传统的经验管理方法已不足以保证在加速的环境不确定性下的生产力。在
CRediT 作者贡献声明
Parviz Rezvani Moghaddam: 写作 – 审阅与编辑、验证、指导、资源、概念化。Ali Reza Sepaskhah: 写作 – 审阅与编辑、验证、指导、方法学、概念化。Moein Tosan: 写作 – 初稿、可视化、验证、软件、调查、形式分析、数据整理。Vahid Nourani: 写作 – 审阅与编辑、指导、项目管理、方法学、资金获取、概念化。
竞争利益声明
作者声明，他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
Parviz Rezvani Moghaddam|Ali Reza Sepaskhah|Moein Tosan|Vahid Nourani
