《Smart Agricultural Technology》：Harnessing Digital Twin (DT) Technology for Food Security and Climate Resilience in Sub-Saharan Africa (SSA)
编辑推荐：
摘要：撒哈拉以南非洲（SSA）尽管拥有全球约60%的未开垦耕地，却长期面临粮食不安全问题。田间试验虽能提供实证证据，但成本高昂且规模化程度不足，难以应对日益加剧的气候与人口压力。数字孪生（DT）技术，定义为利用实时数据对物理系统进行持续、双向虚拟复制的技术，可
摘要：撒哈拉以南非洲（SSA）尽管拥有全球约60%的未开垦耕地，却长期面临粮食不安全问题。田间试验虽能提供实证证据，但成本高昂且规模化程度不足，难以应对日益加剧的气候与人口压力。数字孪生（DT）技术，定义为利用实时数据对物理系统进行持续、双向虚拟复制的技术，可支持农食系统的监测、建模与优化。然而，据研究人员所知，尚无已发表的综述从SSA粮食系统或小农生产现实的角度审视DT农业研究。研究人员依据PRISMA规范，在多个文献数据库中使用预定义的布尔检索策略和改良的PICOS纳入标准进行了系统综述。共纳入2019年至2025年间发表的40篇同行评审研究。结构化提取捕获了文献计量学、地理、方法学、技术及技术就绪水平（TRL）数据，并采用频次制表和主题聚类进行分析。DT农业出版物在2019年至2023年间约增长三倍（从三篇增至十篇），但57.5%的研究仍处于TRL 2–3阶段。欧洲和东亚主导了证据基础；没有一项研究由SSA机构牵头，也没有研究报告针对玉米、木薯、高粱或豇豆等优先作物在SSA的部署应用。物联网（IoT）传感器基础设施（92.5%）和人工智能/机器学习（AI/ML）算法（52.5%）构成了主导技术栈。研究识别出五个主题聚类：智慧农业基础设施、精准水肥管理、受控环境农业、农食供应链以及畜牧和水产养殖系统。政府资助的研究往往比学术资助的研究获得更高的TRL评分。将这些发现综合为系统层面、面向部署的分析，研究人员推导出一个概念性的SSA-DT框架。该框架结合了离线优先的边缘计算架构、混合作物建模和多方利益相关者界面，以膳食多样性和气候韧性作为两项关键绩效指标（KPI），与国际热带农业研究所（IITA）2024–2030年战略保持一致。南北研究伙伴关系和CGIAR针对DT技术的定向投资被确定为缩小SSA证据差距的优先行动。
1. 引言
1.1. 撒哈拉以南非洲的粮食安全悖论
撒哈拉以南非洲（SSA）呈现出全球发展中最重大的悖论之一：该地区拥有全球约60%的未开垦耕地和大量淡水资源，却仍有超过3.07亿营养不良人口，约占全球所有粮食不安全人口的四分之一。这种长期粮食不安全并非单一失败所致，而是系统性多重危机的产物。气候冲击、根深蒂固的农村贫困、自然资源退化、碎片化的投入品和产出品市场以及薄弱的制度基础设施相互叠加，同时侵蚀农业生产力与家庭膳食水平。全球市场和地缘政治的波动进一步混淆了地方动态，直接影响化肥和燃料等投入品的价格。该地区大部分地区的谷物产量仍仅为其生物物理潜力的20–30%，小农价值链中的产后损失通常超过30%，而生产该地区大部分粮食的老龄化和女性化的小农劳动力，在获取信贷、投入品和技术方面持续面临结构性障碍。在此背景下，对现有研发（R&D）方法进行增量式改进，在学科孤岛中运作且与推广体系脱节的做法，已不足以应对挑战。传统的条块化农业研发低估了各组成部分之间的相互联系、依赖关系及其行为。要制定整体性管理政策，需要一种能够认识相互关联性的系统思维方法。
1.2. IITA 2024–2030年战略：农食转型的综合架构
国际热带农业研究所（IITA）自1967年成立以来一直是SSA农业创新的先驱，通过制定其2024–2030年战略回应了这一紧迫要求。该战略作为一个重新设计的操作系统，推动整个非洲大陆的农食系统转型。该战略并非孤立地引入新技术，而是重新构想科学本身的组织方式，部署一个围绕三大核心科学领域构建的综合性、跨学科、绩效数据驱动的框架：遗传创新、韧性农食系统和系统转型。IITA全部13个研究项目均嵌入其中一个科学领域，使科学专长与非洲大陆最紧迫的农食优先事项保持一致。遗传创新汇集了生物技术、育种、基因库和种子系统项目，以加速改良作物品种的开发和推广。韧性农食系统涵盖植物健康、自然资源管理（NRM）、农作系统农学和机械化，共同应对生态系统退化，推广可扩展的农学解决方案，使农民能够以更少投入实现更多产出，且可持续和公平。系统转型则涵盖前瞻与影响评估和推广（FIAS）、韧性与气候变化适应（RCA）、价值链、市场与农业企业（VCMA）、营养与健康以及性别、青年和社会包容（GYSI）等跨领域项目。支持这一科学架构的是跨职能单位，包括数据与研究方法单位（DRMU）、能力发展办公室（CDO）、农场管理、传播以及监测、评估、学习和影响评估（MELIA）。该战略的一个显著特征是将原本独立的理事会——研究促进发展（R4D）和推广伙伴关系（P4D）——整合为一个单一的迭代引擎，与先进农业研究中心（ARC）、国家农业研究系统（NARS）、政府、民间社会和私营部门合作测试、完善和部署创新。两项跨领域主线，即气候韧性农业和改善健康与营养，被嵌入所有项目中。
1.3. 数字孪生（DT）作为农业系统变革的工具
全球农业同时面临前所未有的巨压汇聚：预计到2050年全球人口将达到100亿、气候波动加剧、淡水资源日益稀缺、土壤退化，以及在减少农业温室气体排放的同时将粮食产量提高约50–70%的紧迫要求。数字孪生（DT）技术，定义为创建动态、持续更新的物理系统虚拟副本，并与其现实世界对应物保持双向数据流动的技术，已成为实现这一基于证据的转型的有力范式。通过创建系统的数字副本，研究人员可以在多样条件下更快速地开展实验。DT最初在航空航天工程中构想，并通过NASA的阿波罗计划得以实施，此后已扩散到制造业、智慧城市、医疗保健和能源系统。然而，其在农业中的应用提出了独特的技术和情境挑战，包括生命系统的生物复杂性、田间条件的空间异质性、从资源匮乏的小农到大型农业企业的最终用户多样性，以及全球南方大部分地区严重受限的数字基础设施。在农业中，DT通常集成物联网（IoT）传感器网络、卫星或无人机（UAV）遥感、机理作物生长模型和机器学习算法，以构建田地、温室或供应链环节的实时虚拟副本。该架构可实现：（i）持续监测土壤湿度、作物健康、生产力和微气候变量；（ii）在不同管理情景下预测模拟未来系统状态；（iii）为灌溉调度、施肥和收获时机提供自动化决策支持；（iv）通过连续种植季的回顾性分析提高模型保真度。重要的是，DT作为虚拟试验台或“数字沙盒”，用于在不同生物物理和社会经济条件下评估农艺实践、育种策略、环境政策和市场情景。
1.4. 现有文献的空白与系统综述的依据
尽管DT农业研究显著加速，但文献仍缺乏严谨、全面的综合。现有综述要么局限于特定领域，仅关注温室系统、畜牧、精准灌溉或特定作物类型，要么在检索策略和纳入规程方面不够系统。这种碎片化阻碍了跨领域知识转移、掩盖了证据基础中的地理和公平性差距、妨碍了技术瓶颈和可扩展性约束的识别，并阻碍了清晰评估哪些DT架构和应用领域与SSA以小农为主导的粮食系统最相关。此外，尚无先前研究通过IITA这样的综合农食系统战略视角系统审视DT农业研究，也没有任何综述评估过DT系统在各应用领域的技术就绪水平（TRLs），或评估过制度和地理因素如何塑造DT证据的分布和质量。同时，DT输出的经验验证方面仍存在关键空白，因为没有一项被审查的研究严格地将模型生成的结果与受控实验环境的结果进行比较。将DT视为农食转型中的适应性社会技术系统，需要超越对DT的狭隘工程观点，转向系统视角。农业作为一个复杂的适应性社会技术系统，其结果取决于气候、土壤、农民行为、市场、基础设施和政策。DT因此可以作为决策支持系统，通过预测和情景分析加强观察、学习和干预之间的反馈回路。其成功还取决于信任、利益相关者能力、协调和包容性设计。对SSA而言，模块化、可离线运行和以人为本的DT系统可能提供最实用的路径。本研究的独特贡献在于其审视和综合证据的方式。该综述超越了DT技术的描述性映射，对农业DT应用的证据基础进行了系统层面、面向部署的分析，提供了基于TRL的成熟度评估，识别了地理、公平性和作物层面的差距，并以此为基础开发了概念性的SSA-DT框架作为系统综述的综合输出。
2. 材料与方法
本节通过多阶段、结构化的研究综合过程完成，以系统综述和荟萃分析首选报告项目（PRISMA）框架为基础，并辅以专门构建的定量数据分析和可视化流程。方法论整合了四个不同的程序性组成部分：（i）系统文献检索和筛选协议；（ii）结构化数据提取和编码程序；（iii）对提取数据集进行多维定量和定性分析；（iv）将研究结果置于IITA 2024–2030年战略和SSA粮食安全需求背景下的解释性综合框架。
2.1. 系统文献检索协议
纳入标准采用改良的PICOS框架预先定义。人口/背景：涉及DT技术应用于农业、育种、园艺、水产养殖、畜牧养殖或农食供应链任何子领域的出版物。干预：研究必须描述、提出、综述或评估一个数字孪生系统，该系统定义为物理农业实体的虚拟表示，持续以真实世界数据更新以实现监测、模拟、预测或控制。比较：不需要比较组。结局：任何农业结局或技术结局。研究设计：所有同行评审的出版物类型均符合条件。灰色文献和非同行评审报告被排除。语言：仅限英文。文献检索在四个主要文献数据库中进行：Web of Science核心合集、Scopus、IEEE Xplore和Google Scholar。核心检索字符串为：（“digital twin*” OR “digital representation” OR “virtual replicate” OR “digital replicate”）AND（“agriculture” OR “farming” OR “agri-food” OR “agrifood” OR “precision agriculture” OR “smart farming” OR “crop” OR “livestock” OR “greenhouse” OR “horticulture” OR “aquaculture” OR “irrigation” OR “food supply chain”）。通过数据库检索识别到的记录被导入结构化筛选工作簿，通过DOI和标题匹配识别并删除重复记录，最终剩余213条唯一记录进行筛选。筛选分两个连续阶段进行：标题和摘要筛选，然后是全文资格评估。全文排除的主要原因：（i）“数字孪生”一词仅作为未来愿景出现在引言或背景中，但未实际设计、描述或综述DT系统；（ii）论文涉及更广泛的精准农业或IoT系统，但没有DT特定架构；（iii）出版物为简短会议摘要，缺乏支持数据提取的足够方法学细节。
2.2. 数据提取和编码程序
开发了结构化数据提取工具，包含多个工作表，捕获每篇纳入研究的不同维度。该工具在五篇随机选择的论文上进行了试点，并在全面提取前迭代完善。
2.3. 技术就绪水平（TRL）赋值协议
TRL评估是数据提取过程中方法论要求最高的要素，因为所有纳入研究均未报告TRL。因此，所有TRL评分由综述团队使用专门构建的评分标准分配，该标准将NASA/EU TRL量表操作化应用于DT农业研究的具体情境。由于没有纳入研究报告得分，该评分标准是使评估可重复和可审计的操作工具。
2.4. 定量分析和可视化流程
所有定量分析和数据可视化均使用Python 3.x在可重复分析流程中进行。定量频率分析辅以遵循无荟萃分析综合（SWiM）指南的系统叙事综合。主题聚类通过迭代过程进行，所有研究关键词和应用领域描述被同时审查，初步聚类被提出、通过讨论重新分配，并最终确定。
3. 结果
3.1. DT农业研究的文献计量演变
40篇纳入研究的时间分布突出了该领域发展的一个明显拐点。2019–2020年产出最少，此后出版物迅速扩大，2023年达到峰值10篇，2024年保持高位，2025年已有额外四篇研究报告。年度产出在此期间约增长三倍，标志着从概念探索向更成熟和活跃的研究议程转变。系统和文献计量综述以及叙事和调查综述占出版物的40%，概念和范围界定研究贡献另外22.5%。总计62.5%的证据基础侧重于综合和概念发展，表明DT农业领域仍处于知识结构化阶段。
3.2. 技术成熟度概况
TRL分布揭示了一个仍处于早期阶段的领域，大多数研究集中在TRL 2–3，较少进展到TRL 4–5。早期工作占57.5%，由综述、概念模型和概念验证设计主导。更高级的研究包括实验室验证的原型（TRL 4）和现场验证的系统（TRL 5），主要在灌溉和冷链情境中。然而，只有一项研究达到TRL 6及以上，没有研究达到更高部署水平。
3.3. 扩散模式、地理和制度格局
DT农业研究在过去六年中稳步发展，从早期在智慧温室系统和精准灌溉中的根源扩展。2021–2022年开始分支到更具体的领域。最近扩展到土壤管理、农业基础设施、鱼菜共生和垂直农业等领域。地理分布仍然不均衡。欧洲和东亚占主导地位，中国、荷兰和希腊三国合计贡献超过三分之一的研究。国际协作相对有限，且主要限于欧洲伙伴关系。引人注目的是，撒哈拉以南非洲或许多其他低收入农业地区完全没有代表。
3.4. 机构协作网络
中国在总产出方面领先，贡献六项研究，荷兰瓦赫宁根大学与研究中心（WUR）成为DT农业研究网络中的关键制度锚点。东亚集群正在增长，希腊也正在形成新兴集群。
3.5. 农业系统、作物层面分析和粮食安全对齐
大多数DT研究集中在跨领域或系统层面应用，反映了对综合解决方案的强烈偏好。40项研究中没有一项直接涉及SSA的关键粮食安全作物。大多数作物相关研究使用番茄、小麦和生菜作为模式作物。鱼菜共生研究也遵循类似模式。IoT集成明显占主导地位，其次是AI和数据分析。
3.6. 主题聚类、架构类型和技术栈
确定了五个关键主题聚类：智慧农业基础设施、精准水肥管理、受控环境和垂直农业、农食供应链以及畜牧和水产养殖系统。文献指向三种主要DT架构：仅监测的影孪生、预测孪生和自主孪生。IoT传感器基础设施构成大多数DT系统的基础，AI和机器学习是下一个最突出的组件。
3.7. 按领域和地区的技术配置模式
欧洲研究通常具有高度集成的系统，中国研究以其先进AI和大规模传感器部署著称，印度和巴西研究倾向于使用更实惠和灵活的解决方案。
3.8. 方法成熟度、资助和协作模式
方法严谨性差异很大。政府资助的项目往往比纯学术研究达到更高的TRL水平。
3.9. 技术就绪水平驱动因素
推动TRL进步的三个因素：持续的多年资助、学术-产业协作和制度连续性。
3.10. 证据推导的SSA-DT框架
SSA-DT框架结合粮食安全和气候韧性指标来指导系统性能。膳食多样性通过HFIAS和HDDS衡量，气候韧性通过产量稳定性和水分利用效率捕获。系统整合气候和环境数据以预测风险。一个关键特征是人类决策层，包括农民、推广代理和NARS。系统通过三个反馈回路持续更新。
3.11. SSA-DT框架的六层系统架构
SSA-DT框架的技术设计组织为六层系统架构：数据采集层、设备层、边缘层、云层、数据存储层和用户界面层。
4. 讨论
4.1. 一个快速成长但仍处于形成阶段的领域
DT农业研究快速增长，但大部分文献仍属于概念性或综述性。2021–2022年左右的转折点尤为重要。对有影响力的框架论文帮助组织了该领域。最近，研究正转向整合、可扩展性和实际部署问题。
4.2. 技术不成熟作为战略切入点
TRL概况揭示了许多DT农业研究止步于实际部署。长期资助、产业协作和制度连续性有助于推动技术向更高成熟度发展。
4.3. DT农业研究的地理集中与公平性赤字
DT农业研究集中在少数国家，SSA机构完全缺席。DT系统需要从一开始就考虑情境进行设计。低成本的、可离线运行的DT系统可能更实用和可扩展。
4.4. 来自全球证据基础的区域经验
每个地区都为SSA提供了经验教训。欧洲提供长期设计参考，东亚提供经验证据，印度和巴西的低成本开源方法与SSA更一致。
4.5. 作物和系统错位
最显著的发现之一是DT农业文献中完全缺乏针对SSA关键粮食安全作物的研究。这一空白反映了农业研发投资偏向高价值作物的更广泛趋势。
4.6. 架构类型与SSA相关性的路径
影孪生架构类型是SSA最可行且基础设施需求最低的架构。IoT传感器基础设施是任何功能性DT不可协商的架构先决条件。
4.7. 人的层面：纠正DT架构中的自动化偏见
SSA-DT控制框架对现有DT架构文献的最重要贡献之一是明确将人的能动性作为一级架构组件。主流DT架构文献中存在“自动化偏见”。在SSA-DT框架中，人的层面被定位在DT引擎和农场行动之间。
4.8. 膳食多样性和气候韧性作为双重结果维度
将改善膳食和气候韧性作为SSA-DT框架的两个主要结果维度是深思熟虑的选择。它符合IITA的2024–2030年战略。
4.9. 为实际使用而设计的架构
所提出的架构是为真实部署条件而设计的。对边缘层的强烈关注是一个重要选择。“离线优先”方法反映了农民和田间团队每天面临的实际问题。结合作物模型和机器学习是一种混合方法。
4.10. 局限性
本研究存在若干局限性。英语语言限制可能排除了相关出版物。TRL评分为审查员评估的代理评分，具有主观性。提出的SSA-DT框架仍处于TRL 2–3水平。对干扰的二元处理简化了可预测性的连续体。KPI操作化没有解决家庭膳食决策的全部复杂性。
4.11. 对研究和政策的影响
本研究的发现对更广泛的农业研发和发展融资界具有影响。建议采取三项优先行动：CGIAR应将DT技术明确纳入可资助的研究类别；应优先考虑欧盟Horizon非洲伙伴关系计划中的南北研究伙伴关系；SSA各国的国家农业研究和推广系统应从一开始就作为DT数据基础设施的制度共同所有者参与。
