综述：整合人工智能、物联网与遥感技术的大田作物智能灌溉管理：综述

《Biosystems Engineering》：Integrating artificial intelligence, Internet of Things, and remote sensing for smart irrigation management of field crops: A review

　　

**摘要**

智能灌溉系统是缓解全球水资源短缺和推进农业可持续发展的变革性方法。由于传统灌溉方法浪费大量水资源，整合数字技术为优化资源利用、最大化作物产量和减轻环境退化提供了一条途径。本综述对人工智能（AI）、物联网（IoT）和遥感（RS）技术在灌溉管理中的应用进行了全面且结构化的分析，特别是在优化基于天气、土壤和作物的灌溉调度方面。基于地面的物联网设备和遥感技术能够收集实时环境和农业数据。人工智能算法分析这些数据以生成精确的灌溉计划，减少过度灌溉并防止灌溉不足，从而确保作物最佳健康状态。文献综述表明，智能灌溉系统实现了许多好处，如水资源节约（用水量减少高达 20-60%）、降低能源消耗和提高作物生产力。这些系统还减轻了养分淋失和土壤退化，促进了长期的生态韧性。然而，高昂的初始基础设施成本、农民技术知识有限以及农村网络连接缺口阻碍了广泛采用，特别是在发展中国家和小农户中。未来研究应优先考虑成本效益高的传感器开发和用户友好的 AI 界面。此外，实施混合监测系统，将卫星遥感与有限的物联网单元（由可再生能源供电）作为地面参考站相结合。这种方法缓解了两项主要挑战：大气条件阻挡或衰减信号时卫星数据的精度降低，以及在整个耕作区部署物联网基础设施的高昂成本。

**引言**

农业是全球粮食生产的主要来源，也是淡水最大的消耗者，占全球淡水抽取量的 70%（FAO, 2025a）。2020 年，全球超过 7.2 亿人面临饥饿，23.7 亿人无法获得充足食物（FAO, 2021b）。预计到 2050 年，全球人口将达到约 97 亿，需要全球农业生产比 2012 年水平增加 50% 以满足人口增长和饮食结构转变推动的预期需求（FAO, 2025a）。这一需求加剧了对全球水、土地和土壤资源的压力。同时，扩大耕地的潜力有限，因为优质农业用地正因城市化而流失，且开垦新土地的成本高昂。此外，人为气候变化扰乱了全球水文循环，通过改变降水模式和增加蒸散发减少了淡水资源可用性（FAO, 2021b）。水资源短缺加剧了这些挑战。全球许多人在一年中的某些时候面临严重的水资源短缺：40 亿人至少面临一个月的短缺，超过 10 亿人面临至少一到三个月的短缺，18 亿至 29 亿人面临至少四到六个月的短缺，5 亿人全年面临短缺（Mekonnen & Hoekstra, 2016）。因此，增强可持续农业系统对于适应气候变化、确保粮食安全、水资源节约和环境可持续性至关重要。

图 1 总结了全球水分布、土地利用和人口增长的统计数据。尽管水覆盖地球表面约 71%，但淡水仅占全球总水资源的 2.5%（USGS, 2019），突显了淡水资源的有限性。农业占全球淡水抽取量的最大份额（70%），其次是工业（19%）和国内用途（11%）（FAO, 2021a）。2000-2024 年的土地利用数据显示主要类别相对稳定，尽管人口增长和增强农业生产的日益需求，但农业用地略有下降（FAO, 2026b）。这些数据表明自然资源，特别是淡水资源，面临越来越大的压力，突显了需要更高效和可持续的管理策略。

农业系统的韧性和生产力取决于众多相互依赖的因素（FAO, 2021b），其中灌溉是最关键的因素之一（Lakhiar et al., 2024）。灌溉，即人工向作物供水，有助于维持全球作物生产，特别是在降雨不一致或不足的地区。然而，低效或过量的施水会损害作物生产并耗尽淡水储备。在传统灌溉系统中，农民采用均匀灌溉，忽视了田间变异和作物多样化的水分需求（McCarthy et al., 2023）。同样，大多数商用灌溉控制器通常按照固定的预编程时间表运行（Lozoya et al., 2014），不考虑突然的变化。高效的灌溉实践与土壤水分管理密切相关，因为精确调节供水不仅满足作物需求，还直接影响土壤支持健康植物生长的能力并优化农业产出。

土壤水分（SM）对自然环境和人类活动都是关键因素（Li et al., 2021）。它指的是非饱和带（即非饱和带）中的水分含量，该区域从土壤表面延伸至地下水位（Seneviratne et al., 2010）。饱和、田间持水量和永久萎蔫点是用于描述土壤含水量的术语。当所有土壤孔隙都充满水，没有空间容纳空气时，即达到饱和。田间持水量是土壤在排出多余重力水后所能保持的水量。在永久萎蔫点，剩余的水分因紧密束缚在土壤上而对植物不可用。植物的有效水是储存在田间持水量和永久萎蔫点之间土壤中的水量（Babaeian et al., 2019）。土壤水分在空间和时间上高度可变（Halloran et al., 2016）。它是气候系统中的基本变量（Rahmati et al., 2024）。持续了解土壤水分对于增进对陆地表层水和能量循环长期动力学的理解至关重要（Dorigo et al., 2017）。许多农业应用，如农业干旱监测（Martínez-Fernández et al., 2016）、灌溉调度（Hassan-Esfahani et al., 2017）、智能灌溉（Goap et al., 2018）、精准或智慧农业（Yin et al., 2021），都需要精确测量土壤水分。

土壤水分是控制植物生理过程（如蒸腾、光合作用（Li et al., 2024）和养分吸收（Chtouki et al., 2022））的关键因素之一。过度灌溉引起的积水会显著损害植物在整个生命周期中的生长和发育（Manghwar et al., 2024）。它还减少了根区的氧气可用性（Nikoli? et al., 2025）。积水胁迫影响根系生长和养分吸收（Qi & Pan, 2022）。根系退化导致植物光合和有效生物量生成的能力降低，从而降低作物产量。长期胁迫导致根系完全死亡（Manghwar et al., 2024）。作物过度灌溉是地下水污染的原因之一，这是由于难以控制养分和农药的去向（Abbasi & Sepaskhah, 2023）。

水资源短缺也威胁着农业生产和粮食安全（Liu et al., 2022）。干旱胁迫扰乱了对植物生长和生产力至关重要的生理和生殖过程。它诱导气孔闭合，从而减少二氧化碳吸收，引起破坏细胞结构的氧化胁迫，并损害光合生产力（Qiao et al., 2024; Zhang et al., 2022）。

在此之间，充足的土壤水分含量将增强植物养分吸收（Mukherjee, 2022）。提高农业用水效率（WUE）的关键因素之一是灌溉调度（Ali et al., 2024）。灌溉调度是一种重要的水资源管理策略，旨在理想时间施加最佳水量（Jimenez et al., 2020），即保持土壤水分在有利于作物生产和环境的范围内。适当的灌溉调度有助于减少用水量、维持作物健康并优化农业产量。

精确向作物配水可以显著减少资源使用并增加产量。提高农业生产力并优化水资源利用对于确保 2050 年 97 亿人的食物和水安全是必要的。传统灌溉系统通常依赖人工决策或静态时间表，经常导致过度灌溉或灌溉不足从而造成水资源使用效率低下。为应对这些挑战，智能灌溉系统能够实现更具适应性和数据驱动的灌溉调度。因此，智能灌溉引起了越来越多的研究关注。几篇综述文章从不同角度论述了智能灌溉。Abioye 等人（2020）和 Bwambale 等人（2022）专注于灌溉控制系统，特别是用于精准灌溉的开环和闭环控制系统。Obaideen 等人（2022）专注于基于物联网的智能灌溉系统架构。Younes 等人（2024）分析和评估了智能灌溉系统中使用的机器学习（ML）模型的性能。Ahansal 等人（2022）综述了机器学习、物联网和无人机（UAV）在评估林木作物水分状况方面的使用。

最近，Dantas 等人（2025）提供了智能灌溉的广泛概述，特别强调了智能灌溉中的交叉问题以及灌溉自动化向无人化系统的分阶段演变。相比之下，本综述采用更专注的视角关注灌溉调度作为用水效率和有效灌溉管理的关键决定因素，通过提供三种主要灌溉调度方法（基于天气、基于土壤和基于作物）的全面和结构化分析，并批判性地考察 AI、IoT 和 RS 如何增强每种方法的有效性、适应性和实际应用性。

为了将此贡献置于更广泛的灌溉管理背景下，本综述首先对 2015-2025 年该领域的出版趋势进行结构化分析，特别关注灌溉调度方法、数字技术（AI、IoT 和 RS）以及链接这两个维度的出版物。接着，它对主要灌溉方法及其农学和运营权衡提供批判性概述，从而强调灌溉效率不仅取决于使用的灌溉方法类型，还取决于灌溉时机和施水量的精确性。在此基础上，本综述特别强调多个空间尺度（从田间到农场到区域环境）的实施方案相关考量，并批判性地考察了通常阻碍不同调度方法的理论优势在实践中完全实现的制约因素，包括传统测量的空间代表性有限和对基于点的数据的依赖。它进一步讨论了 AI、IoT 和 RS 技术如何通过改进时空监测和实现更具响应性和准确性的灌溉决策来帮助缓解其中一些制约因素。本综述还分析了与这些技术更广泛部署相关的挑战，包括连接限制、云集成、能源优化和网络安全隐患。最后，本综述还为露地农业提出了一个混合监测框架。

**章节片段**

**灌溉管理研究趋势**

在 Web of Science 核心合集数据库中，使用术语“智能灌溉”、“智能灌溉”、“精准灌溉”、“灌溉自动化”、“灌溉调度”、“灌溉管理”、“灌溉水资源管理”和“农业水资源管理”进行了系统检索。使用主题字段（涵盖标题、作者关键词、扩展关键词和摘要），初始检索在 2015 年至 2025 年间产生了 6661 篇出版物。在限制...

**表面、喷灌和滴灌：效率、挑战与可持续性**

雨养农业在 80% 的耕地上生产世界 60% 的食物，而灌溉农业在 20% 的土地上生产 40%，突显了其相对效率。农业占所有地表水和地下水抽取量的 70%，其中约 90% 的农业用水通过灌溉被消耗（未返回系统）。应对淡水短缺需要提高灌溉效率。此外，农业中的非常规用水，例如

**灌溉调度方法：原理与局限**

随着全球水危机的加剧，实施计划灌溉系统不再是一个次要选项，而已成为精准农业的基本组成部分（Lakhiar et al., 2024）。灌溉调度涉及确定作物理想的水施时间、频率和水量，以提高用水效率。灌溉调度方法通常分为三种主要类型：基于天气的、基于土壤的和基于作物的（Bwambale et al., 2022）。

**支撑数据驱动灌溉的基础技术**

本节概述了物联网、人工智能和遥感技术的基本概念，作为讨论它们在现代灌溉系统现代化中关键应用的前提。

若要进行更深入的探索，请参阅（Ali等人，2022年；Dauda等人，2024年；Domínguez-Bola?o等人，2022年；Gubbi等人，2013年）关于物联网，（Jordan & Mitchell，2015年；LeCun等人，2015年；Ofosu-Ampong，2024年；Xu等人，2021年）关于人工智能，以及（Jafarbiglu & Pourreza，2022年；Lillesand等人，2015年；Samadzadegan等人，2025年）关于遥感的相关文献。

**人工智能、物联网与遥感在智能灌溉中的应用：对天气、土壤和作物的精准监测**

本节回顾了已发表的研究文献，探讨人工智能、物联网和遥感在灌溉调度中对天气、土壤和作物状况的监测应用。

智能灌溉可以描述为一种先进的农业方法，它采用新兴和赋能技术来合理化农业用水消耗，并以高效率进行管理。其实现途径是根据作物的实际需求和环境条件进行精准有效的水分分配。

**智能灌溉实施的优势与挑战**

在农业领域数字化转型不断加速的背景下，智能灌溉通过整合传感技术、数据分析和自动化，在农业水管理方面取得了显著进展。研究表明，此类系统能够提高资源利用效率（如水和能源），提升作物产量，从而支持农业系统的可持续性（Abdelhamid等人，2025年；Liao等人，2021年；Zeng等人，2023年）。然而，大规模推广

**智能灌溉系统的未来研究方向**

尽管取得了令人鼓舞的成果，但在真实农业条件下对基于人工智能、物联网和遥感技术的灌溉系统进行大规模验证仍然有限。因此，未来关于智能灌溉的工程研究应重点关注可靠田间部署的需求，包括综合监测、根区水分状况估算、预测性和混合式调度、容错控制以及多地点田间验证。

首先，应开发混合监测系统以

**结论**

数字时代的智能灌溉管理是应对全球重大挑战的必备适应策略，包括水资源短缺、气候变化以及不断增长的粮食生产需求。人工智能、物联网和遥感等先进数字技术能够支持基于天气、土壤和作物的灌溉调度。物联网实现频繁的田间监测和自动化数据传输，遥感提供广泛的空间覆盖范围，而人工智能则促进数据分析，从而

**CRediT作者贡献声明**

Ehab H. Hegazi：写作——审阅与编辑，写作——初稿，验证，方法学，调查研究，形式分析，数据整理，概念化。Jian Liu：验证，方法学，调查研究，数据整理。Ruixia Ai：验证。Lin Liu：写作——审阅与编辑，验证，调查研究，概念化。Xuemei Liu：写作——审阅与编辑，资源，项目管理，调查研究，资金获取。Jin Yuan：写作——审阅与编辑，验证，

**科学影响力声明**

本文为农业智能灌溉知识的提升提供了有价值的参考资料，并帮助研究人员确定未来研究方向。本分析明确了新兴和赋能技术试图解决的关键挑战，并强调了人工智能、物联网和遥感技术的战略整合，这些技术共同构成了一个能够推进农业领域发展的技术框架，尤其是在灌溉管理领域。本综述呈现了

**生成式人工智能和AI辅助技术在写作过程中的声明**

在准备本作品过程中，作者使用了ChatGPT来改善语言和可读性。在使用该工具后，作者根据需要审阅和编辑了内容，并对出版物的内容承担全部责任。

**利益冲突声明**

作者声明他们没有已知的竞争性经济利益或个人关系，这些可能影响本文所报告的工作。

**致谢**

本研究得到国家重点研发计划（2022YFD2300101）、山东省农业机械研发、制造、推广和应用一体化实施试点项目（NJYTHSD-202317）以及山东省棉花产业技术体系创新团队农机岗专家项目（SDAIT-03-09）的支持。

Ehab H. Hegazi | Jian Liu | Ruixia Ai | Lin Liu | Xuemei Liu | Jin Yuan | Georgios Papadakis

山东农业大学机电工程学院，泰安，271018，中国