中国农业大学土地学院付永威青年研究员团队发表人工智能驱动多尺度土壤结构研究重要综述

近日，农业工程与信息技术领域国际权威期刊《农业计算机与电子》（Computers and Electronics in Agriculture）在线发表中国农业大学土地科学与技术学院付永威团队的综述论文《人工智能与数字感知赋能多尺度土壤结构研究：从观测到决策》（Artificial intelligence and digital sensing for multiscale soil structure: from observation to decision-making）。文章系统梳理了人工智能与数字感知技术在多尺度土壤结构研究中的应用进展，提出贯通“观测-表征-尺度转换-机理发现-决策支持”的五层研究框架，为土壤压实防控、灌溉管理、农机通行性评估、碳固持和土壤韧性监测提供了系统的方法指引。

土壤结构是土壤颗粒、团聚体与孔隙的空间组织形式，深刻影响土壤水分储存、通气状况、根系生长、养分运移、机械承载以及有机碳稳定。然而，传统土壤结构评价主要依赖取样、人工观察和室内测定，不仅耗时费力、空间覆盖有限，而且具有破坏性，难以对同一土体进行连续观测，因而往往只能获得特定时间和地点的“静态快照”。

从传统土壤结构评价向人工智能驱动的数字感知与农业管理转变

近年来，数字成像、光谱分析、地球物理探测、原位传感、近地感知、无人机和卫星遥感等技术快速发展，使土壤结构观测逐步走向无损化、高通量和多尺度。然而，如何将来源不同、尺度各异的海量传感数据转化为可靠且可用于农业管理的土壤结构信息，仍面临真实标定数据稀缺、观测尺度不匹配、模型跨区域迁移能力不足以及验证标准不一致等突出挑战。针对这一问题，研究团队首先将可由机器识别的土壤结构信息划分为四个层次：一是孔隙几何形态、连通性、曲折度、团聚体结构和裂隙网络等直接结构指标；二是容重、贯入阻力、团聚体稳定性和水力传导率等结构代理指标；三是土壤有机碳、黏粒与矿物组成、根系和微生物活动等结构影响因素；四是入渗、持水、气体扩散、侵蚀风险和碳保护等结构依赖功能。该分类有助于明确不同传感与模型输出的科学含义，避免将结构本身、结构表征指标及其生态功能混为一谈。

在此基础上，文章提出了人工智能驱动土壤结构分析的五层功能框架。第一层为“观测”，利用实验室成像设备、田间探头、移动平台、无人机和卫星获取高分辨率、多尺度数据；第二层为“表征”，通过人工智能从图像、光谱、波形和时间序列中识别孔隙结构、团聚体特征、压实状态及空间变异；第三层为“尺度转换”，建立微观结构与土体、农田及景观尺度行为之间的联系；第四层为“机理发现”，解析土壤水分运移、机械稳定性、生物活动和碳循环等过程；第五层为“决策支持”，将结构信息嵌入土壤数字孪生、农业咨询工具和闭环管理系统，推动科学认知转化为可实施的管理方案。

人工智能驱动土壤结构研究的“观测—表征—尺度转换—机理发现—决策支持”五层框架

文章指出，在孔隙尺度，深度学习能够提升土壤图像增强、分割和三维重建的效率，更准确地识别孔隙与团聚体结构；在土体剖面和农田尺度，机器学习可融合光谱、地球物理信号、移动式近地传感和原位时间序列，推断土壤压实、含水状态及地下结构；在景观尺度，人工智能可通过多源数据融合、降尺度和迁移学习，将无人机、卫星、激光雷达等观测与地面土壤信息相结合，提升大范围土壤结构监测能力。

研究团队同时强调，没有一种人工智能模型能够适用于所有土壤结构问题。在单一图像、样地、传感器或季节中取得较高预测精度，并不意味着模型具备跨区域应用价值。未来研究应从单纯追求模型精度，转向重视独立样本、空间分区、时间留出、跨站点和外部数据验证，并同步评估不确定性、物理合理性与模型可解释性。将质量守恒等物理规律、传感器机理和土壤科学知识嵌入人工智能模型，是提高模型可靠性和推广能力的重要方向。

文章进一步提出，近期可优先发展经过不确定性评估和田间验证的土壤压实与农机通行性制图、耕作和灌溉时机优化、侵蚀与退化监测以及传感器引导采样等应用。土壤数字孪生、基础模型辅助解释、生成式情景模拟、实时多模态监测和自主闭环管理则具有更长期的发展潜力，在完成多地点、多季节验证，并建立明确的数据治理与人工监督机制之前，仍应作为研究型系统审慎推进。

土壤结构测定、感知与人工智能的发展历程，以及近期机遇（2026—2030年）与长期展望（2031—2036年）

该综述推动土壤结构从依赖人工和破坏性测量的静态描述指标，转变为可由传感器连续观测、由人工智能动态解析的土壤状态，为构建贯通感知、认知、预测与决策的土壤结构智能系统提供了理论框架和技术路线，对发展智慧农业、提升耕地质量和促进农业可持续管理具有重要意义。

中国农业大学土地科学与技术学院付永威青年研究员为论文第一作者和通讯作者。合作作者包括中国农业大学周虎教授、任图生教授、李保国教授，以及美国北卡罗来纳州立大学Joshua Heitman教授、澳大利亚悉尼大学Budiman Minasny教授、英国兰卡斯特大学Andrew Binley教授、美国科罗拉多州立大学Zhuangji Wang研究员和爱荷华州立大学Robert Horton教授。该研究得到国家重点研发计划(2025YFD1500300)、国家自然科学基金(42407414)、北京市青年托举人才工程(20250684)、中央高校基本科研业务费专项(15055005)及美国农业部项目(USDA-NIFA W5188)资助。