摘要（Abstract）翻译：
引言（Introduction）：尽管智慧农业（Smart Farming）发展迅速，多数技术仍局限于受控环境温室，针对开放式大田栽培特别是具有复杂土壤与水文条件的退水稻田（former paddy fields）可扩展方案存在关键缺口。本研究旨在开发并实证验证一套用于提升开放式大田大豆栽培生产力与可持续性的统合智慧农业（Integrated Smart Agriculture）系统。
方法（Methods）：于真实开放式大田大豆生产环境中设计并部署了统合智慧农业系统。该系统整合了基于多传感器（Multi-sensor）的环境与作物生长监测、基于人工智能（Artificial Intelligence, AI）的病虫害检测与决策支持、自动化精准灌溉与排水控制、无人机（Unmanned Aerial Vehicle, UAV）作业、自动驾驶农机及综合监控与控制系统（Integrated Monitoring and Control System, IMCS）。通过比较产量及劳动效率与传统耕作方式的差异评估系统性能。
结果（Results）：统合系统实现了田间条件实时监测，通过智能诱捕器（Smart Traps）与UAV影像分析早期侦测并响应病虫害爆发，以及灌溉排水的数据驱动控制。结果表明，相较于传统栽培，大豆产量增加约20%，劳动力需求减少53%。
结论（Conclusion）：所提出的统合智慧农业系统证明系统级数字化整合可显著提升开放式大田大豆种植的生产率与作业效率。超越单一技术的孤立应用，本研究为开放式大田农业数字化转型提供了可扩展且实用的框架，有助于可持续作物生产与粮食安全。
《退水稻田开放式大田大豆栽培用统合智能农场系统开发——基于Frontiers in Sustainable Food Systems刊载论文的解读》
研究背景与意义：
韩国传统上以水稻为中心，近年因稻米消费下降及大豆等旱粮自给率低（2023年仅23.7%）、高度依赖进口，政府推行退水稻田改种旱作作物政策。然而稻田土壤保水性高、排水差，旱作作物易受淹水胁迫；加之农村老龄化、劳力短缺及气候变化导致极端天气频发，传统耕作难以应对。现有智慧农业多针对温室（Controlled Environment），成本高、空间受限且不适用于大田主食作物。开放式大田智慧农业（Open-field Smart Farming）技术虽有单点研究，但缺乏系统集成与实地长期验证。为此，研究人员于2022至2024年在韩国农村振兴厅国立作物科学院试验田，开发并验证了集成多技术的开放式大田智能大豆栽培系统，以解决气候风险、劳力不足及稻田改旱作的技术瓶颈，成果发表于《Frontiers in Sustainable Food Systems》。
主要关键技术方法：
研究在韩国南部前稻田（Former Paddy Field）设处理组（智能农场）与对照组（常规耕作），种植晚熟大豆品种（Glycine max L.），行距70 cm × 株距20 cm。核心技术包括：(1) 机械化栽培：现有拖拉机与联合收割机加装AGMO自动转向套件（RTK-GNSS定位，精度约±2 cm）实现自主播种、施肥、除草剂喷施与收获；(2) 精准水管理：埋设15支土壤水分传感器与2支地下水位传感器分5区监测，地下滴灌（埋深0.3 m）与地下暗管排水（埋深0.8 m，带土工布穿孔管），土壤含水量<20%自动灌溉，地下水位超过阈值自动启动排水泵，配合基于滴灌的肥灌系统（Fertigation，按韩国RDA标准施NPK 8-8-9）；(3) 病虫害管理：紫外光智能诱捕器（360–425 nm）结合深度学习目标检测监测甜菜夜蛾(Spodoptera exigua)与斜纹夜蛾(S. litura)，固定翼UAV(eBee Classic)搭载多光谱相机计算归一化植被指数（Normalized Difference Vegetation Index, NDVI）诊断长势，多旋翼植保无人机按NDVI变量喷洒农药；(4) 综合监控与控制系统（Integrated Monitoring and Control System, IMCS）：基于物联网（Internet of Things, IoT）与云平台，通过Wi‑Fi/VPN汇集气象、土壤、害虫及UAV数据，采用阈值规则闭环控制各子系统，提供远程监测与决策支持界面。三年分阶段实施：2022年建基础系统，2023年增地下水位控制排水，2024年加入自动驾驶联合收割机完成全周期。
研究结果：
4.1 Outcomes of implemented precision water management technology（精准水管理技术的实施效果）
通过2022年（干旱，生长期月均降水135 mm低于152 mm抗旱阈值）与2023年（多雨，月均259 mm）及2024年（强降雨触发排水）土壤水分与地下水位数据分析，自动灌溉系统在土壤含水量低于20%时启动补水，2023年因持续高湿未启动；排水系统在地下水位超阈值时自动运行有效防止渍害。证实系统可依实时水文气象变化主动调控，缓解气候变异造成的生理水分胁迫。
4.2 Outcomes of implementing a soybean cultivation management system（大豆栽培管理系统实施效果）
智能诱捕器日采集影像经AI识别，日均最高捕获9头蛾类害虫，据此指导UAV每10天精准喷药，全生育期未见虫害减产。UAV多时相NDVI影像成功早期识别生长衰退区（关联胁迫或虫害）。无人机基站支持24 h待命自主起降与RTK精准施药，实现由定期喷药向数据驱动预测性防控转变。
4.3 Integrated monitoring and control system for soybean cultivation management（大豆栽培用综合监控与控制系统）
IMCS汇总气温、湿度、辐射、降雨、风速及土壤水、地下水位、害虫发生与NDVI等数据，云端存储并可视化。系统可按阈值自动触发灌溉、排水或UAV喷药，亦可人工介入。现场验证表明该系统将经验型周期管理转变为基于传感器定量数据的科学系统化管理，提升突发天气响应能力及资源利用效率，界面友好利于不同数字素养使用者操作，具高扩展性与定制潜力。
讨论与结论翻译总结：
双因素方差分析与Tukey HSD检验显示，智能系统使大豆单产三年分别提高15%、11%、26%（平均约20%），单株荚数及粒数优于对照，茎长、茎径受年际气候影响大年间差异不显著，说明系统主要提升生殖生长效率而非改变株型架构。劳动工时较常规减少约53%，其中机械同步播种除草、远程自动水管理与UAV喷药贡献显著。局限性含地块细碎化、初期投资高、农民数字素养不足、无人机半自动模式及施肥仍近常规。未来需发展管理分区（Management Zone）差异化策略、降低成本的模块化设备及AI驱动自适应决策。研究结论重申：退水稻田应用集成系统使劳力减53%，自动水管理适应稻田排水特性营造大豆适湿环境，AI诱捕与UAV防控提升保护效果，自动驾驶农机提高作业精度，肥灌实现根区精准供肥；通过IMCS联动各模块实现远程监控与自主决策。虽存小规模农户推广限制，但实证了技术可行性，为稻田高效利用及农业数字化转型提供基础，对可持续发展与粮食安全具重要意义。
