《Precision Agriculture》：Crop robots as potential enablers of economical and biodiversity-smart small-scale farming
编辑推荐：
目的：通过作物机器人减少人力劳动需求，通常被假设能对较小田块的经济性产生积极影响。条带种植（strip cropping）是一种可使较小子田块机械化并增加生物多样性的方法，但目前面临经济压力。为探究机器人是否能在此生产系统中提供节省劳动力的解决方案，研究人员研
目的：通过作物机器人减少人力劳动需求，通常被假设能对较小田块的经济性产生积极影响。条带种植（strip cropping）是一种可使较小子田块机械化并增加生物多样性的方法，但目前面临经济压力。为探究机器人是否能在此生产系统中提供节省劳动力的解决方案，研究人员研究了两个使用自主设备运行的条带种植田间实验室。方法：研究人员记录了2022-2024年在德国南部条带种植环境下，拖拉机与商用机器人操作期间的人类劳动力情况。描述性分析辅以技术进展情景。观察数据和情景数据均用于计算田块及条带尺寸对人力劳动输入的影响。研究结果结合英国条带种植试验的观察进行了背景化，后者在2023-2025年期间使用改装设备进行了全自主运行。结果：对观察到的拖拉机与机器人数据的比较显示，目前拖拉机操作条带种植系统的效率高于机器人。所分析的AgBot作物机器人在小规模多样化生产系统中尚不能减少人力劳动时间。然而，低门槛的技术进展可能使机器人的人力时间需求接近拖拉机。如在英国设置中使用的混合自主技术，可解决由物流产生的低效问题。结论：田间和机器人均存在田间规模经济（economies of field size），唯有在农场基础设施和法律框架发生广泛变更时才能克服。物流和支持活动使较大田块更具经济性。因此，不应假定作物机器人会改变田间结构朝向更多生物多样性。
论文解读：作物机器人作为经济可行且生物多样性智能小规模耕作的潜在赋能者
研究背景与问题提出
在近代农业发展中，农业机械化虽带来了显著的劳动力生产力提升，但也成为20世纪土地整合（land consolidation）的重要驱动力，进而产生了不利于生态的负面影响，如生物多样性丧失和土壤结构破坏。同时，土地整合还可能引发负面的社会政治后果。精准农业和数字农业技术曾被视为解决环境问题的手段，但也有观点指出其仅是农业集约化的延续。在此背景下，作物机器人（crop robots）的出现被学术界和产业界寄予厚望，被认为有可能通过改变田间作业的经济性（尤其是显著降低劳动力成本）来逆转大规模单一种植的趋势，从而使小规模、不规则田块以及更具生物多样性的生产系统（如条带种植，strip cropping）在经济上变得可行。条带种植作为一种机械化可行的做法，通过在同一田块内同时栽培多种作物但分条带管理，不仅能带来施肥和害虫控制的协同效应，允许使用标准设备，还能提升生物多样性、改善害虫生物防治并可能产生积极的生态系统服务。然而，条带种植由于操作更复杂，通常比单作大面积耕作需要更高的劳动力投入，因此在常规技术下常被认为经济吸引力不足。目前，关于作物机器人在此类多样化、小尺度生产系统中实际劳动力效率的信息仍然缺乏，且现有少量文献表明机器人可能遵循类似农业机械化的模式，即依然倾向于更大型的田块和更高效率的规模化作业。基于此，研究人员开展了本研究，旨在比较在条带种植设置下，常规有人驾驶拖拉机与作物机器人执行常见耕作任务的时间需求，以验证“作物机器人能减少条带种植背景下的人力劳动需求，从而改变相对于标准拖拉机的田间规模经济”这一核心假设。该论文发表于《Precision Agriculture》期刊。
主要关键技术方法
研究人员采用了实证观察与建模相结合的方法。首先在德国巴伐利亚州研究中心（LfL）的“Future Crop Farming”条带种植田间实验室（2021年建立，位于德国东南部Ruhstorf an der Rott，约12公顷，2022-2024年数据）进行实地劳动时间的手动记录，涵盖AgBot 5.155T2作物机器人（旨在替代拖拉机驾驶员技能劳动，可挂载标准3米宽农具）与常规拖拉机在土壤耕作、播种和锄地（中耕）等操作中的时间消耗，并记录为t1（主要工作时间）、t2（中断时间）、t3（支持活动时间）及新增的t4（无人监督自主工作时间）和t115（监督下自主工作时间）。其次，研究人员扩展了德国农业技术与建设委员会（KTBL）的农场工作时间编码系统，以适应自主机器的劳动分类。接着，研究人员基于观察数据建立了近未来（FUTURE I）与远未来（FUTURE II）的技术进展情景模型，并构建了考虑“固定时间”与“可变时间”的算法，以重新计算不同田块尺寸（5、10、20、40、80、160公顷）和条带宽度（15、30、45、60米）下的劳动经济学。此外，研究人员将德国实地试验结果与英国Harper Adams大学（HAU）“Hands Free Farm”的自主条带种植试验（2023-2025年，使用改装自主Iseki拖拉机）进行了定性对比与背景化分析。
研究结果
Introduction（引言）
研究人员指出，尽管作物机器人常被期望能降低劳动力成本并使小田块耕作经济可行，但现有文献显示机器人也可能增加农户的工作时间，且物流、任务委派及需人工关注事件的频率是决定自主设备是否能真正减少农户工作时间的关键因素。农业机械化历史表明技术往往伴随土地整合，而精准农业未必打破此循环。生物多样性智能（biodiversity-smart）农业要求技术低劳动力输入、高生物多样性且高产，条带种植是其在空间管理上的典型代表，但劳动力效率与生物多样性在当前往往呈权衡关系。因此，本研究聚焦在条带种植背景下比较拖拉机与作物机器人的时间效率。
Material and methodology（材料与方法）
概念框架：研究人员基于KTBL四级粒度分类法，新增了t4（无人监督自主工作时间）以区分机器自主运行无需人力监督干预的时间，并新增t115（监督下自主工作时间）以涵盖因安全传感器限制或高故障风险而需人员在场连续监督的自主作业时间。田间实验室设置：德国LfL试验田采用7种作物轮作，每作物15米宽条带，含草带（beetle banks）及周边草-三叶草混合生境作为头地。Variant I（集成防治）使用标准拖拉机，Variant R（减少化学防治）尽量使用作物机器人（AgBot及FD20等）替代 herbicides为机械除草及其他作业。数据收集：通过iPhone计时器与纸质表格手动记录从车辆调度到退勤的全部现场与农庄内操作时间，77%的田间操作被记录，未记录操作无系统性偏差。数据分析：仅分析AgBot数据（因其功能可比拟拖拉机），计算每公顷时间（h/ha），并划分t2为t2.1、t2.3、t2.4。定义总人力时间为t1+t2+t3，总机器时间为t1+t2+t3+t4。建立FUTURE I（近期技术进展：40%的t1转为t4，t2与t3各减50%）与FUTURE II（远期自动化世界：t1人力劳动几乎消除，t3减95%，t2同观测拖拉机，需机器间通信与法律/基础设施改变）情景。建立场均与条带宽模型以测试田间规模经济。
Results（结果）
The AgBot in the future crop farming field lab（未来作物耕作田间实验室中的AgBot）：数据显示，在小型条带种植设置下，有人驾驶拖拉机在各操作的平均时间需求上优于AgBot。AgBot的无人监督自主工作时间（t4）占比仅为11%至25%，总时间支出也远高于拖拉机操作。支持活动时间（t3）在自主操作中占比较常规操作大得多，中断时间（t2）也显著更高。AgBot尚不能在条带间自主转移，需操作员介入；邻近条带或草带导致安全传感器误判高处植被为障碍，有时需关闭传感器因而需法律依据下的连续监督，这增加了t1时间。
Future technological progress（未来技术进展）：建模显示，在低门槛技术改进下（FUTURE I），人力监督与干预需求减少，条带种植操作所需总人力时间可接近甚至低于常规操作；但总机器时间仍高于常规。在FUTURE II下，总机器时间相对FUTURE I下降，但依然未达常规水平。各未来情景中，t4占总机器时间比重均上升；FUTURE II中可达近100%。
Investigating the economies of field size of autonomous cropping equipment（调查自主耕作设备的田间规模经济）：在原始3.1公顷、15米条带设置下，AgBot平均人力劳动时间为3.78 h/ha，拖拉机为1.80 h/ha。随田块尺寸增大，观测数据与FUTURE I情景下机器人人力需求仍高于拖拉机，但在中间田块尺寸下FUTURE I可优于拖拉机。FUTURE II则在所有田块尺寸下呈准恒定的人力时间减少。t4占比在FUTURE I中随条带宽度增加略降（因条带间转移次数减少，而转移在FUTURE I中假定为自主，故t4与总时间同减），但在观测数据中t4占比随条带宽度增加因人力需求减少而相对上升。即便在最大田块/条带宽度组合，FUTURE I的t4占比仅0.48，说明超一半田间时间仍需人力关注。
Contextualization with Hands Free Farm autonomous strip cropping（与Hands Free Farm自主条带种植的背景化）：两国试验均显示机器因障碍检测（如残茬、枝条、邻作植株）停止需人工重启，且监督需求随操作复杂度增加。英国试验使用改装自主拖拉机可在非公共道路自主转场与条带间转移，并发现机器蜂群（swarm）可提高人力监督效率；德国试验中AgBot条带间自主转移在数据采集后因软件更新变得可行，但当时因规划成本高而实践上不可行。
讨论（Discussion）总结
研究人员认为，目前市售的AgBot这类作物机器人，若要在小规模多样化生产系统（如条带种植）中优于常规技术的人力劳动需求，需依赖对实质技术改进的乐观假设；其所研究的田间实验室并非该AgBot的预期典型设置，调整安全边距与头地设置影响了表现，但数据表明该作物机器人尚不能轻易管理小规模生物多样性系统。研究人员提出，小规模耕作系统评价或许应超越田间/农场“规模”经济，转向“范围”经济（economies of scope，联合生产多产品的成本递减），即生态学范围（ecology of scope）视角：作物多样性在田间层面的收益高于农场层面，且依赖劳动力投入与农场规模。当前自主设备依然呈现田间规模经济，物流与支持活动使较大田块更经济；即便使用混合自主技术（如英国改装拖拉机），田间至田间及田间至农庄物流仍受法律框架限制（如公共道路行驶需人力）。因此，自主设备并不会自动带来更多生物多样性，需在设备开发中考量多样化生产系统，或通过政策强化农业生产的生物多样性。方法上，KTBL编码系统扩展（t4与t115）仅是系统化研究农业自主权对人力的第一步；t4类别若散布需人力关注的片段，则对操作人员“真正解放的时间”有限，且不考虑农场至田间物流会低估此问题。最后，作物机器人仍处早期阶段，不同制造商方案差异大，经验尚难泛化。
结论（Conclusion）翻译
作物机器人曾被誉为实现工业化、劳动力稀缺农业中经济与生态压力调和的解决方案，并可能成为赋能小规模耕作的工具。然而，在小型条带种植设置下的详细劳动时间记录表明，与假设相反，AgBot作物机器人存在田间规模经济，因此在较大田块上操作更具经济效率。研究人员总结了来自条带种植田间实验室的自主（AgBot 5.115T2）与常规（标准拖拉机）操作数据，建模了潜在技术进展，并研究了各技术情景与田间规模经济的关系。数据显示，目前使用常规农具执行大体常规农艺操作的AgBot，在技术上具挑战性的条带种植设置中经济上尚无法媲美常规拖拉机。其高劳动力需求可能源于技术熟悉度不足、技术发展早期阶段，以及为在条带种植田工作而调整的机器人配置。此外，当前发展状态下的AgBot及假定近期技术改进后的版本均受田间规模经济影响，因为它们仍需要大量人力劳动输入。基于可用田间数据，机器人操作中无人监督自主时间占比随田块尺寸和条带宽度增加而上升，因此削弱了“作物机器人可使更具生物多样性的作物生产系统在经济上可行”的愿景。对比德国与英国田间实验室经验发现不同自主设备存在共同困难。基于学习成本平摊与技术进展的各类时间类别变化分析表明，在乐观假设下，作物机器人在条带种植中的人力劳动需求可具备竞争力；在标准田间设置中，若事件率与物流效率可控，作物机器人或已可视作具竞争力。改变耕作系统更显著的机器人（如冲孔播种、激光除草）或基于不同设计思路（如机器蜂群、太阳能）的整体劳动力需求可能与本研究观察的机器人非常不同。本研究要求修改现有农业劳动时间的编码方案（该方案本就预留修改空间），并显示此类模块化编码方案适用于协调不同细节层级的数据收集及应用于新技术。新增的作物机器人操作类别应视为对科学界进一步讨论与发展的邀请。人力劳动在农业生产效率评估中的重要性尚不能被AgBot克服，但可以论证评估方法应扩展：若生产系统评估还包括目前未纳入的方面，如侵蚀削减与生物多样性提升等生态系统服务，或风险降低与土地生产力等经济衡量，平衡可能倾向更具生物多样性的生产系统。本分析旨在警示不要把过多期望置于仍非常年轻的作物机器人技术领域：在劳动力稀缺和高度机械化的农业环境中，（田间）规模经济与规模经济（economies of scale）很强，因此作物机器人也遵循该模式并不令人意外。
