阿卜杜拉赫曼·雷杰布 a , 阿里雷扎·阿卜杜拉希 b , 卡里姆·雷杰布 c 、霍斯特·特雷布尔迈尔 d,
- a 罗马大学经济学院管理与法律系 Tor Vergata, Via Columbia, 2, Rome 00133, Italy
- b 哈拉兹米大学管理学院工商管理系,1599964511 伊朗德黑兰
- c 迦太基大学比塞大科学院, Zarzouna, 7021 比塞大, 突尼斯
- d 维也纳莫杜尔大学国际管理学院, Am Kahlenberg 1, 1190 维也纳, 奥地利
文章信息 | 摘要 |
关键词: 无人机电调 无人机 精准农业 物联网 文献计量学 | 无人机,也称为无人驾驶飞行器(UAV),近几十年来取得了显着的发展。在农业方面,他们改变了耕作方式,为农民提供了大量的成本节约,增加了 运营效率和更好的盈利能力。过去几十年来,农业无人机的话题一直 引起了学术界的广泛关注。因此,我们根据文献计量学进行全面审查 总结和构建现有的学术文献,揭示当前的研究趋势和热点。我们 应用文献计量技术并分析有关农业无人机的文献,以总结和 评估以前的研究。我们的分析表明,遥感、精准农业、深度学习、机器学习和物联网是与农业无人机相关的关键主题。同被引 分析揭示了文献中的六大研究集群。这项研究是总结农业无人机研究并提出未来研究方向的首次尝试之一。 |
介绍
农业是世界的主要食物来源(Friha et al., 2021),由于农业的发展,农业一直面临着严峻的挑战。
对食品的需求不断增加,食品安全和安保问题以及对环境保护、水资源保护和环境保护的呼声日益高涨。
可持续性(井上,2020)。由于到 9.7 年世界人口预计将达到 2050 亿,因此预计这种发展将持续下去
(2019)。由于农业是全球水消耗最突出的例子,预计粮食需求和水
在可预见的未来,消费将大幅增长。此外,化肥、农药的消耗量不断增加
再加上农业活动的集约化可能会导致未来的环境挑战。同样,耕地也是有限的,
全球农民数量正在减少。这些挑战凸显了对创新和可持续农业解决方案的需求(Elijah
等,2018;弗里哈等人,2021;井上,2020; Tzounis 等人,2017)。
结合新技术已被认为是应对这些挑战的一个有前途的解决方案。智能农业(Brewster 等人,
2017年; Tang 等人,2021)和精准农业(Feng 等人,2019;Khanna 和 Kaur,2019)就是此类争论的结果。这
前者是在农业活动中采用信息通信技术 (ICT) 和其他尖端创新来提高效率和功效的一般概念(Haque 等人,2021)。后者侧重于特定地点的管理,其中土地分为
均质部分,每个部分通过新技术获得精确的农业投入量,以优化作物产量(Feng et al., 2019;Khanna & Kaur, 2019)。该领域吸引学者关注的重要技术包括无线传感器网络(WSN)(J. Cheng & Yang,2018;Y. Zhou 等人,2016)、物联网(IoT)(Gill 等人,2017)。 2021;何等人,2019;刘等人,XNUMX),
人工智能 (AI) 技术,包括机器学习和深度学习(Liakos 等人,2018 年;Parsaeian 等人,2020 年;Shadrin 等人,
2019)、计算技术(Hsu 等人,2020;Jinbo 等人,2019;Zamora-Izquierdo 等人,2019)、大数据(Gill 等人,2017;Tantalaki)
等人,2019)和区块链(PW Khan 等人,2020;Pincheira 等人,2021)。
除上述技术外,遥感也被认为是一种极有潜力改善环境的技术工具。
智慧精准农业。卫星、载人飞机和无人机是流行的遥感技术(Tsouros 等,2019)。
无人机,俗称无人机(UAV)、无人机系统(UAS)和遥控飞机,是
与其他遥感技术相比,它们具有多种优势,因此非常重要。例如,无人机可以运送
阴天的高质量和高分辨率图像(Manfreda et al., 2018)。此外,它们的可用性和传输速度构成了其他因素
好处(Radoglou-Grammatikis 等人,2020)。与飞机相比,无人机具有很高的成本效益,并且易于设置和维护(Tsouros 等人,2019)。尽管无人机最初主要用于军事目的,但无人机可以使许多民用应用受益,例如供应链管理(A. Rejeb,Rejeb,et al.,2021a),人道主义目的(A. Rejeb,Rejeb,et al., 2021c)、智能农业、测绘、文化遗产文献、灾害管理以及森林和野生动物保护(Panday、Pratihast 等,2020)。在农业中,无人机存在多种应用领域,因为它们可以与新技术、计算能力和机载传感器集成,以支持作物管理(例如测绘、监测、灌溉、植物诊断)(H. Huang 等人,2021) 、减灾、预警系统、野生动物和林业保护等(Negash 等,2019)。同样,无人机可以用于多种农业活动,包括作物和生长监测、产量估算、水分胁迫评估以及杂草、害虫和疾病检测(Inoue,2020;Panday、Pratihast 等,2020)。无人机不仅可以用于基于传感数据的监测、估计和检测,还可以用于精准灌溉和精准杂草、害虫和疾病管理。换句话说,无人机能够根据环境数据精确喷洒水和农药。表 1 总结了无人机在农业中的优势。
无人机在农业中的主要好处。
好处 | 参考资料 |
增强时间和空间 传感分辨率 | (Gago 等人,2015 年;Niu 等人,2020 年;Srivastava 等人,2020) |
促进精准农业 | (L. Deng 等人,2018 年;Kalischuk 等人,2019 年; 买买提江等,2017) |
分类与探查 作物 | (Inoue,2020;Kalischuk 等人,2019;洛佩兹-´ 格拉纳多斯等人,2016;买买提江等,2017; 梅尔维尔等人,2019;莫哈拉纳和杜塔,2016) |
肥料的使用 | (L. Deng 等,2018;Guan 等,2019) |
干旱监测 | (Fawcett 等人,2020;Panday、Pratihast 等人, 2020;苏等人,2018) |
生物量估算 | (本迪格等人,2014) |
产量估算 | (Inoue,2020;Panday、Shrestha 等人,2020;Tao 等人,2020) |
减灾 | (Negash 等人,2019) |
保护野生动物和 林业 | (Negash 等人,2019 年;Panday、Pratihast 等人, 2020) |
水分胁迫评估 | (Inoue,2020;J. Su,Coombes 等人,2018;L. 张等人,2019) |
害虫、杂草和疾病 发现 | (Gaˇsparovi´c 等,2020;Inoue,2020;J. Su,Liu, 等,2018; X.张等人,2019) |
另一方面,无人机也面临局限性。飞行员参与、发动机功率、稳定性和可靠性、传感器质量(因有效载荷)
其中包括重量限制、实施成本和航空监管(C.Zhang 和 Kovacs,2012)。我们比较一下缺点
表 2 中三种移动遥感技术的概述。其他遥感技术,例如土壤传感器,超出了本研究的重点。
各种移动遥感技术的缺点。
遥感 技术 | 缺点 | 参考资料 |
无人机(无人机) | 飞行员的参与;图片' 质量(平均); 实施成本(平均); 稳定性、机动性和 可靠性;标准化; 发动机功率;有限的力量 来源(电池寿命); 飞行时间有限、碰撞 和网络攻击;有限的 有效负载重量;大数据集 和有限的数据处理 能力;缺乏监管; 缺乏专业知识,门槛高 进入的障碍 农业无人机; | (Bacco 等人,2018;Dawaliby 等,2020;哈丁& 哈丁,2010;哈丁& 詹森,2011;拉格卡斯等人, 2018;拉利伯特等人,2007; 拉利伯特和兰戈,2011; 曼弗雷达等人,2018,2018; 内比克等人,2008;普里 等,2017;维鲁萨米等人, 2022 年; C. 张和科瓦奇, 2012) |
卫星 | 定期卫星覆盖, 有限的光谱分辨率; 易受可见性问题影响 (例如,云);不可用 且传输速度低; 方向和渐晕 影响昂贵的空间数据 收藏;数据传输缓慢 最终用户的时间 | (Aboutalebi 等人,2019 年;Cen 等,2019;陈等人, 2019;南森和埃利奥特, 2016年;潘迪、普拉蒂哈斯特、 等,2020;赛维尼思 等人,2019) |
飞机 | 采用成本高; 复杂的设置; 维修费用; 无法获得可靠的 飞机,几何形状 图片;非常规数据 获得;缺乏灵活性; 致命事故;传感器数据 振动引起的变化; 地理配准问题 | (阿姆斯特朗等人,2011; 阿特金森等人,2018; 巴贝多和科尼格坎,2018; 科瓦廖夫和沃罗希洛娃, 2020;索马莱宁等人, 2013年;塔姆等人,2013) |
作为农业领域的多学科、多用途技术,无人机已从多个角度进行了研究。例如,学者们研究了无人机在农业中的应用(Kulbacki et al., 2018;Mogili & Deepak, 2018)、它们对精准农业的贡献(Puri et al., 2017;Tsouros et al., 2019)、它们与其他无人机的互补性。尖端技术(Al-Thani 等人,2020 年;Dutta 和 Mitra,2021 年;Nayyar 等人,2020 年;Saha 等人,2018 年),以及提高其导航和传感能力的可能性(Bareth 等人,2015 年)。 ,2014;Suomalainen 等人,2021)。由于无人机在农业中的应用研究已变得普遍(Khan 等人,XNUMX)),因此有必要总结现有文献并揭示该领域的知识结构。此外,作为一个不断改进的高科技领域,需要进行结构化综述,定期总结现有文献并找出重要的研究空白。到
迄今为止,很少有评论讨论无人机在农业领域的应用。例如,Mogili 和 Deepak(2018)简要回顾了无人机对农作物监测和农药喷洒的影响。 Inoue(2020)对卫星和无人机在农业遥感中的使用进行了审查。作者根据案例研究和最佳实践,探讨了采用智能农业的技术挑战以及卫星和无人机的贡献。索罗斯等人。 (2019)总结了不同类型的无人机及其在农业中的主要应用,重点介绍了各种数据采集和处理方法。最近,阿斯兰等人。 (2022)对无人机在农业活动中的应用进行了全面审查,并强调了温室中无人机同步定位和测绘的相关性。迪亚兹-冈萨雷斯等人。 (2022)回顾了基于不同机器学习技术和远程的作物产量的最新研究
传感系统。他们的研究结果表明,无人机可用于估计土壤指标,并且在空间分辨率、信息时效性和灵活性方面优于卫星系统。巴西里等人。 (2022)对精准农业背景下克服多旋翼无人机路径规划挑战的各种途径和方法进行了详尽的回顾。此外,Awais 等人。 (2022)总结了无人机遥感数据在农作物中估算水分状况的应用,并深入综合了无人机遥感在废物胁迫应用中的前景能力。最后,阿奎拉尼等人。 (2022) 回顾了应用于牧场畜牧系统的预测农业技术,并推断无人机实现的遥感有利于生物量评估和畜群管理。
此外,最近也有报道称尝试使用无人机来监测、跟踪和召集牲畜。
尽管这些评论产生了新的重要见解,但在文献中找不到基于文献计量学的全面且最新的评论,这呈现出明显的知识差距。此外,有人指出,当科学领域的学术成果不断增长时,研究人员采用定量审查方法来理解该领域的知识结构就变得至关重要(Rivera & Pizam,2015)。同样,费雷拉等人。 (2014)认为,随着研究领域的成熟和复杂化,学者们应该偶尔理解所产生和积累的知识,以揭示新的贡献,捕捉研究传统和趋势,确定研究的主题,并深入研究研究的知识结构。领域和潜在的研究方向。虽然 Raparelli 和 Bajocco(2019)进行了文献计量分析来研究无人机在农业和林业应用的知识领域,但他们的研究仅考虑了 1995 年至 2017 年间发表的学术研究,这并不能反映这个快速发展领域的动态。此外,作者并没有试图确定该领域最有影响力的贡献,对文献进行聚类,并使用共引分析来评估知识结构。因此,有必要对文献进行总结,揭示当前的研究热点、趋势和热点。
为了填补这一知识空白,我们利用定量方法和严格的文献计量方法来检查无人机和农业交叉领域的研究现状。我们认为,当前的研究通过研究农业中急需的新兴技术,对现有文献做出了一些贡献,因为它提供了改变该领域多个方面的巨大潜力。鉴于农业背景下无人机的知识分散且碎片化,人们更加意识到对农业无人机进行文献计量分析的必要性。同样,与农业无人机相关的文献需要系统地聚类,考虑到为该研究领域奠定基础的最有影响力的研究。分析的优点还包括澄清文献中所代表的主要研究主题。考虑到该技术的变革潜力,我们认为深入的网络分析可以通过确定有影响力的作品并揭示有关无人机农业潜力的主题来产生新颖的见解。
因此,我们努力实现以下研究目标:
- 确定对农业领域无人机应用有突出贡献、有影响力的出版物。
- 通过使用共被引分析,基于语义相似性对文献进行聚类、识别研究焦点以及绘制主要“知识结构”研究。
- 了解该领域各种出版物之间的联系和引用网络随时间的演变,并确定未来的研究方向和热点主题。
本文的其余部分结构如下:第 2 节概述了方法和数据收集步骤;第 3 节提供了分析结果;第 4 节讨论研究结果,并以研究贡献、影响和未来方向作为结论。
研究方法
在当前的研究中,我们进行了文献计量分析,以探索无人机在农业中的应用。这种定量方法揭示了知识领域的知识结构(Arora & Chakraborty,2021)以及应用该方法可以研究的现状、热点和未来研究方向(Kapoor et al.,2018;Mishra et al.,2017)。 ,2021;A. Rejeb,Rejeb 等人,2021b;A. Rejeb 等人,2020d;MA Rejeb 等人,1969)。一般来说,文献计量分析检查现有文献,总结和揭示书面交流的隐藏模式以及基于统计和数学方法的学科演变,并且它适用于大型数据集(Pritchard,1999;Small,1998;Tahai & Rigsby) ,2008)。通过使用文献计量学,我们渴望更好地理解基于相似性对该领域做出贡献的现有范式和研究焦点(Thelwall,2007)。文献计量学提供了由方法论的客观定量强度支持的新见解(Casillas & Acedo,2020)。许多学者此前在农业、遥感和数字化转型等相关领域进行了文献计量研究(Armenta-Medina et al., 2019;Bouzembrak et al., 2021;A. Rejeb, Treiblmaier, et al., 2021;Wamba & Queiroz,2019;Wang 等人,XNUMX)。
引文分析
引文分析揭示了对特定研究领域的各种见解。首先,它有助于揭示对特定研究领域做出贡献并产生重大影响的最有影响力的作者和出版物(Gundolf & Filser,2013)。其次,可以揭示作者之间的知识流和交流联系。最后,通过追踪被引用和引用作品之间的联系,人们可以探索知识领域随时间的变化和演变(Pournader
等人,2020)。出版物的高引用次数反映了其相关性和对研究领域的重大贡献(Baldi,1998;Gundolf & Filser,2013;Marinko,1998)。出版物的引文分析还有助于识别相关作品并跟踪其受欢迎程度和随时间的进展。
文献共被引分析
同被引分析是探索出版物之间的关系和描述某个领域的知识结构的一种有价值的方法(Nerur 等,2008)。换句话说,通过识别被引用最多的出版物及其联系,该方法将出版物分组为不同的研究集群,其中集群中的出版物通常共享相似的想法(McCain,1990;Small,1973)。值得一提的是,相似性并不意味着出版物的研究结果是相同的
具有凝聚力并相互同意;由于主题相似,出版物属于同一簇,但它们可能有相互矛盾的观点。
数据收集和分析
遵循 White 和 Griffith (1981) 提出的方法,我们对期刊文章进行了全面检索,涵盖了无人机在农业中应用的整个研究领域,遵循以下五个步骤:
- 第一步是数据收集。 Scopus 被选为具有标准化结果的最全面、最值得信赖的数据库之一。检索了与农业中所有无人机应用相关的出版物的元数据。然后我们分析了选定的文章,从分析中删除了偏离主题的文章。
- 我们分析了文献并确定了研究领域中使用的最重要的关键词。
- 通过引用分析,我们探索了作者和文档之间的联系,以揭示潜在的引用模式。我们还确定了对农业无人机领域做出重大贡献的最有影响力的作者和出版物。
- 我们进行了同被引分析,将类似的出版物分组。
- 最后,我们分析了国家、机构和期刊之间的联系和联系,以描绘合作网络。
识别适当的搜索词
我们应用以下搜索字符串进行数据聚合:(无人机* OR“无人驾驶飞行器”OR uav* OR“无人驾驶飞机系统” 或 UA 或“遥控飞机”) AND (农业或农业或农业或农民)。该搜索于 2021 年 2021 月进行。无人机有多种名称,包括 UAV、UAS 和遥控飞机(Sah 等人,2021)。与农业相关的具体搜索词是根据 Abdollahi 等人的研究确定的。 (1)。为了清晰和透明起见,我们使用的确切查询在附录 1.6.16 中给出。在数据清理过程之后,我们创建了一个文本文件,随后将其加载到 BibExcel(一种用于引文和共被引分析的常用工具)中。该工具还提供与其他软件的简单交互,并在数据处理和分析方面提供很大的自由度。 VOSviewer 版本 2009 用于可视化研究结果并生成文献计量网络(Eck & Waltman,2020)。 VOSviewer 提供了一系列直观的可视化功能,特别是用于分析文献计量图(Geng 等人,2021)。此外,它有助于提供简单的视觉结果,有助于更好地理解结果(Abdollahi 等人,5,085)。应用上述搜索字符串,我们收集并存储了所有相关出版物。第一个搜索结果总共产生了 4,700 个文档。为了确保所选样本的质量,研究中仅考虑经过同行评审的期刊文章,从而排除了其他文档类型,例如书籍、章节、会议记录和编者注。在筛选过程中,不相关(即超出本工作范围)、冗余(即源自双重索引的重复)和非英语出版物被过滤掉。这一过程最终纳入了 XNUMX 份文件。
调查结果和讨论
首先,我们分析了当前农业无人机文献中出版物产出的发展情况。学术研究的时间分布如图1所示。从2011年开始,我们看到出版物数量迅速增加(30篇出版物);因此,我们决定将分析期分为两个不同的阶段。我们把1990年到2010年这段时间称为积累阶段,每年大约发表2010篇论文。 2010年后的时期被称为成长期,因为无人机在农业中的应用研究在此期间呈指数级增长。 2018年后,出版物数量的不断增加证实了研究人员的兴趣日益浓厚,这也反映出无人机已应用于遥感和精准农业(Deng et al., 2019; Maes & Steppe, 2020; Messina & Modica, 108) )。具体而言,论文数量从2013年的498篇上升到2018年的1,275篇,并在2020年达到峰值935篇。2021年XNUMX月至XNUMX月中旬,总共发表了XNUMX篇文章。随后,我们选择将分析更多地集中在成长期因为这一时期反映了农业无人机最新、最重要的微妙之处。
关键词分析
作者为出版物选择的关键词对于论文的呈现方式以及在科学界的传播方式有着至关重要的影响。他们确定研究的关键主题,并确定其成功或失败的潜力(Day & Gastel,1998;Kim 等人,2016;Uddin 等人,2015)。关键词分析是揭示更广泛研究趋势和方向的工具,是指对某一领域所有相关出版物的关键词进行汇编(Dixit & Jakhar,2021)。在当前的研究中,我们将聚合的关键词分为两组(即2010年之前和2011-2021年)来探索最流行的主题。通过这样做,我们可以追踪两组中的关键关键字,并确保我们捕获了所有必要的数据。对于每组,前十个关键词如表 3 所示。我们通过合并语义相同的关键词来消除不一致,例如“drone”和“drones”,或者类似的“Internet of Things”和“IoT”。
表3显示,在两个时间段内,与“无人机”和“无人机系统”相比,“无人机”是更频繁使用的关键词。此外,“遥感”、“精准农业”和“农业”在这两个时期都排名靠前。第一期“精准农业”排名第五,第二期排名第二,这说明无人机在实现精准农业方面变得越来越重要,因为它可以进行监测、
与其他遥感和地面系统相比,检测和估计实践更快、更便宜、更容易执行。此外,它们还可以在需要时喷洒精确量的投入物(例如水或杀虫剂)(Guo 等人,2020 年;Inoue,2020 年;Panday、Pratihast 等人,2020 年)。
最常用的关键字列表。
秩 | 1990-2010 | 号码 发生 | 2011-2021 | 号码 发生 |
1 | 无人机 汽车 | 28 | 无人 飞行器 | 1628 |
2 | 遥感 | 7 | 精确 农业 | 489 |
3 | 农业 | 4 | 遥感 | 399 |
4 | 空降 | 4 | 无人驾驶飞机 | 374 |
5 | 精确 农业 | 4 | 无人 航空系统 | 271 |
6 | 无人机 | 4 | 农业 | 177 |
7 | 高光谱 传感器 | 3 | 深入学习 | 151 |
8 | 人工神经元 网络 | 2 | 机 学习 | 149 |
9 | 自主飞行 | 2 | 植被 Index | 142 |
10 | 咖啡 | 2 | 互联网 事情 | 124 |
另一个有趣的特点是互补技术的存在。第一阶段,“高光谱传感器”和“人工神经网络”(ANN)位列前十关键词。高光谱成像通过收集大量不同波长的图像,彻底改变了传统成像。这样做,与多光谱成像、光谱学和 RGB 图像相比,传感器可以同时收集更好的空间和光谱信息(Adao 等人,
2017)。第一阶段出现“ANN”,第二阶段出现“深度学习”(DL)和“机器学习”(ML),这意味着大多数已发表的作品都集中在检验人工智能技术在无人机领域的潜力。基础农业。尽管无人机能够自主飞行,但仍然需要飞行员的参与,这意味着设备智能水平较低。然而,由于人工智能技术的进步,这个问题可以得到解决,它可以提供更好的态势感知和自主决策支持。配备人工智能的无人机可以避免导航过程中的碰撞,改善土壤和作物管理(Inoue,2020),并减少人类的劳动力和压力(BK Sharma等人,2019)。
由于其灵活性和处理大量非线性数据的能力,人工智能技术是分析无人机和其他遥感和地面系统传输的数据以进行预测和决策的合适方法(Ali et al., 2015;井上,2020)。此外,第二个时期“物联网”的出现表明其在农业中的作用正在显现。物联网通过无人机、机器学习、深度学习、无线传感器网络和大数据等其他技术的互连,正在彻底改变农业。实施物联网的主要好处之一是它能够近乎实时地高效地合并各种任务(数据采集、数据分析和处理、决策和实施)(Elijah 等人,2018 年;Feng 等人,2019 年)。 ,2019;Muangprathub 等人,2015)。此外,无人机被认为是捕获计算植被活力和植被特性所需数据的有效工具(Candiago 等,2)。图 2a 和 XNUMXb 显示了两个时间段的关键词共现网络。
有影响力的作者
在本节中,我们确定有影响力的作者,并研究作者引用网络如何可视化和组织当前文献。图 3 显示了引用次数最高的所有研究人员的时间顺序重叠。色标反映了作者引用的逐年变化。我们使用至少 50 次引用和 XNUMX 篇出版物的阈值来检查发表农业无人机研究的研究人员的引用结构。在......之外
12,891位作者中,只有115位符合这一条件。表4列出了前十位有影响力的作者,按最大引用次数排序。 Lopez- Granados F. 以 1,963 次引用位居榜首,其次是 Zarco-Tejada PJ,有 1,909 次引用。
被引用最多的作者列表。
排行 | 作者 | 参考文献 |
1 | 洛佩兹-格拉纳多斯 F. | 1,963 |
2 | 扎科-特哈达 PJ | 1,909 |
3 | 佩纳~JM | 1,644 |
4 | 托雷斯-S´ 安切斯·J. | 1,576 |
5 | 费雷雷斯E | 1,339 |
6 | 雷蒙迪诺F | 1,235 |
7 | 博尔顿A | 1,160 |
8 | 巴雷思·G | 1,155 |
9 | 贝尔尼·贾 | 1,132 |
10 | 德卡斯特罗人工智能 | 1,036 |
就个人出版物而言,Zhang 和 Kovacs (2012) 的文章是精准农业中被引用最多的研究。在此,作者综述了无人机在精准农业中的应用。他们的研究结果表明,需要推进平台设计、生产、图像地理配准标准化和信息检索工作流程,以便为农民提供可靠的最终产品。此外,他们建议让农民更积极地参与,特别是在田间规划、图像捕捉以及数据解释和分析方面。重要的是,这项研究是第一个展示无人机在田间测绘、活力测绘、化学含量测量、植被胁迫监测以及肥料对植物生长影响评估中重要性的研究之一。与该技术相关的挑战还包括高昂的成本、传感器功能、平台稳定性和可靠性、缺乏标准化以及分析大量数据的一致程序。
引文分析
引文分析代表了对文章影响力的研究,尽管容易出现流动(例如引文偏差、自引),但被认为是影响力评估的标准工具之一(Osareh,1996;A. Rejeb 等,2022;萨尔利等人,2010)。引用还反映了论文对特定主题文献的贡献的重要性和活力(R. Sharma 等人,2022)。我们进行了引文分析,以确定对农业无人机最具影响力的研究并总结了内容。表 5 列出了 1990-2010 年和 2011-2021 年期间 2009 篇最具影响力的论文。 Berni 等人的文章。 (2010)b 和 Austin (1990) 在 2010 年和 831 年期间被引用次数最多,分别为 498 次和 2009 次。伯尼等人。 (2009)b 阐述了通过配备经济型热成像和窄带多光谱成像传感器的直升机无人机开发定量遥感产品的潜力。与传统的载人机载传感器相比,低成本农业无人机系统能够对农作物的生物物理参数进行类似的估计,甚至更好。经济实惠的成本和操作灵活性,以及快速周转时间内提供的高光谱、空间和时间分辨率,使无人机适合一系列需要时间关键管理的应用,包括灌溉调度和精准农业。 Berni 等人的论文。 (2010)b 被高度引用,因为它有效地将无人旋翼平台、数字和热传感器与农业应用所需的校准机制集成在一起。被引用次数第二多的出版物是 Austin (XNUMX) 撰写的一本书,他从设计、开发和部署的角度讨论了无人机。在农业中,无人机通过作物颜色变化及早发现疾病、促进作物播种和喷洒以及监测和驱赶畜群,从而支持作物监测。
沙利文等人的研究。 (2007),卢姆等人。 (2008) 和 Gokto ì ǧan 等人。 (2010) 完成了被引用次数最多的十五篇文章的列表。这些文章阐述了基于无人机的农业支持系统的发展。它们为各种问题提供解决方案,例如作物监测和扫描、杂草监测和管理以及决策支持。他们还建议并讨论了无人机提高采样效率并帮助农民设计准确有效的采样方法的能力
种植策略。 Berni 撰写了两篇论文(Berni 等人,2009b;Berni 等人,2009a),强调了他对农业无人机相关研究的重大影响。 Zarco-Tejada 等人的论文。 (2014) 是说明在树高量化中使用低成本无人机图像的必要性的开创性研究之一。
被引用最多的出版物列表。
秩 | 从1990到2010 | 从2011到2021 | ||
文件 | 引 | 文件 | 引 | |
1 | (伯尼等人,2009b) | 831 | (C. 张和科瓦奇, 2012) | 967 |
2 | (奥斯汀,2010) | 498 | (内克斯和雷蒙迪诺, 2014) | 893 |
3 | (亨特等人,2010) | 331 | (弗洛雷亚诺和伍德, 2015) | 552 |
4 | (SR Herwitz 等人, 2004) | 285 | (侯赛因·莫特拉等人, 2016) | 391 |
5 | (CCD Lelong 等人, 2008) | 272 | (沙哈特雷等人, 2019) | 383 |
6 | (伯尼等人,2009b) | 250 | (马等人,2017) | 373 |
7 | (Grenzdorffer 等人, 2008) | 198 | (本迪格等人,2014) | 360 |
8 | (赫拉巴尔等人,2005) | 175 | (Zarco-Tejada 等人, 2014) | 347 |
9 | (Y.黄等人,2009) | 129 | (广告 敖等人,2017) | 335 |
10 | (施梅尔三世等人, 2008) | 119 | (洪卡瓦拉等人, 2013a) | 331 |
11 | (阿卜杜勒-埃尔拉赫曼等人, 2005) | 79 | (坎迪亚戈等人,2015) | 327 |
12 | (Techy 等人,2010) | 69 | (向、田,2011) | 307 |
13 | (沙利文等人,2007) | 51 | (Matese 等人,2015) | 303 |
14 | (卢姆等人,2008) | 42 | (加戈等人,2015) | 275 |
15 | (Gokto ì ǧan 等人,2010) | 40 | (奥森等人,2015a) | 269 |
在第二个时期(2011-2021),Zhang和Kovacs(2012)以及Nex和Remondino(2014)的研究产生了最常被引用的出版物。张和科瓦奇(2012)认为,精准农业可以受益于地理空间技术和传感器的实施,例如地理信息系统、GPS和遥感,以捕获田间的变化并通过采用替代策略来处理它们。作为精准农业的游戏规则改变者,无人机的采用预示着遥感的新时代,简化了空中观测,捕获作物生长数据、土壤状况和喷洒区域。张和科瓦奇(2012)的评论具有开创性,因为它通过揭示这些设备在环境监测和精准农业中的现有用途和挑战(例如平台和相机限制、数据处理挑战、农民参与和航空法规)提供了对无人机的见解。第二
Nex 和 Remondino (2014) 被引用最多的研究回顾了无人机捕获、处理和分析地球图像的最新技术。
他们的工作还概述了多个无人机平台、应用程序和用例,展示了无人机图像处理的最新进展。在农业中,农民可以使用无人机做出有效的决策,以节省成本和时间,获得快速准确的损失记录,并预测可能出现的问题。与传统的空中平台相比,无人机可以削减运营费用并减少恶劣地点的进入危险,同时仍然保持高精度潜力。他们的论文总结了无人机的各种优势,特别是在准确性和分辨率方面。
在 2011 年至 2021 年间其余 2014 篇被引用最多的出版物中,我们注意到与无人机在成像任务中的应用相关的研究更加集中(Bendig 等人,2017 年;Ma 等人,2014 年;Zarco-Tejada 等人,2015 年) 、精准农业(Candiago 等,2013;Honkavaara 等,2015a)、精准葡萄栽培(Matese 等,2015)、水分胁迫评估(Gago 等,2015)和植被监测(Aasen 等,XNUMX)。 ,XNUMXa)。早年,研究人员主要关注
更多关于开发低成本、轻型、精确的基于无人机的农业系统;最近的研究更多地关注无人机在农业和实地测量方面的应用。总之,该分析表明,有影响力的出版物大多提供了对先前研究的回顾,以评估无人机当前的科技状况,并开发了支持精准农业的无人机系统。有趣的是,我们没有发现采用实证方法的研究
方法论或描述性案例研究,这构成了重大的知识差距,需要对此主题进行更多研究。
同被引分析
根据 Gmür (2006) 的说法,同被引分析可以识别相似的出版物并将其聚类。仔细检查集群可以揭示出版物之间的共同研究领域。我们调查了与农业无人机相关的文献的共被引情况,以说明相关主题领域并检测出版物的知识模式。在这方面,Small(1973)建议使用共引分析来研究最具影响力和开创性的研究
在一个学科内。为了将集合限制为最具影响力的文章(Goyal & Kumar,2021),我们将同被引阈值设置为 25,这意味着两篇文章必须在 25 种或更多不同出版物的参考文献列表中被一起引用。聚类也是以最小簇大小 1 进行的,并且没有任何方法将较小的簇与较大的簇合并。结果,根据研究的相似性及其知识结构生成了六个集群。表 6 显示了每个集群中出版物的分布情况。
集群 1:该集群包含 2018 篇之后发布的文件。该集群中的出版物讨论了无人机在支持环境监测、作物管理和杂草管理方面的作用。例如,曼弗雷达等人。 (XNUMX)概述了无人机在自然农业生态系统监测中的当前研究和实施,并认为该技术具有巨大的潜力,可以大大加强环境监测并减少
实地观测与常规航空和星载遥感之间存在的差距。这可以通过以经济实惠的方式提供新的能力来改进大面积的时间检索和空间洞察来实现。无人机可以持续感知环境,并将结果数据发送到智能、集中/分散的实体,这些实体控制传感器以识别最终问题,例如缺乏疾病或水检测(Padua ´ et al., 2017)。阿道〜等人。 (2017) 认为无人机是通过捕获与水状况、生物量估计和活力评估相关的大量原始数据来评估植物状况的理想选择。无人机安装的传感器也可以迅速部署在适当的环境条件下,以便及时捕获遥感数据(Von Bueren et al., 2015)。通过无人机,农民能够通过从室内农业环境(例如温室)的三维空间中的几乎任何地方获取测量值来进行室内农业活动,从而确保当地的气候控制和植物监测(Roldan ´ et al .,2015)。在精度的背景下
农业、作物管理决策需要准确、可靠的作物数据以及适当的时间和空间分辨率(Gebbers & Adamchuk,2010;Gevaert 等,2015;Maes & Steppe,2019)。为此,Agüera Vega 等人。 (2015) 使用无人机安装的多光谱传感器系统来获取向日葵作物在生长季节的图像。同样,黄等人。 (2009)指出,基于无人机的遥感可以促进从收集的光谱数据中测量农作物和土壤。韦尔格尔等人。 (2014) 开发并测试了一种在精准农业应用中通过无人机反射测量来估计绿化面积指数 (GAI) 的技术,重点关注小麦和油菜籽作物。因此,无人机为频繁重访和高空间分辨率检索作物状态信息提供了新的可能性(Dong等,2019;Garzonio等,2017;H.Zheng等,2016)。
有关农业无人机的有影响力的出版物聚集。
簇 | 广泛的主题 | 参考资料 |
1 | 环境监测、农作物 管理、杂草管理 | (广告 敖等人,2017;阿奎拉·维加 等,2015;德卡斯特罗等人,2018; 戈麦斯-坎德 (Gomez-Cand) 等人,2014 年; YB 黄等人,2013;卡纳尔等人, 2017年;洛佩兹-格拉纳多斯,´ 2011; 曼弗雷达等人,2018; P´ 阿杜阿等人, 2017年;佩纳等人,2013;佩雷斯-奥尔蒂斯 等,2015;拉斯穆森等人,2013, 2016年;托雷斯-S´ 安切斯等人,2014; 托雷斯-桑切斯、洛佩兹-格拉纳多斯、& 佩纳,〜2015;韦尔杰等人,2014;冯 布伦等人,2015; C. 张 & 科瓦奇,2012) |
2 | 远程表型分析、产量 估计,作物表面模型, 植物计数 | (Bendig 等人,2013 年、2014 年;Geipel 等,2014;纳丁格 ¡& 施米德哈尔特,2017;哈吉加塔实验室 等,2016;霍尔曼等人,2016;斤 等,2017;李伟等,2016; 买买提江等,2017;桑卡兰 等,2015;席尔曼等人,2016; 施等人,2016;岳等人,2017; X。 周等人,2017) |
3 | 水热成像, 多光谱成像 | (Baluja 等人,2012 年;Berni 等人, 2009b;伯尼等人,2009a;坎迪亚戈 等,2015;加戈等人,2015; 冈萨雷斯-杜戈等人,2013,2014; 格伦茨多夫 ¡ 等,2008;哈利克 等,2019;马泰斯等人,2015; 里贝罗-戈麦斯等人,2017; 桑特斯特班等人,2017;乌托等人, 2013) |
4 | 超扇区成像,光谱 成像 | (Aasen 等人,2015a;Bareth 等人, 2015年;哈卡拉等人,2013; Honkavaara 等人,2013a;卢西尔 等,2014;萨里等人,2011; 索马莱宁等人,2014) |
5 | 3D 绘图应用 | (Jim´enez-Brenes 等人,2017 年;Nex 和 雷蒙迪诺,2014;萨拉米等人, 2014年;托雷斯-S´ 安切斯、洛佩兹-´ 格拉纳多斯、塞拉诺等,2015; 扎哈维等人,2015;扎尔科-特哈达 等人,2014) |
6 | 农业监测 | (SR Herwitz 等人,2004 年;亨特 等,2010; CCD 勒隆等人, 2008年;普里米塞里奥等人,2012;翔 &田,2011) |
此外,无人机可用于执行具有挑战性的农业任务,包括杂草测绘。这些设备捕获的图像已证明其对于田间早期杂草检测的有用性(de Castro 等人,2018 年;Jim´enez-Brenes 等人,2017 年;Lam 等人,2021 年;Lopez-Granados ´ 等人, 2016;Rozenberg 等人,2021)。在这方面,德卡斯特罗等人。 (2018) 认为无人机图像和基于对象的图像分析 (OBIA) 的融合使从业者能够克服早季草原作物的自动化早期检测问题,这是杂草研究的一大进步。同样,Pena 等人。 (2013)指出,将无人机的超高空间分辨率图像与 OBIA 程序结合使用,可以生成早期玉米作物的杂草地图,可用于规划实施当季杂草控制措施,这项任务超出了卫星和传统机载图像的能力。与图像分类或对象检测算法相比,语义分割技术在杂草绘图任务中更有效(J. Deng et al., 2020),从而使农民能够在整个生长季节检测田间状况,减轻损失并提高产量(Ramesh等人,2020)。基于深度学习的语义分割还可以从高分辨率航空图像中准确测量植被覆盖(Ramesh 等人,2020;A. Cheng 等人,2022)。尽管它们有远程遥控的潜力
传感像素分类、语义分割技术需要大量计算和极高的 GPU 内存(J. Deng 等人,2020)。
P´erez-Ortiz 等人基于机器学习和无人机。 (2015)提出了一种杂草绘图方法,当农民采用出苗后杂草控制时,可以提供特定地点的杂草控制策略。最后,拉斯穆森等人。 (2013) 强调无人机提供廉价的传感技术,并且具有极大的空间分辨率灵活性。总体而言,该集群中的出版物侧重于探索无人机支持遥感、作物监测和杂草测绘的潜力。需要进行更多的深入研究,以进一步调查无人机在环境监测、作物管理和杂草测绘中的应用如何实现更可持续的农业(Chamuah & Singh,2019;Islam 等人,2021;Popescu 等人,2020;J Su, Liu, et al., 2018)并解决该技术在农作物保险应用中的治理问题(Basnet & Bang, 2018;Chamuah & Singh, 2019, 2022;Meinen & Robinson, 2021)。研究人员应集中精力利用高效的处理技术验证无人机收集的测量结果,以提高处理数据的最终质量(Manfreda 等人,2018)。此外,需要开发适当的算法来识别数字图像中显示杂草的像素,并在无人机杂草测绘过程中消除不相关的背景(Gaˇsparovi´c et al., 2020; Hamylton et al., 2020; H. Huang et al., 2018)。 ,2020、2016;洛佩兹-格拉纳多斯等人,2019)。欢迎在植物识别、叶子分类和疾病绘图中采用语义分割技术进行更多研究(Fuentes-Pacheco 等人,2020;Kerkech 等人,XNUMX)。
第 2 组。该组中的出版物重点关注农业无人机的几个方面。与远程表型相关,Sankaran 等人。 (2015) 回顾了利用无人机低空、高分辨率航空成像对田间作物进行快速表型分析的潜力,他们认为,与地面传感平台相比,配备足够传感器的小型无人机具有多种优势,例如更容易进入现场、高分辨率数据、高效的数据收集,
快速评估田间生长条件,且运营成本低。然而,作者也指出,无人机在现场表型分析中的有效应用依赖于两个基本要素,即无人机特性(例如安全性、稳定性、定位、自主性)和传感器特性(例如分辨率、重量、光谱波长、场强)。看法)。哈吉加塔拉布等人。 (2016) 提出了一种半自动图像处理流程,用于从无人机图像中检索地块级数据并加速育种过程。霍尔曼等人。 (2016)开发了高
通量现场表型系统,并强调无人机能够收集高质量、大量、基于现场的表型数据,并且该设备对于大面积和跨不同现场位置是有效的。
由于产量估算是一项极其重要的信息,特别是在准时可用的情况下,无人机有可能提供所有现场测量并有效获取高质量数据(Daakir 等人,2017 年;Demir 等人,2018 年) ;Enciso 等人,2019;Kulbacki 等人,2018;Pudelko 等人,2012)。在这方面,金等人。 (2017)利用无人机在极低海拔获得的高分辨率图像,开发和评估了一种估计出苗阶段小麦植株密度的方法。这组作者表示,无人机克服了配备摄像头的流动站系统的局限性,代表了一种估计农作物植物密度的非侵入性方法,使农民能够实现田间表型分析所需的高通量,而不受土壤通行性的影响。李等人。 (2016)使用基于无人机的系统收集了数百张具有极高分辨率的立体图像来估计玉米参数,包括冠层高度和地上生物量。最后,岳等人。 (2017) 发现无人机确定的作物高度可以增强地上生物量 (AGB) 的估计。
监测作物生长的一种方法是开发作物表面模型(Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021)。几项研究强调了利用无人机拍摄的图像来捕捉植物高度并监测其生长的可行性。例如,本迪格等人。 (2013) 描述了使用无人机开发分辨率小于 0.05 m 的多时相作物表面模型。他们的目的是检测作物
生长变异性及其对作物处理、品种和胁迫的依赖性。本迪格等人。 (2014)利用无人机根据农作物表面模型提取的株高来估计鲜干生物量,发现与机载平台和地面激光扫描不同,无人机的高分辨率图像可以显着提高不同生长的株高建模的准确性阶段。同样,Geipel 等人。 (2014) 在他们的研究中使用无人机来获取图像
通过对早中至中季三个不同生育阶段玉米籽粒产量预测的数据集进行分析,得出结论:基于航空影像和作物表面模型的光谱与空间建模相结合是预测中季玉米产量的合适方法。最后,Gnadinger 和 Schmidhalter(2017)研究了无人机在精确表型分析中的效用,并强调使用该技术可以加强农场管理并实现育种和农艺目的的田间实验。总体而言,我们观察到集群 2 中的出版物重点关注无人机在远程领域的主要优势。
表型分析、产量估算、作物表面建模和植物计数。未来的研究可以通过开发新的远程表型方法来进行更深入的研究,这些方法可以自动化和优化遥感数据的处理(Barabaschi et al., 2016; Liebisch et al., 2015; Mochida et al., 2015; S. Zhou et al. ., 2021)。此外,还需要研究安装在无人机上的物联网传感器的性能以及其成本、劳动力和产量估计精度之间的权衡。
未来(Ju&Son,2018a,2018b;Xie&Yang,2020;Yue等人,2018)。最终,需要开发高效的图像处理方法,能够生成可靠的信息,最大限度地提高农业生产效率,并最大限度地减少农民的手动计数工作(RU Khan et al., 2021;Koh et al., 2021;Lin & 郭,2020;C. 张等人,2020)。
第 3 组。该组中的出版物讨论了无人机平台上使用的不同类型的农业资源遥感成像系统。在这方面,热成像可以监测地表温度,以防止作物受损并及早发现干旱胁迫(Awais等人,2022年;García-Tejero等人,2018年;Sankaran等人,2015年;Santesteban等人, 2017 年;Yeom,2021 年)。巴卢贾等人。 (2012)断言,在船上使用多光谱和热像仪
无人机使研究人员能够获得高分辨率图像并评估葡萄树的水分状况。这对于使用遥感数据开发新颖的水调度模型可能很有用(Baluja 等人,2012)。因为
无人机的负载能力有限,Ribeiro-Gomes 等人。 (2017)考虑将非制冷热像仪集成到无人机中,以确定植物中的水分胁迫,这使得此类无人机比传统的基于卫星的遥感和配备冷却热像仪的无人机更加高效和可行。作者表示,非制冷热像仪比冷却型热像仪更轻,需要适当的校准。冈萨雷斯-杜戈等人。 (2014)表明,热图像有效地生成作物水分胁迫指数的空间图,用于评估水分状况并量化柑橘园之间和内部的水分胁迫。冈萨雷斯-杜戈等人。 (2013) 和 Santesteban 等人。 (2017) 研究了使用高分辨率无人机热图像来估计商业果园和葡萄园的水状况变化。
与传统的 RGB(红、绿、蓝)图像相比,多光谱成像可以提供大量数据(Ad〜ao et al., 2017; Navia et al., 2016)。该光谱数据与空间数据一起可以帮助分类、绘图、预报、预测和检测(Berni 等人,2009b)。根据坎迪亚戈等人的说法。 (2015),基于无人机的多光谱成像作为可靠和高效的资源可以为作物评估和精准农业做出巨大贡献。还,
哈利克等人。 (2019) 对卫星和无人机多光谱成像进行了比较。基于无人机的图像可以更准确地描述葡萄园的变化以及代表作物冠层的活力图。简而言之,本集群中的文章讨论了将热成像传感器和多光谱成像传感器集成到农业无人机中。因此,需要更多的研究来了解热成像和多光谱成像如何与人工智能集成
检测植物胁迫的技术(例如深度学习)(Ampatzidis et al., 2020;Ampatzidis & Partel, 2019;Jung et al., 2021;Santesteban et al., 2017;Syeda et al., 2021)。这些见解将有助于确保更有效和准确的检测以及植物生长、胁迫和物候的监测(Buters et al., 2019;Cao et al., 2020;Neupane & BaysalGurel, 2021;L. Zhou et al., 2020)。
第 4 组。该组由七篇论文组成,围绕光谱成像和高光谱成像在支持农业实践中的关键作用。高光谱成像已成为一种能够对地球系统进行定量评估的遥感方法(Schaepman et al., 2009)。更准确地说,它能够识别表面物质、量化(相对)浓度和表面成分比例的分配
在混合像素内(Kirsch 等人,2018;Zhao 等人,2022)。换句话说,高光谱系统提供的更高光谱分辨率可以更准确地估计各种参数,例如素食特性或叶子含水量(Suomalainen 等人,2014)。该集群的研究人员研究了此类系统的各个方面。其中,Aasen 等人。 (2015b) 提供了一种从轻质材料中获取三维高光谱信息的独特方法
无人机上用于植被监测的快照相机。卢西尔等人。 (2014) 讨论了新型高光谱无人机的设计、开发和空中操作,以及对其收集的图像数据的校准、分析和解释。最后,Honkavaara 等人。 (2013b) 开发了一种基于法布里珀罗干涉仪的光谱图像的综合处理方法,并展示了其在精准农业生物量估算程序中的应用。当前集群的未来潜在路径包括强调传感器技术的技术改进的需要(Aasen 等人,2015b)以及整合和增强互补技术的需要,特别是大数据和分析(Ang & Seng,2021;Radoglou) -Grammatikis 等人,2020;Shakoor 等人,2019)。后者主要源于智能农业中实施的各种传感器产生的不断增长的数据(C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021)。
第 5 组。该组中的出版物研究了基于无人机的 3D 测绘应用。使用无人机进行 3D 测绘可以减轻复杂的现场工作并大幅提高效率(Torres-Sanchez ´ et al., 2015)。该集群中的五篇文章主要关注工厂监控应用。例如,为了获得有关树冠面积、树高和树冠体积的三维数据,Torres-Sanchez ´ 等人。 (2015) 使用无人机技术生成数字表面模型,然后使用基于对象的图像分析 (OBIA) 方法。此外,Zarco-Tejada 等人。 (2014)通过集成无人机技术和三维照片重建方法来量化树高。 Jim´enez-Brenes Lopez-Granados、De Castro 等人。 (2017) 通过将无人机技术与先进的 OBIA 方法相结合,展示了一种对数十棵橄榄树进行多时相 3D 监测的新流程。该集群中未来工作的有趣途径包括改进当前的
用于数字表面建模目的的方法(Zarco-Tejada 等人,2014 年)(Ajayi 等人,2017 年;Jaud 等人,2016 年),例如 OBIA(de Castro 等人,2018 年、2020 年;Ventura 等人,2018 年) ,2015),以及照片重建或开发新方法(Díaz-Varela 等人,2015;Torres-S´ anchez 等人,XNUMX)。
第 6 组。本组讨论无人机在农业监视中的作用。无人机可以补充并克服卫星和飞机成像的缺点。例如,它们可以提供高分辨率近乎实时的成像,同时减少燃料或驾驶挑战,从而实现持续和实时的监视并改进决策(S. Herwitz 等,2004)。无人机的另一个关键贡献是它们能够为精准农业或特定地点农业提供特定地点的数据,因为它们的各种参数的高分辨率、详细数据使农民能够将土地分成均匀的部分并进行相应的处理(Hunt et al.,2010)。 ,2008 年;CC Lelong 等人,2012 年;Primicerio 等人,2004 年)。这种基于无人机的农业监测可以支持粮食安全监测和决策(SR Herwitz 等,2020)。为了推进农业监测研究,不仅需要改进传感器、无人机等相关技术及其通信和数据传输方法(Ewing等,2019;Shuai等,2021),还需要将无人机与各种用于优化与智能农业相关的不同任务(例如监测、农业监视和决策)的技术是一个高潜力的研究领域(Alsamhi 等人,2020;Popescu 等人,2018;Vuran 等人,2020)。在这方面,物联网、无线传感器网络和大数据提供了有趣的互补功能(van der Merwe 等人,2021)。实施成本、成本节约、能源效率和数据安全是此类集成的研究不足的领域(Masroor 等人,XNUMX)。
国家和学术机构
最后一步包括调查作者的原籍国和学术背景。通过这一分析,我们旨在更好地了解为无人机在农业应用做出贡献的学者的地理分布。值得注意的是,国家和学术机构的多样性。从国家来看,美国、中国、印度和意大利的出版物数量位居榜首(表7)。目前的
农业无人机的研究主要集中在北美和亚洲国家,主要是因为它们对精准农业应用的高度参与。例如,在美国,841.9 年农业无人机市场估计为 2020 亿美元,约占全球市场份额的 30%(ReportLinker,2021)。作为全球最大的经济体,中国预计到2.6年市场规模将达到约2027亿美元。中国呼吁农业无人机能够克服生产力问题,实现更高的产量、减轻劳动力和减少生产投入。然而,该技术在中国的采用也受到人口规模以及创新和改进现有作物管理实践的需求等因素的推动。
做出贡献的生产力最高的国家和大学/组织
农业无人机相关研究。
秩 | 国家 |
1 | 美国 |
2 | 中国 |
3 | 印度 |
4 | 意大利 |
5 | 西班牙 |
6 | 德国 |
7 | 巴西 |
8 | 澳大利亚 |
9 | 日本 |
10 | 英国 |
秩 | 大学/组织 |
1 | 中国的院院士科学 |
2 | 中华人民共和国农业部 |
3 | 中央调查局 |
4 | 得克萨斯州A与M大学 |
5 | 中国农业大学 |
6 | 美国农业部农业研究处 |
7 | CSIC – 农业研究所 IAS |
8 | 普渡大学 |
9 | Consiglio Nazionale delle Ricerche |
10 | 华南农业大学 |
从大学和组织的角度来看,中国科学院的出版物数量位居榜首,其次是中华人民共和国农业部和法国高等科学研究委员会。中国科学院由作者廖晓寒、李军代表;韩文婷代表中华人民共和国农业部;和 Consejo Superior de Investigaciones Científicas 的代表为 Lopez-Granados, ´ F. 和 Pena, ∼ Jos´e María S. 来自美国的德克萨斯 A&M 大学和普渡大学等大学都找到了他们的
提到。出版物数量最多的大学及其联系如图 4 所示。此外,该列表还包括 Consiglio Nazionale delle Ricerche 和 Consejo Superior de Investigaciones Científicas 等活跃于科学研究但不是学术机构的机构。
我们的选择包括各种各样的期刊,几乎涵盖了所有可用的数据。如表8所示,Remote Sensing以258篇文章位居榜首,其次是Journal of Intelligence and Robotic Systems: Theory and Applications (126篇)和Computers and Electronics in Agriculture (98篇)。遥感主要关注无人机的应用和开发,而农业计算机和电子技术主要涵盖农业计算机硬件、软件、电子和控制系统的进步。跨领域的媒体,例如 IEEE Robotics and Automation Letters(发表了 87 篇出版物)和 IEEE Access(发表了 34 篇出版物),也是该领域的主要媒体。排名前 959 位的媒体共贡献了 20.40 篇文献,约占所有出版物的 5%。期刊共被引分析使我们能够检查出版物之间的重要性和相似性。同被引分析得出三个聚类,如图 XNUMX 所示。红色聚类由 Remote Sensing、Computer and Electronics in Agriculture、Sensors、
和国际遥感杂志。所有这些期刊都是遥感和精准农业领域享有盛誉的期刊。绿色集群包含涉及机器人技术的期刊,例如 Journal of Intelligence and Robotic Systems: Theory and Applications、IEEE Robotics and Automation Letters、IEEE Access 和 Drones。这些媒体主要发表有关自动化的论文,对农业工程师很有用。最后一个集群由与农学和农业工程相关的期刊组成,例如《农学》和《国际农业与生物工程杂志》。
农业无人机相关研究排名前 15 的期刊。
秩 | Blog | 计数 |
1 | 遥感 | 258 |
2 | 智能与机器人系统杂志:理论与 应用领域 | 126 |
3 | 农业中的计算机和电子产品 | 98 |
4 | IEEE机器人与自动化快报 | 87 |
5 | 传感器 | 73 |
6 | 国际遥感杂志 | 42 |
7 | 精准农业 | 41 |
8 | 无人机电调 | 40 |
9 | 农艺学 | 34 |
10 | IEEE访问 | 34 |
11 | 国际先进机器人系统杂志 | 31 |
12 | 国际农业与生物工程杂志 | 25 |
13 | PLoS ONE的 | 25 |
14 | 现场机器人学杂志 | 23 |
15 | 生物系统工程 | 23 |
结论
总结
在本研究中,我们对农业无人机的现有研究进行了总结和分析。应用各种文献计量技术,我们努力更好地了解农业无人机相关研究的知识结构。总之,我们的综述通过识别和讨论文献中的关键词、揭示知识集群、同时在无人机领域形成语义相似的社区、概述早期研究并提出未来的研究方向,提供了一些贡献。下面,我们概述了农业无人机发展回顾的主要发现:
• 过去十年中,总体文献增长迅速并引起了极大关注,2012 年之后文章数量的增加就表明了这一点。尽管这一知识领域尚未完全成熟(Barrientos 等,2011;Maes) & Steppe,2019),有几个问题仍未得到解答。例如,无人机在室内农业中的效用仍然存在争议(Aslan 等人,2022 年;Krul 等人,2021 年;Rold´ an 等人,2015 年)。现场场景的复杂性和不同的成像环境(例如阴影和照明)可能会导致更高的光谱类内方差(Yao et al., 2019)。即使在后期的研究阶段,研究人员也面临着根据特定场景和所需图像质量确定最佳飞行计划的挑战(Soares 等人,2021;Tu 等人,
2020)。
• 我们注意到,该领域已经从开发高效无人机系统发展到将人工智能技术纳入农业无人机设计中,例如机器学习和深度学习(Bah 等人,2018 年;Kitano 等人,2019 年;Maimaiti Jiang 等人,2020 年)。 ,2020;Mazzia 等人,2020;Tetila 等人,XNUMX)。
• 农业无人机研究主要讨论遥感,探索该技术在环境监测、作物管理和杂草管理(集群1)以及远程表型和产量估算(集群2)方面的潜力。一系列关于农业无人机有影响力的研究包括 Austin (2010)、Berni 等人。 (2009)a,赫维茨等人。 (2004)、Nex 和 Remondino (2014)、Zhang 和 Kovacs (2012)。这些研究奠定了农业背景下无人机相关研究的概念基础。
• 与方法论相关,我们观察到迄今为止所做的大部分研究都是由系统设计、概念或基于回顾的研究组成(Inoue,2020;Nex & Remondino,2014;P´erez-Ortiz 等人,2015)。 ,2019;姚等人,XNUMX)。我们还注意到,在调查农业无人机方面缺乏实证、定性和基于案例研究的方法。
• 最近,与精准农业、人工智能技术、精准葡萄栽培和水分胁迫评估相关的主题引起了广泛关注(Espinoza 等人,2017 年;Gomez-Cand ´ on ´ 等人,2016 年;Matese 等人,2015 年; Matese 和 Di Gennaro,2018、2021;Z. Zhou 等人,2021)。仔细审视两个不同时代(1990-2010 年和 2011-2021 年)的研究集群,揭示了该领域知识结构的进步。 1990年至2010年是无人机核心概念和概念的积累时期,这一点从无人机设计、开发和实施的讨论中可以明显看出。在第二个时代,研究重点扩大了先前的研究,努力综合无人机在农业中的用例。我们还发现了大量讨论无人机在成像任务和精准农业中应用的研究。
秩 | Blog | 计数 |
1 | 遥感 | 258 |
2 | 智能与机器人系统杂志:理论与 | 126 |
应用领域 | ||
3 | 农业中的计算机和电子产品 | 98 |
4 | IEEE机器人与自动化快报 | 87 |
5 | 传感器 | 73 |
6 | 国际遥感杂志 | 42 |
7 | 精准农业 | 41 |
8 | 无人机电调 | 40 |
9 | 农艺学 | 34 |
10 | IEEE访问 | 34 |
11 | 国际先进机器人系统杂志 | 31 |
12 | 国际农业与生物工程杂志 | 25 |
13 | PLoS ONE的 | 25 |
14 | 现场机器人学杂志 | 23 |
15 | 生物系统工程 | 22 |
启示
我们的文献计量审查是在学者、农民、农业专家、作物顾问和无人机系统设计师的考虑下设计和进行的。据作者所知,这是第一个对以下内容进行深入文献计量分析的原创评论之一:
无人机在农业中的应用。我们对出版物进行了引用和共引分析,对这一知识体系进行了全面审查。我们描述无人机研究知识结构的尝试也为学术界提供了新的见解。仔细回顾一段时间内使用的关键词可以揭示无人机相关文献中的热点和重点研究领域。此外,我们还提供了一份被引用最多的研究列表,以确定该领域完成的最具影响力的研究工作。因此,文章和关键词的识别可以为揭示未来研究的几种途径提供坚实的起点。
重要的是,我们揭示了对可比作品进行分类的集群并详细说明了结果。分类的研究有助于理解无人机研究的知识结构。值得注意的是,我们发现缺乏调查无人机采用因素的研究
农业活动中的障碍(见表 9)。未来的研究人员可以通过进行实证调查来评估无人机在不同农业活动和气候条件下的采用因素,从而解决这一潜在差距。此外,关于无人机有效性的基于案例研究的研究应该得到现场真实数据的支持。此外,让农民和管理者参与学术研究将有利于无人机研究的理论和实践进步。我们还能够确定最杰出的研究人员及其贡献,这很有价值,因为对最近的开创性著作的认识可以为未来的学术努力提供一些指导。
表9
无人机采用障碍。
屏障 | 产品描述 |
数据安全 | 网络安全是实施的主要挑战 物联网解决方案(Masroor 等人,2021)。 |
互操作性和 积分 | 无人机、无线传感器网络、物联网等多种技术 应集成并传输数据 提高复杂程度(Alsamhi 等人,2021; 波佩斯库等人,2020; Vuran 等人,2018)。 |
实施费用 | 对于小农来说尤其如此 整合各种尖端技术( Masroor 等人,2021)。 |
劳动知识和 专门知识 | 操作无人机需要熟练的无人机飞行员。 此外,还实施了各种尖端技术 技术需要熟练工人(YB Huang 等,2013; Tsouros 等人,2019)。 |
发动机功率和飞行 为期 | 无人机不能长时间操作和覆盖 大面积(Hardin & Hardin,2010;Laliberte 等人, 2007)。 |
稳定性、可靠性和 可操作性 | 恶劣天气条件下无人机不稳定 (Hardin 和 Hardin,2010;Laliberte 等人,2007)。 |
有效负载限制和 传感器的质量 | 无人机只能承载有限的负载导致 能够加载较低质量的传感器(Nebiker 等,2008)。 |
税法法规 | 由于无人机也可能很危险,因此存在严重的 某些领域的法规(Hardin & Jensen,2011; 拉利伯特和兰戈,2011)。 |
农民的知识和 兴趣 | 与其他尖端技术一样,无人机 成功的实施需要专业知识,而且 伴随着不确定性(Fisher et al., 2009; 兰伯特等人,2004;斯塔福德,2000)。 |
由于始终需要有效利用可用资源来最大限度地提高产量,因此农民可以利用无人机来确保快速、准确且经济高效地扫描田地。该技术可以帮助农民确定农作物的状况并评估水分状况、成熟阶段、昆虫侵染和营养需求。无人机的遥感功能可以为农民提供重要数据,以便及早预测问题并及时采取适当的干预措施。然而,只有正确解决挑战,才能实现该技术的优势。鉴于
当前存在的数据安全、传感器技术问题(例如测量的可靠性或准确性)、集成的复杂性以及大量的实施成本等问题,未来的研究还必须审查集成农业无人机和其他切割技术的技术、经济和操作可行性。边缘技术。
限制
我们的研究有一些局限性。首先,研究结果由最终分析所选择的出版物决定。获取与农业无人机相关的所有相关研究具有挑战性,特别是那些未在 Scopus 数据库中索引的研究。此外,数据收集过程仅限于搜索关键字的设置,这可能不具有包容性并导致不确定的结果。因此,未来的研究需要更多地关注数据收集的根本问题,以使得
更可靠的结论。另一个限制涉及引用次数较低的新出版物。文献计量分析偏向于早期出版物,因为它们多年来往往会获得更多引用。最近的研究需要一定的时间来吸引关注和积累引用。因此,近期带来范式转变的研究不会跻身十大影响力著作之列。这种限制在农业无人机等快速新兴研究领域的研究中普遍存在。由于我们已经咨询了 Scopus 来研究这项工作的文献,未来的研究人员可以考虑不同的
数据库,例如 Web of Science 和 IEEE Xplore,以扩大视野并增强研究结构。
潜在的文献计量研究可以考虑其他重要的知识来源,例如会议论文、章节和书籍,以产生新颖的见解。尽管绘制和调查了有关农业无人机的全球出版物,我们的研究结果并未揭示大学学术成果背后的原因。这为一个新的研究领域铺平了道路,定性地解释了为什么一些大学在农业研究方面比其他大学更有生产力
无人机。此外,正如几位研究人员所指出的,未来的研究可以深入了解无人机通过环境监测、作物管理和杂草测绘等多种方式提高农业可持续性的潜力(Chamuah & Singh,2019;Islam et al.,2021; Popescu 等人,2020;J. Su、Liu 等人,2018b)。由于所选论文数量较多,无法进行文本分析,因此需要进行系统的文献综述来检查
使用的研究方法以及农民参与先前研究的情况。简而言之,我们对无人机研究的分析揭示了这一知识体系的无形联系。因此,这篇综述有助于揭示出版物之间的关系,并探索研究领域的知识结构。它还描述了文献各个方面之间的联系,例如作者的关键词、隶属关系和国家。
竞争利益声明
作者声明,他们没有已知的竞争性财务利益或个人关系,这些关系或个人关系似乎可能会影响本文报道的工作。
附录1。
TITLE-ABS-KEY (((无人机* 或“无人驾驶飞行器”或无人机* 或“无人驾驶飞机系统” 或 UA 或“遥控飞机”) AND (农业或农业或农业或农民))) 和(排除(PUBYEAR,2022))和(仅限(语言,“英语”))。
参考资料
Aasen, H.、Burkart, A.、Bolten, A.、Bareth, G.,2015。使用轻型无人机快照相机生成用于植被监测的 3D 高光谱信息:来自
相机校准以保证质量。 ISPRS J.摄影图。遥感 108, 245–259。 https://doi.org/10.1016/j.isprsjprs.2015.08.002。
Abd-Elrahman, A.、Pearlstine, L.、Percival, F.,2005 年。开发用于从无人机图像自动检测鸟类的模式识别算法。
民意调查。土地通知。科学。 65 (1), 37–45。
Abdollahi, A.、Rejeb, K.、Rejeb, A.、Mostafa, MM、Zailani, S.,2021。农业中的无线传感器网络:来自文献计量分析的见解。可持续发展 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M.,高分辨率光学图像中阴影检测不同方法的评估以及阴影对计算影响的评估NDVI 和蒸散量。灌溉。科学。 37(3),407-429。 https://doi.org/10.1007/s00271-018-0613-9。
Adao, 〜 T., Hruˇska, J., Padua, ´ L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017。高光谱成像:基于无人机的传感器、数据的回顾加工和
农业和林业的应用。遥感9(11)。 https://doi.org/10.3390/rs9111110。
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015。使用无人机进行多时相成像来监测向日葵作物。百奥系统。工程师。
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017。从无人机获取低百分比重叠图像生成精确的数字高程模型。国际。
J.遥感。38(8-10),3113-3134。 https://doi.org/10.1080/01431161.2017.1285085。
Ali, I.、Greifeneder, F.、Stamenkovic, J.、Neumann, M.、Notarnicola, C.,2015。从遥感数据反演生物量和土壤水分的机器学习方法综述。遥感 7 (12), 16398–16421。
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M.,在 B5G 网络中使用无人机的绿色物联网:应用回顾
和策略。广告。特设。网络。 117、102505 https://doi.org/10.1016/j。临时.2021.102505。
Al-Thani, N.、Albuainain, A.、Alnaimi, F.、Zorba, N.,2020。用于绵羊牲畜监测的无人机。见:第 20 届 IEEE 地中海电工会议。 https://doi.
org/10.1109/MELECON48756.2020.9140588。
Ampatzidis, Y., Partel, V., 2019。利用多光谱成像和人工智能对柑橘进行基于无人机的高通量表型分析。遥感 11 (4),https://doi.org/10.3390/rs11040410。
Ampatzidis, Y.、Partel, V.、Costa, L.,2020。Agroview:基于云的应用程序,用于利用人工智能处理、分析和可视化无人机收集的数据,以实现精准农业应用。计算。电子。农业。 174、105457 https://doi。 org/10.1016/j.compag.2020.105457。
Ang, K.-L.-M., Seng, JKP,2021。农业中高光谱信息的大数据和机器学习。 IEEE 访问 9,36699–36718。 https://doi.org/10.1109/
访问.2021.3051196。
Aquilani, C.、Confessore, A.、Bozzi, R.、Sirtori, F.、Pugliese, C.,2022。综述:牧场畜牧系统中的精准畜牧业技术。动物 16 (1),https://doi.org/10.1016/j.animal.2021.100429。
Armenta-Medina, D.、Ramirez-Delreal, TA、Villanueva-Vasquez, ´ D.、Mejia-Aguirre, C.,先进信息和通信技术的趋势
提高农业生产力:文献计量分析。农学 10 (12),第 12 条。https://doi.org/10.3390/agronomy10121989。
Armstrong, I.、Pirrone-Brusse, M.、Smith, A.、Jadud, M.,2011。飞行的鳄鱼:走向奥卡姆-π 中的空中机器人。交流。流程架构师。 2011 年,329–340。 https://doi. org/10.3233/978-1-60750-774-1-329。
Arora, SD, Chakraborty, A.,2021。消费者投诉行为 (CCB) 研究的知识结构:文献计量分析。 J.商业研究中心。 122、60-74。
阿斯兰,MF、杜尔杜,A.、萨班奇,K.、罗佩莱夫斯卡,E.、古尔特金,SS,2022 年。
对无人机在露天田地和温室精准农业的最新研究进行了全面调查。应用。科学。 12 (3), 1047。 https://doi.org/10.3390/
应用程序12031047。
Atkinson, JA、Jackson, RJ、Bentley, AR、Ober, E. 和 Wells, DM (2018)。未来的现场表型。在线年度植物评论(第 719-736 页)。约翰
Wiley & Sons, Ltd. doi:10.1002/9781119312994.apr0651。
Austin, R.,2010。无人机系统:无人机设计、开发和部署。在:无人机系统:无人机设计、开发和
部署。约翰·威利父子。 https://doi.org/10.1002/9780470664797。
Awais, M.、Li, W.、Cheema, MJM、Zaman, QU、Shaheen, A.、Aslam, B.、Zhu, W.、Ajmal, M.、Faheem, M.、Hussain, S.、Nadeem, AA,Afzal,MM,Liu,C.,2022。基于无人机的植物胁迫遥感想象使用高分辨率热传感器进行数字农业实践:元审查。国际。 J.环境。科学。技术。 https://doi.
org/10.1007/s13762-021-03801-5.
Bacco, M.、Berton, A.、Ferro, E.、Gennaro, C.、Gotta, A.、Matteoli, S.、Paonessa, F.、Ruggeri, M.、Virone, G.、Zanella, A.、 2018. 智慧农业:机遇与挑战
和技术推动者。 2018年物联网垂直领域和。农业专题峰会 - 托斯卡纳(IOT 托斯卡纳)1-6。 https://doi.org/10.1109/IOTTUSCANY.2018.8373043。
Bah, MD, Hafiane, A., Canals, R., 2018。利用无监督数据标记进行深度学习,用于无人机图像中线状作物的杂草检测。遥感10(11),1690。
https://doi.org/10.3390/rs10111690.
Baldi, S.,1998。引用分配中的规范与社会建构过程:网络分析模型。是。社会。启示录 63 (6), 829–846。 https://doi.
org/10.2307/2657504。
Baluja, J.、Diago, MP、Balda, P.、Zorer, R.、Meggio, F.、Morales, F.、Tardaguila, J.,2012。通过热和多光谱评估葡萄园水分状况变化
使用无人机(UAV)拍摄图像。灌溉。科学。 30(6),511-522。 https://doi.org/10.1007/s00271-012-0382-9。
Barabaschi, D.、Tondelli, A.、Desiderio, F.、Volante, A.、Vaccino, P.、Val`e, G.、Cattivelli, L.,下一代育种。植物科学。 242,3-13。 https://doi.org/10.1016/j。
植物科学.2015.07.010。
Barbedo,JGA,Koenigkan,LV,2018。使用无人机系统监控牛的观点。展望农业。 47(3),214-222。 https://doi.org/10.1177/0030727018781876。
Bareth, G.、Aasen, H.、Bendig, J.、Gnyp, ML、Bolten, A.、Jung, A.、Michels, R.、Soukkamaki, ì J.,2015。低重量和基于无人机的高光谱全画幅相机
用于监测农作物:与便携式光谱辐射计测量进行光谱比较。摄影测量,Fernerkundung,地理信息 2015 (1),69–79。
https://doi.org/10.1127/pfg/2015/0256.
Barrientos, A.、Colorado, J.、del Cerro, J.、Martinez, A.、Rossi, C.、Sanz, D.、Valente, J.,农业航空遥感:区域覆盖的实用方法
以及迷你空中机器人机队的路径规划。 J·菲尔德·罗布. 28(5),667-689。 https://doi.org/10.1002/rob.20403。
Basiri, A., Mariani, V., Silano, G., Aatif, M., Iannelli, L., Glielmo, L., 2022. 多旋翼无人机路径规划算法在精准应用中的综述
农业。 J.纳维格。 75 (2), 364–383。
Basnet, B., Bang, J.,2018。知识密集型农业的最新技术:应用传感系统和数据分析的回顾。 J.Sens.2018,1-13。
Bendig, J.、Bolten, A.、Bareth, G.,2013。基于无人机的多时相、超高分辨率作物表面模型成像,以监测作物生长变异性。摄影测量,Fernerkundung,地理信息 2013 (6),551–562。 https://doi. org/10.1127/1432-8364/2013/0200。
Bendig, J.、Bolten, A.、Bennertz, S.、Broscheit, J.、Eichfuss, S.、Bareth, G.,2014 年。使用基于无人机 RGB 成像的作物表面模型 (CSM) 估算大麦生物量。遥感 6 (11), 10395–10412。
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015。结合作物表面基于无人机的植物高度楷模,
用于大麦生物量监测的可见光和近红外植被指数。国际。 J.应用程序。地球观测。地理信息。 39、79–87。 https://doi.org/10.1016/j.jag.2015.02.012。
Berni, JA、Zarco-Tejada, PJ、Sepulcre-Canto, ´ G.、Fereres, E.、Villalobos, F.,2009a。使用高分辨率绘制橄榄园冠层导度和 CWSI
热遥感图像。遥感环境。 113(11),2380-2388。 https://doi.org/10.1016/j.rse.2009.06.018。
Berni, JA、Zarco-Tejada, PJ、Suarez, ´ L.、Fereres, E.,2009b。用于无人机植被监测的热和窄带多光谱遥感。 IEEE 传输。地理学。遥感 47 (3), 722–738。
Bouzembrak, Y.、Klüche, M.、Gavai, A.、Marvin, HJP,2019。食品安全中的物联网:文献综述和文献计量分析。食品科学趋势。技术。 94,54–64。 https://doi.org/10.1016/j.tifs.2019.11.002。
Brewster, C.、Roussaki, I.、Kalatzis, N.、Doolin, K.、Ellis, K.,2017 年。农业物联网:设计欧洲范围内的大规模试点。 IEEE 通信。马格。 55 (9), 26–33。
Buters, TM、Belton, D.、Cross, AT,2019。多传感器无人机以毫米级精度跟踪个体幼苗和幼苗群落。无人机 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Candiago, S.、Remondino, F.、De Giglio, M.、Dubbini, M.、Gattelli, M.,2015。利用无人机图像评估精准农业应用的多光谱图像和植被指数。遥感 7 (4), 4026–4047。 https://doi.org/10.3390/rs70404026。
曹Y.,李GL,罗YK,潘Q.,张SY,2020。利用无人机宽动态范围植被指数(WDRVI)监测甜菜生长指标
多光谱图像。计算。电子。农业。 171、105331 https://doi.org/10.1016/j.compag.2020.105331。
Casillas, J., Acedo, F., 2007。家族企业文献知识结构的演变:FBR 的文献计量研究。家族企业修订版 20 (2), 141–162。
岑红、万丽、朱建、李勇、李新、朱勇、翁红、吴文、尹文、徐成、鲍云,冯丽,寿建,何云,2019。 水稻生物量动态监测
使用带有双图像帧快照相机的轻型无人机进行不同的氮处理。植物方法 15 (1), 32。 https://doi.org/10.1186/s13007-019-
0418-8。
Chamuah, A.,Singh, R.,2019。通过民用无人机确保印度农业的可持续性:负责任的创新视角。 SN 应用程序。科学。 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A.,Singh, R.,2022。印度农作物保险应用民用无人机 (UAV) 创新的负责任治理。 J. 负责人
技术。 9、100025 https://doi.org/10.1016/j.jrt.2022.100025。
Chen, A.、Orlov-Levin, V.、Meron, M.,2019。将作物冠层高分辨率可见光通道航空成像应用于精准灌溉管理。农业。水
马纳格。 216、196-205。 https://doi.org/10.1016/j.agwat.2019.02.017。
Daakir, M.、Pierrot-Deseilligny, M.、Bosser, P.、Pichard, F.、Thom, C.、Rabot, Y.、Martin, O.,2017。具有机载摄影测量和单频 GPS 定位的轻型无人机用于计量应用。 ISPRS J.摄影图。遥感 127, 115–126。 https://doi.org/10.1016/j.isprsjprs.2016.12.007。
Dawaliby, S.、Aberkane, A.、Bradai, A.,2020。用于自主无人机操作管理的基于区块链的物联网平台。见:第二届 ACM 会议论文集
MobiCom 无人机辅助 5G 及后续无线通信研讨会,第 31-36 页。 https://doi.org/10.1145/3414045.3415939。
Day, RA, Gastel, B.,1998。如何撰写和发表科学论文。剑桥大学出版社。 de Castro, AI, Pena, ~ JM, Torres-Sanchez, ´ J., Jim´enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´ F., 2020。绘制狗牙根侵染图使用自动决策树 OBIA 程序和无人机图像覆盖作物,进行精准葡萄栽培。遥感 12 (1), 56。https://doi.org/10.3390/rs12010056。
de Castro, AI, Torres-S´ anchez, J., Pena, 〜 JM, Jim´enez-Brenes, FM, Csillik, O., Lopez- 'Granados, F., 2018。一种自动随机森林-OBIA 算法使用无人机图像在作物行之间和行内进行早期杂草测绘。遥感10(2)。 https://doi.org/10.3390/rs10020285。
Demir, N., Sonmez, ¡ NK, Akar, T., Ünal, S., 2018。使用源自无人机图像的 DSM 自动测量小麦基因型的株高。会议记录 2 (7), 350。https://doi.org/10.3390/ecrs-2-05163。
邓静,钟志,黄慧,兰Y.,韩Y.,张Y.,2020。利用无人机进行实时杂草测绘的轻量级语义分割网络。应用。科学。 10 (20), 7132。https://doi.org/10.3390/app10207132。
邓丽,毛正,李新,胡志,段芳,严燕,2018。基于无人机的精准农业多光谱遥感:不同相机的比较。 ISPRS J.摄影图。遥感 146, 124–136。
Diaz-Gonzalez, FA、Vuelvas, J.、Correa, CA、Vallejo, VE、Patino, D.,2022。应用于估计土壤指标的机器学习和遥感技术 – 综述。生态。第 135 号,108517 https://doi.org/10.1016/j.ecolind.2021.108517。
Díaz-Varela, RA、De la Rosa, R.、Leon, ´ L.、Zarco-Tejada, PJ, 2015。使用 3D 照片评估橄榄树树冠参数的高分辨率机载无人机图像
重建:在育种试验中的应用。遥感 7 (4), 4213–4232。 https://doi.org/10.3390/rs70404213。
Dixit, A.,Jakhar, SK,2021。机场容量管理:回顾和文献计量分析。 J. 航空运输。马纳格。 91、102010。
董涛、尚建、刘建、钱波、景琼、马波、哈夫曼、耿X、索阿、史云、 Canisius, F.、Jiao, X.、Kovacs, JM、Walters, D.、Cable, J.、Wilson, J.,2019。
使用 RapidEye 图像来识别加拿大安大略省作物生长和产量的田间变异性。精准农业。 20(6),1231-1250。 https://doi.org/10.1007/
s11119-019-09646-w。
Dutta, PK, Mitra, S.,2021。应用农业无人机和物联网来了解 COVID-19 后的食品供应链。在:乔杜里,A.,比斯瓦斯,A.,普拉泰克,M.,
Chakrabarti, A.(编辑),农业信息学:使用物联网和机器学习的自动化。威利,第 67-87 页。 van Eck, N., Waltman, L., 2009。软件调查:VOSviewer,一个用于文献计量映射的计算机程序。科学计量学 84 (2), 523–538。 https://doi.org/10.1007/s11192-009-0146-3。
Elijah, O.、Rahman, TA、Orikumhi, I.、Leow, CY、Hindia, MN,2018 年。农业物联网 (IoT) 和数据分析概述:好处和挑战。
IEEE 互联网物联网 J. 5 (5), 3758–3773。
Enciso, J., Avila, CA, Jung, J., Elsayed-Farag, S., Chang, A., Yeom, J., Landivar, J.,Maeda, M., Chavez, JC, 2019。农艺验证无人机及野外
番茄品种的测量。计算。电子。农业。 158, 278–283。 https://doi.org/10.1016/j.compag.2019.02.011。
Espinoza, CZ、Khot, LR、Sankaran, S.、Jacoby, PW,2017。基于高分辨率多光谱和热遥感的水压力评估
地下灌溉的葡萄藤。遥感 9 (9), 961。https://doi.org/10.3390/rs9090961。
Ewing, J.、Oommen, T.、Jayakumar, P.、Alger, R.,2020。利用高光谱遥感进行土壤分级。遥感 12 (20), 3312。ttps://doi.org/10.3390/
rs12203312。
Fawcett, D.、Panigada, C.、Tagliabue, G.、Boschetti, M.、Celesti, M.、Evdokimov, A.、Biriukova, K.、Colombo, R.、Miglietta, F.、Rascher, U., Anderson, K.,2020。在操作条件下基于无人机的多光谱表面反射率和植被指数的多尺度评估。遥感 12 (3), 514。
冯霞,严芳,刘霞,2019。精准农业物联网无线通信技术研究。无线个人。交流。 108(3),
1785 1802。
Ferreira, MP、Pinto, CF、Serra, FR,2014 年。国际商业研究中的交易成本理论:三十年来的文献计量研究。科学计量学 98 (3), 1899–1922。 https://doi.org/10.1007/s11192-013-1172-8。
Fisher, P.、Abuzar, M.、Rab, M.、Best, F.、Chandra, S.,2009 年。澳大利亚东南部精准农业的进展。一、回归方法模拟
使用农民历史围场产量和标准化植被指数差异来计算谷物产量的空间变化。作物牧场科学。 60(9),844-858。
Floreano, D.、Wood, RJ,2015。科学、技术和小型自主无人机的未来。自然 521 (7553), 460–466。 https://doi.org/10.1038/nature14542。
Friha, O.、Ferrag, MA、Shu, L.、Maglaras, LA、Wang, X.,2021。智能农业未来的物联网:新兴技术的综合调查。 IEEE CAA J. Autom。中学 8 (4), 718–752。
Fuentes-Pacheco, J.、Torres-Olivares, J.、Roman-Rangel, E.、Cervantes, S.、JuarezLopez, P.、Hermosillo-Valadez, J.、Rendon-Mancha, ´ JM, 2019。无花果植物分割使用深度卷积编码器-解码器网络从航空图像中提取数据。遥感 11 (10), 1157。https://doi.org/10.3390/rs11101157。
Gago, J., Douthe, C., Coopman, RE, Gallego, PP, Ribas-Carbo, M., Flexas, J., Escalona, J., Medrano, H., 2015。无人机评估水资源压力的挑战
可持续农业。农业。水管理。 153、9-19。 https://doi.org/10.1016/j。阿格瓦特.2015.01.020。
García-Tejero, IF、Rubio, AE、Vinuela, 〜 I.、Hern´ andez, A.、Guti´errez-Gordillo, S.、Rodríguez-Pleguezuelo, CR、Dur´ an-Zuazo, VH, 2018。热成像在工厂
水平来评估赤字灌溉策略下杏树(cv. Guara)的作物水分状况。农业。水管理。 208、176-186。 https://doi.org/10.1016/j。
阿格瓦特.2018.06.002。
Garzonio, R.、Di Mauro, B.、Colombo, R.、Cogliati, S.,2017。使用小型高光谱 UAS 进行表面反射率和太阳诱导荧光光谱测量。遥感 9 (5), 472。https://doi.org/10.3390/rs9050472。 Gaˇsparovi´c, M.、Zrinjski, M.、Barkovi´c, Đ.、Radoˇcaj, D., 2020。一种自动方法
基于无人机图像的燕麦田杂草测绘。计算。电子。农业。
Gebbers, R.、Adamchuk, VI,2010。精准农业和粮食安全。科学 327 (5967), 828–831。 https://doi.org/10.1126/science.1183899XNUMX。
Geipel, J.、Link, J.、Claupein, W.,2014 年。基于无人机系统获取的航空图像和作物表面模型的玉米产量组合光谱和空间建模。遥感 6 (11), 10335–10355。 https://doi.org/10.3390/rs61110335。
Geng, D., Feng, Y., Zhu, Q., 2020。用户可持续设计:文献综述和文献计量分析。环境。科学。污染。资源。 27 (24), 29824–29836。 https://doi. org/10.1007/s11356-020-09283-1。
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015。结合多光谱卫星和高光谱生成谱时响应面
用于精准农业应用的无人机图像。 IEEE J. Sel。顶部。应用。地球观测。遥感 8 (6), 3140–3146。 ttps://doi.org/10.1109/JSTARS.2015.2406339。
Gill, SS、Chana, I.、Buyya, R.,2017 年。基于物联网的农业作为云和大数据服务:数字印度的开始。 J. 组织。和最终用户计算。 (约厄克)29(4),
1 23。
Gmür, M., 2006。同被引分析和隐形大学搜索:方法论评估。科学计量学 57 (1), 27–57。 https://doi.org/10.1023/
答:1023619503005。
Gnadinger, ì F., Schmidhalter, U., 2017。无人机 (UAV) 对玉米植株的数字计数。遥感9(6)。 https://doi.org/10.3390/rs9060544。
Gokto ì ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010。用于水草监测和监测的旋翼无人机
管理。 J·英特尔。机器人系统:理论。应用。 57(1-4),467-484。 https://doi. org/10.1007/s10846-009-9371-5。
Gomez-Cand ´ on, ´ D.、De Castro, AI、Lopez-Granados, ´ F.,2014 年。评估用于小麦精准农业目的的无人机 (UAV) 图像马赛克的准确性。概要。农业。 15 (1), 44–56。 https://doi.org/10.1007/s11119-013-9335-4。
Gomez-Cand ´ on, ´ D.、Virlet, N.、Labb´e, S.、Jolivot, A.、Regnard, J.-L., 2016。通过无人机感知图像对树木尺度水分胁迫进行现场表型分析:新的见解
热采集和校准。概要。农业。 17(6),786-800。 https://doi.org/10.1007/s11119-016-9449-6。
Gonzalez-Dugo, V.、Zarco-Tejada, PJ、Fereres, E.,2014。使用作物水分胁迫指数作为柑橘园水分亏缺指标的适用性和局限性。农业。为了。梅泰罗尔。 198–199、94–104。 https://doi.org/10.1016/j。农业.2014.08.003.
Gonzalez-Dugo, V.、Zarco-Tejada, P.、Nicolas, ´ E.、Nortes, PA、Alarcon, ´ JJ、Intrigliolo, DS、Fereres, E., 2013。使用高分辨率无人机热图像
评估商业果园内五种果树的水分状况的变化。概要。农业。 14(6),660-678。 https://doi.org/10.1007/s11119-013-9322-9。
Goyal, K., Kumar, S.,2021。金融素养:系统回顾和文献计量分析。国际。 J. 消费者研究 45 (1), 80–105。 https://doi.org/10.1111/
ijcs.12605。
Grenzdorffer, ì GJ, Engel, A., Teichert, B., 2008。低成本无人机在林业和农业中的摄影测量潜力。国际摄影测量、遥感和空间信息科学档案 – ISPRS 档案 37, 1207–1213。 https://www.scopus.com/inward/record.uri?eid=2-s2.0-85039543258&partnerID=40&md5=b4b2d639257e8ddb5a373d15959c4e1e。
关 S.、深见 K.、松中 H.、大神 M.、田中 R.、中野 H.、酒井 T.、中野 K.、Ohdan H.、高桥 K.、 2019.评估高分辨率的相关性
NDVI 与小型无人机对水稻和小麦作物的施肥水平和产量。遥感 11 (2), 112.
Gundolf, K., Filser, M.,2013。管理研究与宗教:引文分析。 J.巴士。伦理学 112 (1), 177–185。
郭清,朱Y.,唐Y.,侯成.,何Y.,庄J.,郑Y.,罗S.,2020。空间CFD模拟与实验验证和时间分布
四旋翼农用无人机悬停时的下洗气流。计算。电子。农业。 172、105343 https://doi.org/10.1016/j.compag.2020.105343。
Haghighattalab, A.、Gonz´ alez P´erez, L.、Mondal, S.、Singh, D.、Schinstock, D.、Rutkoski, J.、Ortiz-Monasterio, I.、Singh, RP、Goodin, D. ,波兰,J.,2016。
无人机系统在大型小麦育种苗圃高通量表型分析中的应用。植物方法 12 (1)。 https://doi.org/10.1186/s13007-
016-0134 6。
Hakala, T.、Honkavaara, E.、Saari, H.、Makynen, ¡ J.、Kaivosoja, J.、Pesonen, L. 和 Pol ¡ onen, ¡I., 2013。不同照明条件下无人机的光谱成像。见 GG Bill R.(主编),摄影测量、遥感和空间信息科学国际档案馆 - ISPRS 档案馆(第 40 卷,第 1W2 期,第 189-194 页)。国际摄影测量和遥感学会。 https://www.scopus.com/inward/record.uri?eid=2-s2.0-848875632。
Hamylton,SM,莫里斯,RH,卡瓦略,RC,罗德,N.,巴洛,P.,米尔斯,K.,王,L.评估无人机测绘岛屿植被的技术
车辆(无人机)图像:像素分类、视觉解释和机器学习方法。国际。 J.应用程序。地球观测。地理信息。 89、102085 https://doi.org/
10.1016/j.jag.2020.102085。
Haque, A.、Islam, N.、Samrat, NH、Dey, S.、Ray, B.,2021。孟加拉国通过负责任的领导实现智能农业:可能性、机遇及其他。
可持续发展 13 (8), 4511。
Hardin, PJ, Hardin, TJ, 2010。环境研究中的小型遥控飞行器。地理指南针 4 (9), 1297–1311。 ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x。
Hardin, PJ, Jensen, RR,2011。环境遥感中的小型无人机:挑战和机遇。地理信息科学。遥感 48 (1), 99–111。 https://doi.org/10.2747/1548-1603.48.1.99。
何Y.,聂平,张Q.,刘F.,2021。农业物联网:技术与应用,(1年第2021版)。施普林格。
赫维茨 (SR)、约翰逊 (LF)、杜纳根 (SE)、希金斯 (RG)、沙利文 (DV)、郑 J.、洛比茨 (BM)、梁 (JG)、加尔迈耶 (BA)、青柳 (M.)、斯莱 (RE)、黄铜 (JA)、 2004年。
无人机成像:农业监视和决策支持。计算。电子。农业。 44 (1), 49–61。 https://doi.org/10.1016/j。
compag.2004.02.006。
Holman, FH、Riche, AB、Michalski, A.、Castle, M.、Wooster, MJ、Hawkesford, MJ,使用基于无人机的遥感在田间试验中对小麦株高和生长率进行高通量田间表型分析。遥感8(12)。 https://doi. org/10.3390/rs8121031。
Honkavaara, E.、Saari, H.、Kaivosoja, J.、Pol ěn, ì I.、Hakala, T.、Litkey, P.、Mákynen, J.、Pesonen, L., 2013。处理和评估使用轻型无人机光谱相机收集的光谱立体图像用于精准农业。遥感 5 (10), 5006–5039。 https://doi.org/10.3390/rs5105006。
Hossein Motlagh, N.、Taleb, T.、Arouk, O.,2016。基于低空无人机的物联网服务:综合调查和未来展望。 IEEE 互联网物联网 J. 3 (6), 899–922。 https://doi.org/10.1109/JIOT.2016.2612119。
Hrabar, S.、Sukhatme, GS、Corke, P.、Usher, K.、Roberts, J.,2005。无人机城市峡谷的光流和立体导航相结合。于:2005 年 IEEE/RSJ
国际智能机器人和系统会议,第 3309-3316 页。 https://doi.org/10.1109/IROS.2005.1544998。
Hsu, T.-C.、Yang, H.、Chung, Y.-C.、Hsu, C.-H.,2020。云雾计算的创意物联网农业平台。维持。计算。信息。系统。 28、100285。
Huang, H.、Deng, J.、Lan, Y.、Yang, A.、Deng, X.、Zhang, L.、Gonzalez-Andujar, JL, 2018。用于无人机杂草测绘的全卷积网络(无人机)图像。 《公共科学图书馆 ONE》13 (4),e0196302。
Huang, H.、Lan, Y.、Yang, A.、Zhang, Y.、Wen, S.、Deng, J.,2020。无人机图像杂草测绘中的深度学习与基于对象的图像分析 (OBIA)。国际。 J。
遥感。41 (9), 3446–3479。 https://doi.org/10.1080/01431161.2019.1706112。
黄 H.、杨 A.、唐 Y.、庄 J.、侯 C.、谭 Z.、达南贾延 S.、何 Y.、郭 Q.、罗 S.、 2021. 农作物监测中无人机图像的深色校准
使用具有局部到全局注意力的语义风格迁移。国际。 J.应用程序。地球观测。地理信息。 104、102590 https://doi.org/10.1016/j.jag.2021.102590。
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. 农业生产无人机技术发展与展望
管理。国际。 J.阿格里克。生物。工程师。 6 (3), 1–10。 https://doi.org/10.3965/j。 ijabe.20130603.001。
Huang, Y.、Hoffmann, WC、Lan, Y.、Wu, W.、Fritz, BK,2009。无人机平台喷雾系统的开发。应用。工程师。农业。 25(6),803-809。
Hunt Jr., ER、Dean Hively, W.、Fujikawa, SJ、Linden, DS、Daughtry, CST、McCarty, GW, 2010。从以下位置采集近红外绿蓝数码照片
用于农作物监测的无人机。遥感 2 (1), 290–305。 https://doi. org/10.3390/rs2010290。 Inoue, Y.,2020。基于卫星和无人机的智能农业作物和土壤遥感——综述。土壤科学。植物营养。 66(6),798-810。 https://doi.org/10.1080/00380768.2020.1738899。
Islam, N.、Rashid, MM、Pasandideh, F.、Ray, B.、Moore, S.、Kadel, R.,2021。物联网 (IoT) 和应用程序和通信技术综述
基于无人机(UAV)的可持续智能农业。可持续发展 13 (4),1821。https://doi.org/10.3390/su13041821。
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016。评估由以下方法计算的高分辨率数字表面模型的准确性
PhotoScan® 和 MicMac® 在次优测量条件下。遥感 8 (6),https://doi.org/10.3390/rs8060465。
Jim´enez-Brenes, FM、Lopez-Granados, ´ F.、Castro, AI、Torres-S´ anchez, J.、Serrano, N.、Pena, 〜 JM, 2017。量化修剪对橄榄树结构和年产量的影响使用基于无人机的 3D 建模进行树冠生长。植物方法 13 (1)。 https://doi.org/10.1186/s13007-017-0205-3。
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017。根据极低空无人机图像估算小麦作物出苗时的植物密度。遥感。
环境。 198, 105–114。 https://doi.org/10.1016/j.rse.2017.06.007。
Jinbo, C.、Xiangliang, C.、Han-Chi, F.、Lam, A., 2019。云计算支持的农产品监测系统。集群计算。 22 (4), 8929–8938。
Ju, C., & Son, HI 2018a。农业遥感多无人机系统性能评估。 IEEE 国际机器人与自动化会议 (ICRA) 农业机器人视觉与行动研讨会论文集,澳大利亚布里斯班,21-26。
Ju,C.,Son,HI,2018b。用于农业应用的多种无人机系统:控制、实施和评估。电子学 7 (9), 162。 https://doi.org/10.3390/
电子7090162。
Jung, J.、Maeda, M.、Chang, A.、Bhandari, M.、Ashapure, A.、Landivar-Bowles, J.,2021。遥感和人工智能作为改善环境的工具的潜力
农业生产系统的复原力。电流。意见。生物技术。 70、15-22。 https://doi.org/10.1016/j.copbio.2020.09.003。
Kalischuk, M.、Paret, ML、Freeman, JH、Raj, D.、Da Silva, S.、Eubanks, S.、Wiggins, DJ、Lollar, M.、Marois, JJ、Mellinger, HC、Das, J. ,2019。一种改进的作物侦察技术,将无人机辅助的多光谱作物成像纳入西瓜蔓枯病的传统侦察实践中。植物分布。 103(7),1642-1650。
Kapoor, KK、Tamilmani, K.、Rana, NP、Patil, P.、Dwivedi, YK、Nerur, S.,2018。社交媒体研究进展:过去、现在和未来。通知。系统。正面。 20
(3),531-558。
Kerkech, M.、Hafiane, A.、Canals, R.,2020。VddNet:基于多光谱图像和深度图的葡萄树疾病检测网络。遥感 12 (20), 3305。https://doi。 org/10.3390/rs12203305。
Khaliq, A.、Comba, L.、Biglia, A.、Ricauda Aimonino, D.、Chiaberge, M.、Gay, P.,2019 年。基于卫星和无人机的葡萄园多光谱图像的比较
变异性评估。遥感11(4)。 https://doi.org/10.3390/rs11040436。
Khan, PW、Byun, Y.-C.、Park, N.,2020。物联网区块链利用先进的深度学习为食品工业 4.0 实现了优化的来源系统。传感器 20 (10), 2990。
Khan, RU、Khan, K.、Albtah, W.、Qamar, AM、Ullah, F.,2021。基于图像的植物病害检测:从经典机器学习到深度学习之旅。无线通讯。移动计算。 2021 年,1-13。
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021。基于无人机的农作物/杂草分类的新型半监督框架。 《公共科学图书馆 ONE》16 (5),e0251008。
Khanal, S.、Fulton, J.、Shearer, S.,2017。热遥感在精准农业中的当前和潜在应用概述。计算。电子。
农业。 139、22-32。 https://doi.org/10.1016/j.compag.2017.05.001。
Khanna, A.、Kaur, S.,2019。物联网 (IoT) 的演变及其对精准农业领域的重大影响。计算。电子。农业。 157、218–231。
Kim, W.、Khan, GF、Wood, J.、Mahmood, MT,2016。可持续组织的员工敬业度:使用社交网络分析和突发的关键词分析
检测方法。可持续性 8 (7), 631。
Kirsch, M.、Lorenz, S.、Zimmermann, R.、Tusa, L.、Mockel, ¡ R.、Hodl, ¡ P.、Booysen, R.、Khodadadzadeh, M.、Gloaguen, R., 2018。 积分地面和无人机载
用于勘探测绘和采矿监测的高光谱和摄影测量传感方法。遥感 10 (9), 1366。https://doi.org/10.3390/
rs10091366。
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019。使用深度学习和无人机图像进行玉米植株计数。 IEEE 地球科学。遥感快报。 1-5 https://doi.org/10.1109/LGRS.2019.2930549。
Koh, JCO、Spangenberg, G.、Kant, S.,2021。用于高通量基于图像的植物表型分析的自动化机器学习。遥感 13 (5), 858. https://
doi.org/10.3390/rs13050858。
Kovalev, IV, Voroshilova, AA,2020。货运无人机生态系统发展的现代技术趋势。 J. Phys。会议。序列。 1515 (5), 052068 https://doi。 org/10.1088/1742-6596/1515/5/052068。
Krul, S.、Pantos, C.、Frangulea, M.、Valente, J.,2021。使用带有单目摄像头的小型无人机进行室内牲畜和农业的视觉 SLAM:可行性研究。
无人机 5 (2), 41。https://doi.org/10.3390/drones5020041。
Kulbacki, M.、Segen, J.、Knie´c, W.、Klempous, R.、Kluwak, K.、Nikodem, J.、Kulbacka, J.、Serester, A.,2018 年。农业自动化无人机调查从种植到
收成。见:INES 2018 – IEEE 第 22 届智能工程系统国际会议,第 000353–358 页。 https://doi.org/10.1109/INES.2018.8523943。
Lagkas, T.、Argyriou, V.、Bibi, S.、Sarigiannidis, P.,2018。无人机物联网框架观点和挑战:保护无人机作为“物体”。传感器 18 (11), 4015。https://doi.org/10.3390/s18114015。
Laliberte, AS, Rango, A.,2011。用于分析无人机在干旱地区获取的亚分米图像的图像处理和分类程序
牧场。地理信息科学。遥感 48 (1), 4–23。 https://doi.org/10.2747/1548-1603.48.1.4。
Laliberte, AS、Rango, A.、Herrick, JE,2007 年。用于牧场测绘和监测的无人机:两个系统的比较。 ASPRS 年会论文集。
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021。原生草原杂草测绘的开源工作流程
使用无人机:以酸模作为案例研究。欧元。 J.遥感。54(sup1),71-88。 https://doi.org/10.1080/22797254.2020.1793687。
Lambert, DM、Lowenberg-DeBoer, J.、Griffin, TW、Peone, J.、Payne, T.、Daberkow, SG,2004 年。采用、盈利能力以及更好地利用精准农业数据。
工作文件。普渡大学。 https://doi.org/10.22004/ag.econ.28615。
Lelong, CCD、Burger, P.、Jubelin, G.、Roux, B.、Labb´e, S.、Baret, F., 2008。用于定量监测小块地小麦作物的无人机图像评估。传感器 8 (5), 3557–3585。 https://doi.org/10.3390/s8053557。
李成,牛波,2020。基于大数据和物联网的智慧农业设计。国际。 J.分布。 Sens.Netw。 16 (5) ttps://doi.org/10.1177/1550147720917065。
李文,牛中,陈红,李德,吴明,赵文,2016。利用高分辨率立体图像遥测玉米冠层高度和地上生物量低成本无人机系统。生态。 《工业》67, 637–648。 https://doi.org/10.1016/j.ecolind.2016.03.036。
Liakos, KG、Busato, P.、Moshou, D.、Pearson, S.、Bochtis, D.,2018。农业中的机器学习:综述。传感器 18 (8), 2674。
Liebisch, F.、Kirchgessner, N.、Schneider, D.、Walter, A.、Hund, A.,2015。利用移动多传感器方法对玉米性状进行远程空中表型分析。植物方法 11 (1), 9。https://doi.org/10.1186/s13007-015-0048-8。
Lin, Z.,Guo, W.,2020。利用无人机系统图像和深度学习进行高粱穗检测和计数。正面。植物科学。 11.
刘S.,郭L.,Webb,H.,亚X.,张X.,2019。基于云计算的现代生态农业物联网监控系统。 IEEE 访问 7,37050–37058。
Lopez-Granados, ´ F., 2011。用于特定地点杂草管理的杂草检测:绘图和实时方法。杂草研究中心。 51(1),1-11。 https://doi.org/10.1111/j.1365-3180.2010.00829.x。
洛佩兹-格拉纳多斯,F.,托雷斯-桑切斯,J.,德卡斯特罗,A.-I.,塞拉诺-佩雷斯,A.,梅萨斯卡拉斯科萨,F.-J.,佩纳,〜J.-M。 ,2016。使用高分辨率无人机图像对禾本科作物中的禾本科杂草进行基于对象的早期监测。阿格隆.维持。开发。 36 (4), 1–12
洛佩兹-格拉纳多斯,'F.,托雷斯-S'安切斯,J.,塞拉诺-佩雷斯,A.,德卡斯特罗,AI,MesasCarrascosa,F.-J.,佩纳,〜J.-M.,2016。使用无人机技术绘制向日葵早季杂草图:除草剂处理图与杂草阈值的变化。概要。农业。 17(2),183-199。
Lucieer, A.、Malenovský, Z.、Veness, T.、Wallace, L.,2014 年。HyperUAS – 多旋翼无人机系统的成像光谱。 J·菲尔德·罗布. 31(4),
571–590。 https://doi.org/10.1002/rob.21508。
Lumme, J.、Karjalainen, M.、Kaartinen, H.、Kukko, A.、Hyyppa, ¡ J.、Hyyppá, H.、Jaakkola, A. 和 Kleemola, J.,2008 年。地面激光扫描农作物。在JJ
陈 J.马斯 H–G。 (主编),摄影测量、遥感和空间信息科学国际档案馆 — ISPRS 档案馆(第 37 卷,第 563-566 页)。
国际摄影测量和遥感学会。 https://www.scopus.com/inward/record.uri?eid=2-s2.0-84919356328&partnerID=40&md5=574
b802131a99d16318ce619a01ca1bf.
Ma, L., Li, M., Ma, X., Cheng, L., Du, P., Liu, Y., 2017。基于监督对象的土地覆盖图像分类综述。 ISPRS J.摄影图。遥感130,
277–293。 https://doi.org/10.1016/j.isprsjprs.2017.06.001。
Maes, WH, Steppe, K.,2019。精准农业中无人机遥感的前景。植物科学趋势。 24 (2), 152–164。 https://doi.org/10.1016/j.tplants.2018.11.007。
买买提江,M.,古拉姆,A.,西迪克,P.,哈特林,S.,买买提伊明,M.,彼得森,K.,谢弗斯,E.,菲什曼,J.,彼得森,J.,卡达姆,S.,伯肯,J.,弗里奇,F.,2017。
使用多传感器数据融合和极限学习机基于无人机系统(UAS)的大豆表型分析。 ISPRS J.摄影图。遥感 134, 43–58。 https://doi.org/10.1016/j.isprsjprs.2017.10.011。买买提江,M.,萨根,V.,西迪克,P.,达洛耶,AM,埃尔克博尔,H.,弗里奇,FB,2020。
使用卫星/无人机数据融合和机器学习进行作物监测。遥感 12 (9), 1357。https://doi.org/10.3390/rs12091357。
Manfreda, S.、McCabe, M.、Miller, P.、Lucas, R.、Pajuelo Madrigal, V.、Mallinis, G.、Ben Dor, E.、Helman, D.、Estes, L.、Ciraolo, G ., Müllerova, ´ J., Tauro, F., de Lima, M., de
利马,J.,马耳他,A.,弗朗西斯,F.,凯勒,K.,科夫,M.,珀克斯,M.,鲁伊斯-佩雷斯,G.,苏,Z.,维科,G.,托特,B.,2018。关于无人机系统的使用
环境监测。遥感 10 (4), 641。
Marinko, RA,1998。论文中对妇女研究期刊的引用,1989 和 The Serials Librarian 35 (1–2), 29–44。 https://doi.org/10.1300/J123v35n01_
03.
Masroor, R.、Naeem, M.、Ejaz, W.,2021。无人机辅助无线网络中的资源管理:优化视角。 Ad Hoc 网络。 121、102596 https://doi.org/10.1016/j.adhoc.2021.102596。
Matese, A.,Di Gennaro, SF,2018。基于多光谱、热和 RGB 高分辨率图像的多传感器无人机平台的实际应用
葡萄栽培。农业 8 (7), 116。https://doi.org/10.3390/agriculture8070116。
Matese, A.,Di Gennaro, SF,2021。超越传统的 NDVI 指数,成为无人机在精准葡萄栽培中主流化的关键因素。科学。报告 11 (1), 2721。https://doi.org/10.1038/s41598-021-81652-3。
Matese, A.、Toscano, P.、Di Gennaro, SF、Genesio, L.、Vaccari, FP、Primicerio, J.、Belli, C.、Zaldei, A.、Bianconi, R.、Gioli, B., 2015 . 无人机、飞机对比
以及用于精准葡萄栽培的卫星遥感平台。遥感 7 (3), 2971–2990。 https://doi.org/10.3390/rs70302971。
Mazzia, V.、Comba, L.、Khaliq, A.、Chiaberge, M.、Gay, P.,2020。基于无人机和机器学习的卫星驱动植被指数的精确化
农业。传感器 20 (9), 2530。https://doi.org/10.3390/s20092530。
McCain, KW,1990。绘制知识空间中的作者:技术概述。 J. Am.苏克。信息。科学。 41(6),433-443。
Mein, BU, Robinson, DT,2021。农业侵蚀建模:使用无人机时间序列数据评估 USLE 和 WEPP 田间规模侵蚀估计。环境。模型。软件 137、104962。https://doi.org/10.1016/j.envsoft.2021.104962。
Melville, B.、Lucieer, A.、Aryal, J.,2019。使用高光谱无人机系统 (UAS) 图像对低地原生草原群落进行分类
塔斯马尼亚中部地区。无人机 3 (1), 5.
Messina, G.,Modica, G.,2020。无人机热成像在精准农业中的应用:最新技术和未来研究展望。遥感 12 (9),https://doi.org/10.3390/rs12091491。
Mishra, D.、Luo, Z.、Jiang, S.、Papadopoulos, T.、Dubey, R.,2017。大数据文献研究:概念、趋势和挑战。业务流程管理J.23(3),
555 573。
Mochida, K.、Saisho, D.、Hirayama, T.,2015。使用在田间条件下获取的生命周期数据集进行作物改良。正面。植物科学。 6 https://doi.org/10.3389/
fpls.2015.00740。
Mogili, UM.R., Deepak, BBVL, 2018。无人机系统在精准农业中的应用综述。普罗塞迪亚计算。科学。 133、502-509。
Moharana, S., Dutta, S.,2016。高光谱图像中水稻叶绿素和氮含量的空间变异性。 ISPRS J.摄影图。遥感 122, 17–29。
Muangprathub, J.、Boonnam, N.、Kajornkasirat, S.、Lekbangpong, N.、Wanichsombat, A.、
Nillaor, P.,2019。智能农场的物联网和农业数据分析。计算。电子。农业。 156、467–474。
Nansen, C., Elliott, N., 2016。昆虫学遥感和反射剖面。安努。恩托莫尔牧师。 61 (1), 139–158。 https://doi.org/10.1146/annurev-ento010715-023834。
Navia, J.、Mondragon, I.、Patino, D.、Colorado, J.,2016。农业中的多光谱测绘:使用自主四轴飞行器无人机进行地形镶嵌。国际。会议。
无人机系统。 (ICUAS)2016 年,1351–1358。 https://doi.org/10.1109/ICUAS.2016.7502606。
Nayyar, A.、Nguyen, B.-L.、Nguyen, NG,2020。无人机物联网 (Iodt):智能无人机的未来愿景。副词。英特尔。系统。计算。 1045, 563–580。 https://doi.org/10.1007/978-981-15-0029-9_45。
Nebiker, S.、Annen, A.、Scherrer, M.、Oesch, D.,2008。用于微型无人机的轻型多光谱传感器 — 超高分辨率机载遥感的机会。国际。拱。摄影图。遥感争端。信息。科学 37 (B1), 1193–1200。
Negash, L.、Kim, H.-Y.、Choi, H.-L.,2019。无人机在农业中的新兴应用。见:2019第七届机器人智能技术与应用国际会议
应用 (RiTA),第 254–257 页。 https://doi.org/10.1109/RITAPP.2019.8932853。
Nerur, SP、Rasheed, AA、Natarajan, V.,2008。战略管理领域的知识结构:作者共被引分析。策略。马纳格。 J.29(3),
319 336。
Neupane, K.,Baysal-Gurel, F.,2021。使用无人机自动识别和监测植物病害:综述。遥感 13 (19), 3841。https://doi.org/10.3390/rs13193841。
Nex, F.,Remondino, F.,2014 年。用于 3D 测绘应用的无人机:综述。应用。测绘学 6 (1), 1–15。 https://doi.org/10.1007/s12518-013-0120-x。
Niu, H.、Hollenbeck, D.、Zhao, T.、Wang, D.、Chen, Y.,2020。精准农业中小型无人机的蒸散量估算。传感器 20 (22), 6427。https://
doi.org/10.3390/s20226427。
Osareh, F., 1996。文献计量学、引文分析和共引分析。文献综述 I 46 (3), 149–158。 https://doi.org/10.1515/libr.1996.46.3.149。
P´ adua, L., Vanko, J., Hruˇska, J., Ad�ao, T., Sousa, JJ, Peres, E., Morais, R., 2017。农林业中的无人机、传感器和数据处理:对实际应用的回顾。国际。 J.遥感。38(8-10),2349-2391。 https://doi.org/10.1080/01431161.2017.1297548。
Panday,美国,Pratihast,AK,Aryal,J.,Kayastha,RB,2020 年。基于无人机的谷类作物数据解决方案综述。无人机 4 (3), 1–29。 https://doi.org/10.3390/
无人机4030041。
Parsaeian, M.、Shahabi, M.、Hassanpour, H.,2020。使用图像处理和人工神经网络估算芝麻籽的油和蛋白质含量。 J. Am.油
化学家协会。 97(7),691-702。
Pena,〜JM,Torres-S´anchez,J.,de Castro,AI,Kelly,M.,Lopez-Granados,´ F.,Suarez,O.,使用基于对象的分析在早季玉米田中进行杂草绘图的
无人机 (UAV) 图像。 《公共科学图书馆一号》8 (10),e77151。
P´erez-Ortiz, M.、Pena, ~ JM、Guti´errez, PA、Torres-S´ anchez, J.、Herv´ as-Martínez, C.、
Lopez-Granados, ´ F., 2015。使用无人机和作物行检测方法对向日葵作物进行杂草测绘的半监督系统。应用。软计算。 J. 37, 533–544。 https://doi.org/10.1016/j.asoc.2015.08.027。
Pincheira, M.、Vecchio, M.、Giaffreda, R.、Kanhere, SS,2021。具有成本效益的物联网设备作为精准农业中基于区块链的水管理系统的可信数据源。计算。电子。农业。 180、105889。
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020。用于精准农业智能监测的先进无人机-WSN 系统。传感器 20 (3),https://doi.org/10.3390/s20030817。
Pournader, M.、Shi, Y.、Seuring, S.、Koh, SL,2020。供应链、运输和物流中的区块链应用:文献的系统回顾。国际。 J.产品。资源。 58(7),2063-2081。
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012。用于精准农业的灵活无人机。
概要。农业。 13(4),517-523。 https://doi.org/10.1007/s11119-012-9257-6。
Pritchard, A.,1969。统计书目或文献计量学。 J. 文件。 25 (4), 348–349。
Pudelko, R.、Stuczynski, T.、Borzecka-Walker, M.,2012。无人机 (UAV) 用于评估试验田和作物的适用性。农业 99 (4), 431–436。
Puri, V.、Nayyar, A.、Raja, L.,2017。农业无人机:精准农业的现代突破。 J.斯塔蒂斯。马纳格。系统。 20(4),507-518。
Radoglou-Grammatikis, P.、Sarigiannidis, P.、Lagkas, T.、Moscholios, I.,2020。精准农业无人机应用汇编。计算。网络。 172、
107148 https://doi.org/10.1016/j.comnet.2020.107148。
Ramesh, KV、Rakesh, V.、Prakasa Rao,EVS,2020。大数据分析和人工智能在农艺研究中的应用。印第安人 J.阿格伦. 65 (4), 383–395。
Raparelli, E., Bajocco, S.,2019。无人机在农业和林业研究中使用的文献计量分析。国际。 J.遥感。40(24),
9070–9083。 https://doi.org/10.1080/01431161.2019.1569793。
拉斯穆森,J.,尼尔森,J.,加西亚-鲁伊斯,F.,克里斯滕森,S.,斯特莱比格,JC,洛茨,B.,2013。
小型无人机系统(UAS)在杂草研究中的潜在用途。杂草研究中心。 53 (4), 242–248。
Rasmussen, J.、Ntakos, G.、Nielsen, J.、Svensgaard, J.、Poulsen, RN、Christensen, S.,植被指数是否源自安装在
无人机对于评估试验田是否足够可靠?欧元。 J.阿格伦。 74、75–92。 https://doi.org/10.1016/j.eja.2015.11.026。
Rejeb, A.、Rejeb, K.、Abdollahi, A.、Zailani, S.、Iranmanesh, M.、Ghobakhloo, M.,2022。食品供应链数字化:文献计量回顾和关键路线主路径
分析。可持续性 14 (1), 83。https://doi.org/10.3390/su14010083。
Rejeb, A.、Rejeb, K.、Simske, SJ、Treiblmaier, H.,2021a。用于供应链管理和物流的无人机:审查和研究议程。国际。 J.洛吉斯特。资源。应用。
1–24。 https://doi.org/10.1080/13675567.2021.1981273。
Rejeb, A.、Rejeb, K.、Simske, S.、Treiblmaier, H.,2021b。物流和供应链管理中的区块链技术:文献计量回顾。后勤 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A.、Rejeb, K.、Simske, S.、Treiblmaier, H.,2021c。人道主义无人机:审查和研究议程。物联网 16, 100434。https://doi.org/10.1016/j。
物联网.2021.100434。
Rejeb, A.、Treiblmaier, H.、Rejeb, K.、Zailani, S.,2021d。医疗保健领域的区块链研究:文献计量回顾和当前研究趋势。数据杂志,信息。和
马纳格。 3 (2), 109–124。
Rejeb, A.、Simske, S.、Rejeb, K.、Treiblmaier, H.、Zailani, S.,2020。供应链管理和物流中的物联网研究:文献计量分析。互联网
事物 12, 100318。
ReportLinker,2021 年。全球农业无人机市场今年将达到 15.2 亿美元GlobeNewswire 新闻室。 https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the-年-2027.html。
Ribeiro-Gomes, K.、Hernandez-L ´ opez, ´ D.、Ortega, JF、Ballesteros, R.、Poblete, T.、Moreno, MA,2017 年。非制冷热像仪校准和优化
无人机在农业中应用的摄影测量过程。传感器(瑞士)17 (10)。 https://doi.org/10.3390/s17102173。
Rivera, MA、Pizam, A.,2015。酒店业研究进展:“从罗德尼·丹格菲尔德到艾瑞莎·富兰克林”。国际。 J.当代。医院。马纳格。 27(3),
362–378. https://doi.org/10.1108/IJCHM-03-2014-0146.
Roldan, ´ JJ、Joossen, G.、Sanz, D.、Del Cerro, J.、Barrientos, A., 2015。基于微型无人机的传感系统,用于测量温室中的环境变量。传感器 15 (2), 3334–3350。 https://doi.org/10.3390/s150203334。
Rozenberg, G.、Kent, R.、Blank, L.,2021。用于检测和分析商业洋葱田晚季杂草空间分布模式的消费级无人机。概要。农业。 22 (4), 1317–1332。 https://doi.org/10.1007/s11119-021-09786-y。
Saari, H.、Pellikka, I.、Pesonen, L.、Tuominen, S.、Heikkila, ¡ J.、Holmlund, C.、Makynen, ¡ J.、Ojala, K.、Antila, T., 2011。 无人驾驶用于森林和农业应用的飞行器(UAV)操作的光谱相机系统。继续。 SPIE – 国际。苏克。选择。工程师。 8174 https://doi.org/10.1117/12.897585。
Sah, B.、Gupta, R.、Bani-Hani, D.,2021。实施无人机物流的障碍分析。国际。 J.洛吉斯特。资源。应用。 24(6),531-550。 https://doi.org/10.1080/
13675567.2020.1782862.
Saha, AK、Saha, J.、Ray, R.、Sircar, S.、Dutta, S.、Chattopadhyay, SP 和 Saha, HN,基于物联网的无人机,用于改善农业领域的作物质量。在上海
N. Chakrabarti S.(主编),2018 年 IEEE 第 8 届年度计算和通信研讨会和会议,CCWC 2018(2018 年 612 月卷,第 615-XNUMX 页)。研究所
电气和电子工程师公司 doi:10.1109/CCWC.2018.8301662。
Sai Vineeth, KV、Vara Prasad, YR、Dubey, SR、Venkataraman, H.,2019。LEDCOM:一种新颖高效的基于 LED 的精准农业通信。 IEEE 会议信息。交流。技术。 2019 年,1-5。 https://doi.org/10.1109/CICT48419.2019.9066177。
Salamí, E.、Barrado, C.、Pastor, E.,2014。应用于植被区域遥感的无人机飞行实验。遥感 6 (11), 11051–11081。 https://doi.org/10.3390/rs61111051。
Sankaran,S.,Khot,LR,Espinoza,CZ,Jarolmasjed,S.,Sathuvalli,VR,Vandemark,GJ,Miklas,PN,卡特,AH,Pumphrey,MO,Knowles,NRN,Pavek,MJ,2015。
用于行间和大田作物表型分析的低空高分辨率航空成像系统:综述。欧元。 J.阿格伦。 70、112–123。 https://doi.org/10.1016/j。
eja.2015.07.004。
Santesteban, LG, Di Gennaro, SF, Herrero-Langreo, A., Miranda, C., Royo, JB, Matese, A., 2017。基于高分辨率无人机的热成像来估计
葡萄园内植物水分状况的瞬时和季节性变化。农业。水管理。 183, 49–59。 https://doi.org/10.1016/j.agwat.2016.08.026。
Sarli, CC、Dubinsky, EK、Holmes, KL, 2010。超越引文分析:研究影响评估模型。 J. Med。图书馆协会:JMLA 98 (1), 17–23。 https://doi.org/10.3163/1536-5050.98.1.008。
Schaepman, ME、Ustin, SL、Plaza, AJ、Painter, TH、Verrelst, J.、Liang, S.,2009。地球系统科学相关成像光谱学——评估。遥感环境。 113,S123–S137。
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016。用低成本无人机监测冬小麦作物的农艺参数
图像。遥感8(9)。 https://doi.org/10.3390/rs8090706。
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008。用于上述精确空气生物采样的自主无人机的开发和应用
农业领域。 J·菲尔德·罗布. 25 (3), 133–147。 https://doi.org/10.1002/rob.20232。
沙德林,D.,门什奇科夫,A.,索莫夫,A.,博尔内曼,G.,豪斯拉格,J.,费多罗夫,M.,
通过人工智能嵌入式传感实现精准农业。 IEEE 传输。仪器。测量。 69(7),4103-4113。
Shakhatreh, H.、Sawalmeh, AH、Al-Fuqaha, A.、Dou, Z.、Almaita, E.、Khalil, I.、
Othman, NS、Khreishah, A.、Guizani, M.,2019。无人机 (UAV):民用应用和关键研究挑战的调查。 IEEE 接入 7,
48572–48634。 https://doi.org/10.1109/ACCESS.2019.2909530。
Shakoor, N.、Northrup, D.、Murray, S.、Mockler, TC,2019。大数据驱动的农业:植物育种、基因组学和遥感应用中的大数据分析
提高作物生产力的技术。植物现象 J. 2 (1), 1–8。
Sharma, BK、Chandra, G.、Mishra, VP,2019 年。无人机和人工智能在法医调查中的比较分析和影响。见:会议记录 – 2019 年爱德国际
人工智能会议。 https://doi.org/10.1109/AICAI.2019.8701407。
Sharma, R.、Shishodia, A.、Gunasekaran, A.、Min, H.、Munim, ZH,2022。人工智能在供应链管理中的作用:绘制疆域。国际。 J。
产品。资源。 1-24。 https://doi.org/10.1080/00207543.2022.2029611。
Shi, Y.、Thomasson, JA、Murray, SC、Pugh, NA、Rooney, WL、Shafian, S.、Rajan, N.、Rouze, G.、Morgan, CLS、Neely, HL、Rana, A.、Bagavathiannan , MV,
Henrickson, J.、Bowden, E.、Valasek, J.、Olsenholler, J.、Bishop, MP、Sheridan, R.、Putman, EB、Popescu, S.、Burks, T.、Cope, D.、Ibrahim, A.,麦卡琴,BF,
Baltensperger, DD、Avant, RV、Vidrine, M.、Yang, C.、Zhang, J., 2016。用于高通量表型分析和农艺研究的无人机。公共科学图书馆一号
11 (7),e0159781。
Shuai, G.、Martinez-Feria, RA、Zhang, J.、Li, S.、Price, R.、Basso, B.,2019。使用无人机捕获跨产量稳定区的玉米林分异质性
车辆(无人机)。传感器 19 (20), 4446。https://doi.org/10.3390/s19204446。
Small, H.,1973。科学文献中的共引:两篇文献之间关系的新衡量标准。 J. Am.苏克。信息。科学。 24 (4), 265–269。
Small, H.、Rorvig, ME、Lunin, LF, 1999。通过引文映射可视化科学。 J. Am.苏克。信息。科学。 50(9),799-813。
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021。通过大型牧场地理定位航空图像对野外牛进行计数。计算。电子。农业。 189、106354 https://doi.org/10.1016/j.compag.2021.106354。
Srivastava, K.、Pandey, PC、Sharma, JK,2020。无人机精准农业应用中的路线优化方法。无人机 4 (3), 58。https://doi.org/10.3390/drones4030058。
Stafford, JV, 2000。在 21 世纪实施精准农业。 J.阿格里克。工程师。资源。 76 (3), 267–275。
Su, J.、Coombes, M.、Liu, C.、Guo, L.、Chen, W.-H., 2018。利用无人机遥感影像进行小麦干旱评估。 2018年第37届中国控制大会(CCC)。
苏静、刘成、库姆斯·M.、胡X.、王成、徐X.、李Q.、郭L.、陈W.-H.,2018。通过学习多光谱无人机航空图像进行小麦黄锈病监测。
计算。电子。农业。 155、157–166。 https://doi.org/10.1016/j。 compag.2018.10.017。
苏勇,王旭,2021。大数据建设智慧农业过程中的农业经济管理创新。可持续计算。信息。系统。 31、100579 https://doi.org/10.1016/j.suscom.2021.100579。
Sullivan, DG、Fulton, JP、Shaw, JN、Bland, GL,2007 年。评估无人热红外航空系统检测棉花冠层水分胁迫的灵敏度。跨。 ASABE 50 (6),1955–1962。
Sumesh, KC、Ninsawat, S.、Som-ard, J.,2021。集成基于 RGB 的植被指数、作物表面模型和基于对象的图像分析方法,使用无人机估算甘蔗产量。计算。电子。农业。 180、105903 https://doi.org/10.1016/j.compag.2020.105903。
Suomalainen, J., Anders, N., Iqbal, S., Franke, J., Wenting, P., Bartholomeus, H., Becker, R., Kooistra, L., 2013。 轻量级高光谱测绘系统
无人机——第一个结果。见:2013 年第五届高光谱图像和信号处理研讨会:遥感的演变 (WHISPERS),第 5-1 页。 https://doi.org/4/WHISPERS.10.1109。
Suomalainen, J.、Anders, N.、Iqbal, S.、Roerink, G.、Franke, J.、Wenting, P.、Hünniger, D.、Bartholomeus, H.、Becker, R.、Kooistra, L., 2014.轻量级高光谱
无人机测绘系统和摄影测量处理链。遥感 6 (11), 11013–11030。 https://doi.org/10.3390/
rs61111013。
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021。在农业中使用图像处理、无人机和人工智能的先进控制策略:综述。世界工程学杂志。 18(4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998。使用引文的信息处理来调查会计中的期刊影响力。信息。过程。管理。 34(2-3)、341-359。
Tang, Y.、Dananjayan, S.、Hou, C.、Guo, Q.、Luo, S.、He, Y.,2021。5G 网络及其对农业影响的调查:挑战与机遇。计算。
电子。农业。 180、105895 https://doi.org/10.1016/j.compag.2020.105895。
Tantalaki, N.、Souravlas, S.、Roumeliotis, M.,2019。精准农业中的数据驱动决策:农业系统中大数据的兴起。 J.阿格里克。食品信息。
20(4),344–380。
陶华、冯华、徐丽、苗明、杨国强、杨晓、范丽,2020。利用无人机估算冬小麦产量和株高-基于高光谱图像。
传感器 20 (4), 1231。
Techy, L., Schmale III, DG, Woolsey, CA, 2010。使用两架自主无人机对低层大气中的植物病原体进行协调空气生物学采样。 J·菲尔德·罗布. 27 (3), 335–343。 https://doi.org/10.1002/rob.20335。
Tetila, EC, Machado, BB, Astolfi, G., Belete, NAdS, Amorim, WP, Roel, AR, Pistori, H., 2020。利用深度学习进行大豆害虫检测和分类
与无人机图像。计算。电子。农业。 179、105836。
Thamm, H.-P.、Menz, G.、Becker, M.、Kuria, DN、Misana, S.、Kohn, D.,2013 年。使用无人机评估坦桑尼亚湿地的农业系统:以及可持续农业的 WetSeason 和为 Terra-Sar X 数据提供地面真相。见:ISPRS – 国际摄影测量、遥感和空间信息科学档案,第 401-406 页。 https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013。
Thelwall, M.,2008。从文献计量学到网络计量学。 J. 信息。科学。 34 (4), 605–621。
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ∼ JM, 2015。基于对象的自动无人机图像最佳阈值方法:草本作物植被检测的应用。计算。电子。农业。 114、43-52。 https://doi.org/10.1016/j.compag.2015.03.019。
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Serrano, N., Arquero, O., Pena, ~ JM, Hassan, QK, 2015。对农业树木种植园进行高通量 3D 监测无人机(UAV)技术。 PLoS ONE 10 (6),e0130479。
Torres-Sanchez, ´ J., Pena, ∼ JM, de Castro, AI, Lopez-Granados, ´ F., 2014。使用无人机图像对早季麦田植被部分进行多时态测绘。计算。电子。农业。 103、104-113。 https://doi.org/10.1016/j。 compag.2014.02.009。
Tsouros, DC、Bibi, S.、Sarigiannidis, PG,2019 年。基于无人机的精准农业应用综述。信息(瑞士)10(11)。 https://doi.org/10.3390/info10110349。
Tu, Y.-H.、Phinn, S.、Johansen, K.、Robson, A.、Wu, D.,2020。优化无人机飞行计划以测量园艺树木作物结构。 ISPRS J.摄影图。
遥感 160, 83–96。 https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A.、Katsoulas, N.、Bartzanas, T.、Kittas, C.,2017。农业物联网、最新进展和未来挑战。百奥系统。工程师。 164、31-48。
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A.、Singh, VK、Pinto, D.、Olmos, I.,2015。墨西哥计算机科学研究的科学计量图。科学计量学 105 (1), 97–114。
联合国,2019。2019 年世界人口前景。https://population.un.org/wpp/(访问日期:15 年 04 月 2022 日)。
Uto, K.、Seki, H.、Saito, G.、Kosugi, Y.,2013。通过无人机安装的微型高光谱传感器系统表征稻田。 IEEE J. Sel。顶部。应用。地球观测。
遥感 6 (2), 851–860。 https://doi.org/10.1109/JSTARS.2013.2250921。 van der Merwe, D.、Burchfield, DR、Witt, TD、Price, KP、Sharda, A., 2020。无人机
农业。副词。阿格隆. 162,1-30。
Velusamy, P.、Rajendran, S.、Mahendran, RK、Naseer, S.、Shafiq, M.、Choi, J.-G.,2022。
精准农业中的无人机 (UAV):应用和挑战。能源 15 (1), 217。https://doi.org/10.3390/en15010217。
Ventura, D.、Bonifazi, A.、Gravina, MF、Belluscio, A.、Ardizzone, G.,2018。使用无人机对生态敏感海洋栖息地进行测绘和分类
车辆 (UAV) 图像和基于对象的图像分析 (OBIA)。遥感 10 (9), 1331。https://doi.org/10.3390/rs10091331。
Verger, A.、Vigneau, N.、Ch´eron, C.、Gilliot, J.-M.、Comar, A.、Baret, F.,2014 年。无人机系统对小麦和油菜籽作物的绿化面积指数。遥感环境。 152、654–664。 https://doi.org/10.1016/j.rse.2014.06.006。
Von Bueren, SK、Burkart, A.、Hueni, A.、Rascher, U.、Tuohy, MP、Yule, IJ,2015 年。在草原上部署四个基于无人机的光学传感器:挑战和
限制。生物地球科学 12 (1), 163–175。 https://doi.org/10.5194/bg-12-163-2015。
Vuran, MC、Salam, A.、Wong, R.、Irmak, S.,2018。精准农业中的地下物联网:架构和技术方面。 Ad Hoc 网络。 81、
160–173。 https://doi.org/10.1016/j.adhoc.2018.07.017。
Wamba, SF, Queiroz, MM,2021。负责任的人工智能作为数字健康的秘密成分:文献计量分析、见解和研究方向。
信息。系统。正面。 1-16。
王丽,张刚,王正,刘静,商建,梁丽,2019。农作物生长监测遥感研究趋势的文献计量分析:以中国为例。遥感11(7)。 https://doi.org/10.3390/rs11070809。
White, HD, Griffith, BC, 1981。作者同引:知识结构的文献衡量。 J. Am.苏克。信息。科学。 32(3),163-171。
向华,田丽,2011。基于自主无人机(UAV)的低成本农业遥感系统的开发。百奥系统。工程师。 108 (2), 174–190。 https://doi.org/10.1016/j.biosystemseng.2010.11.010。
Xie, C., Yang, C., 2020。使用无人机传感器对植物高通量表型性状进行综述。计算。电子。农业。 178、105731 https://doi.org/10.1016/j。
compag.2020.105731。
姚红、秦瑞、陈X.,2019。遥感应用无人机——综述。遥感11(12)。 https://doi.org/10.3390/
rs11121443。
Yeom, S.,2021。通过多旋翼飞行器利用红外热成像进行移动人员跟踪和错误跟踪消除。无人机 5 (3), 65。https://doi.org/10.3390/drones5030065。
Yue, J., Feng, H., Jin, X., Yuan, H., Li, Z., Zhou, C., Yang, G., Tian, Q., 2018. 利用图像估计作物参数的比较来自无人机安装的
快照高光谱传感器和高清数码相机。遥感 10 (7), 1138。https://doi.org/10.3390/rs10071138。
岳建、杨桂、李成、李志、王云、冯华、徐波,2017。利用无人机估算冬小麦地上生物量-基于快照
高光谱传感器和作物高度改进模型。遥感9(7)。 https://doi.org/10.3390/rs9070708。
Zahawi, RA、Dandois, JP、Holl, KD、Nadwodny, D.、Reid, JL、Ellis, EC,2015。使用轻型无人机监测热带森林恢复。生物。
保存。 186、287–295。 https://doi.org/10.1016/j.biocon.2015.03.031。萨莫拉-伊斯基耶多,马萨诸塞州,桑塔,J.,马丁内斯,JA,马丁内斯,V.,斯卡梅塔,AF,2019。
基于边缘计算和云计算的智慧农业物联网平台。百奥系统。工程师。 177、
4 17。
Zarco-Tejada, PJ、Diaz-Varela, R.、Angileri, V.、Loudjani, P.,2014 年。使用从无人机获取的超高分辨率图像进行树高量化
车辆(无人机)和自动 3D 照片重建方法。欧元。 J.阿格伦。 55、89–99。 https://doi.org/10.1016/j.eja.2014.01.004。
张,C.,克雷恩,WA,麦吉,RJ,范德马克,GJ,戴维斯,JB,布朗,J.,赫尔伯特,SH,桑卡兰,S.,2020。基于图像的冷季作物开花强度表型。传感器 20 (5), 1450。https://doi.org/10.3390/s20051450。
张,C.,Kovacs,JM,2012。小型无人机系统在精准农业中的应用:综述。概要。农业。 13(6),693-712。 https://doi.org/
10.1007/s11119-012-9274-5.
张丽,张红,牛勇,韩伟,2019。基于无人机多光谱遥感的玉米水分胁迫制图。遥感11(6),605。
张X.、韩L.、董Y.、石Y.、黄W.、韩L.、Gonz´ alez-Moreno, P.、马H.、叶H.、Sobeih ,T.,2019。基于深度学习的自动化黄锈病方法
从高分辨率高光谱无人机图像中进行疾病检测。遥感 11 (13), 1554。
赵X.,张J.,黄Y.,田Y.,袁L.,2022。高光谱成像结合小波分析检测和判别茶树病虫害胁迫。计算。电子。农业。 193、106717 https://doi.org/10.1016/j。 compag.2022.106717。
郑A.、王明、李成、唐杰、罗B.,2022。航空图像语义分割的熵引导对抗域适应。 IEEE 传输。 G
郑华、程涛、姚晓、邓晓、田Y.、曹伟、朱Y.,2016。通过地基光谱时间序列分析检测水稻物候索引数据。大田作物研究中心。 198, 131–139。 https://doi.org/10.1016/j.fcr.2016.08.027。
郑健,杨伟,2018。基于无线传感器的精准农业漏播系统设计。国际。 J.在线工程。 14(05),184。
周L.,顾X.,程S.,杨G.,舒明.,孙Q.,2020。利用无人机激光雷达数据分析倒伏玉米株高变化。农业 10 (5), 146。https://
doi.org/10.3390/agriculture10050146。
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Maize-IAS:利用深度学习进行高通量植物表型分析的玉米图像分析软件。植物方法 17 (1), 48。https://doi.org/10.1186/s13007-021-00747-0。
周X.,郑HB,徐XQ,何JY,葛XK,姚X.,程T.,朱Y.,曹WX,田YC,2017。预测粮食产量利用多时相植被的水稻
基于无人机的多光谱和数字图像的指数。 ISPRS J.摄影图。遥感 130, 246–255。 https://doi.org/10.1016/j.isprsjprs.2017.05.003。
周燕,谢燕,邵丽,2016。基于无线传感器网络的温室监测系统核心技术仿真。国际。 J.在线工程。 12(05),
43.
Zhou, Z.、Majeed, Y.、Diverres Naranjo, G.、Gambacorta, EMT,2021。利用红外热图像评估精准农业中的作物水分胁迫:综述
以及深度学习应用的未来前景。计算。电子。农业。 182、106019 https://doi.org/10.1016/j.compag.2021.106019。