阿卜杜拉赫曼·雷傑布 a , 阿里雷扎·阿卜杜拉希 b , 卡里姆·雷傑布 c , 霍斯特·特雷布爾邁爾 d,
- a 羅馬大學經濟學院管理與法律系 Tor Vergata, Via Columbia, 2, Rome 00133, Italy
- b 卡拉茲米大學管理學院工商管理系, 1599964511 德黑蘭, 伊朗
- c 比塞大科學學院,迦太基大學,扎祖納,7021 比塞大,突尼斯
- d 維也納莫杜爾大學國際管理學院, Am Kahlenberg 1, 1190 維也納, 奧地利
文章信息 | 摘要 |
關鍵詞: 無人機 無人機 精準農業 物聯網 文獻計量學 | 無人機,也稱為無人駕駛飛行器 (UAV),在近幾十年見證了顯著的發展。 在農業方面,他們通過為農民節省大量成本、增加 運營效率,以及更好的盈利能力。 在過去的幾十年裡,農業無人機的話題已經 引起了學術界的極大關注。 因此,我們基於文獻計量學進行了全面審查 對現有學術文獻進行總結和結構化,揭示當前的研究趨勢和熱點。 我們 應用文獻計量技術並分析圍繞農業無人機的文獻,以總結和 評估以前的研究。 我們的分析表明,遙感、精準農業、深度學習、機器學習和物聯網是與農業無人機相關的關鍵話題。 共引 分析揭示了文獻中的六個廣泛的研究集群。 這項研究是總結農業無人機研究並提出未來研究方向的首次嘗試之一。 |
簡介
農業是世界的主要食物來源(Friha 等,2021),由於
對食品產品、食品安全和安保問題的需求日益增加,以及對環境保護、節水和
可持續性(井上,2020 年)。 由於到 9.7 年世界人口估計將達到 2050 億,因此這種發展預計將繼續下去
(2019)。 由於農業是全球用水量最突出的例子,預計糧食需求和水
在可預見的未來,消費將大幅增加。 此外,化肥和殺蟲劑的消費量不斷增加
再加上農業活動的集約化,可能會導致未來的環境挑戰。 同樣,耕地有限,
全世界農民的數量正在減少。 這些挑戰突出了對創新和可持續農業解決方案的需求(以利亞
等人,2018; 弗里哈等人,2021; 井上,2020; Tzounis 等人,2017)。
結合新技術已被確定為解決這些挑戰的有希望的解決方案。 智能農業(布魯斯特等人,
2017; Tang 等人,2021 年)和精準農業(Feng 等人,2019 年;Khanna 和 Kaur,2019 年)正是這些爭論的結果。 這
前者是在農業活動中採用信息通信技術 (ICT) 和其他尖端創新以提高效率和功效的一般概念(Haque 等人,2021 年)。 後者側重於特定地點的管理,其中將土地分為
同質部分,每個部分通過新技術獲得用於作物產量優化的準確農業投入量(Feng et al., 2019; Khanna & Kaur, 2019)。 在該領域引起學者關注的突出技術包括無線傳感器網絡 (WSN) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016)、物聯網 (IoT) (Gill et al., 2017;何等人,2021;劉等人,2019),
人工智能 (AI) 技術,包括機器學習和深度學習(Liakos 等人,2018 年;Parsaeian 等人,2020 年;Shadrin 等人,
2019)、計算技術(Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019)、大數據(Gill et al., 2017; Tantalaki
等人,2019)和區塊鏈(PW Khan 等人,2020;Pincheira 等人,2021)。
除了上述技術之外,遙感被認為是一種具有很大改進潛力的技術工具
智能和精準農業。 衛星、載人飛機和無人機是流行的遙感技術(Tsouros 等人,2019 年)。
無人機,俗稱無人飛行器 (UAV)、無人駕駛飛機系統 (UAS) 和遙控飛機,屬於
非常重要,因為與其他遙感技術相比,它們具有多種優勢。 例如,無人機可以送貨
陰天的高質量和高分辨率圖像(Manfreda 等人,2018 年)。 此外,它們的可用性和傳輸速度構成了其他
好處(Radoglou-Grammatikis 等人,2020 年)。 與飛機相比,無人機具有很高的成本效益,並且易於設置和維護(Tsouros 等人,2019 年)。 儘管最初主要用於軍事目的,但無人機可以使許多民用應用受益,例如供應鏈管理 (A. Rejeb, Rejeb, et al., 2021a),用於人道主義目的 (A. Rejeb, Rejeb, et al., 2021c)、智慧農業、測繪、文化遺產文獻、災害管理以及森林和野生動物保護(Panday, Pratihast 等人,2020)。 在農業領域,無人機有多種應用領域,因為它們可以與新技術、計算能力和機載傳感器集成以支持作物管理(例如,測繪、監測、灌溉、植物診斷)(H. Huang et al., 2021) 、減災、預警系統、野生動物和林業保護等等(Negash 等人,2019 年)。 同樣,無人機可用於多種農業活動,包括作物和生長監測、產量估計、水分脅迫評估以及雜草、害蟲和疾病檢測(Inoue,2020 年;Panday,Pratihast 等,2020 年)。 無人機不僅可以基於其感官數據用於監測、估計和檢測目的,還可以用於精準灌溉和精準雜草、病蟲害管理。 換句話說,無人機能夠根據環境數據精確噴灑水和殺蟲劑。 表 1 總結了無人機在農業中的優勢。
無人機在農業中的主要優勢。
好處 | 參考) |
增強時空 傳感分辨率 | (Gago 等人,2015;Niu 等人,2020;Srivastava 等人,2020) |
助力精準農業 | (L. Deng 等人,2018 年;Kalischuk 等人,2019 年; 麥買提江等,2017) |
分類和偵察 作物 | (Inoue,2020 年;Kalischuk 等人,2019 年;Lopez-´ 格拉納多斯等人,2016; 麥買提江等,2017; 梅爾維爾等人,2019; 莫哈拉納和杜塔,2016) |
肥料的使用 | (L. Deng 等人,2018 年;Guan 等人,2019 年) |
乾旱監測 | (Fawcett 等人,2020 年;Panday、Pratihast 等人, 2020; 蘇等人,2018) |
生物質估算 | (本迪格等人,2014 年) |
產量估算 | (Inoue,2020 年;Panday、Shrestha 等人,2020 年;陶 等人,2020) |
減災 | (Negash 等人,2019 年) |
保護野生動物和 林業 | (Negash 等人,2019 年;Panday、Pratihast 等人, 2020) |
缺水壓力評估 | (Inoue,2020 年;J. Su、Coombes 等人,2018 年;L. 張等人,2019) |
害蟲、雜草和疾病 發現 | (Gaˇsparovi´c 等,2020;Inoue,2020;J. Su,Liu, 等人,2018; X. Zhang et al., 2019) |
另一方面,無人機也面臨著局限性。 飛行員參與、發動機功率、穩定性和可靠性、有效載荷引起的傳感器質量
其中包括重量限制、實施成本和航空監管(C. Zhang & Kovacs,2012)。 我們比較缺點
表2中的三種移動遙感技術。其他遙感技術,如土壤傳感器,超出了本研究的重點。
各種移動遙感技術的不足。
遙感 技術 | 缺點 | 參考 |
無人機(無人機) | 試點參與; 圖片' 質量(平均); 實施成本(平均); 穩定性、機動性和 可靠性; 標準化; 發動機功率; 有限的權力 來源(電池壽命); 飛行時間有限,碰撞 和網絡攻擊; 有限的 有效載荷重量; 大型數據集 和有限的數據處理 能力; 缺乏監管; 缺乏專業知識,高入門 獲取的障礙 農業無人機; | (Bacco 等人,2018 年;Dawaliby 等人,2020; 哈丁& 哈丁,2010; 哈丁& 詹森,2011; 拉格卡斯等人, 2018; Laliberte 等人,2007 年; 拉利伯特和蘭戈,2011; 曼弗雷達等人,2018 年,2018 年; Nebiker 等人,2008 年; 普里 等人,2017; Velusamy 等人, 2022; C.張和科瓦奇, 2012) |
衛星 | 定期衛星覆蓋, 有限的光譜分辨率; 可見性問題的脆弱性 (例如,雲); 不可用 傳輸速度低; 方向和漸暈 影響昂貴的空間數據 收藏; 數據傳輸緩慢 最終用戶的時間 | (Aboutalebi 等,2019;Cen 等人,2019; 陳等人, 2019; 南森和埃利奧特, 2016; 潘迪,普拉蒂哈斯特, 等人,2020; 賽維尼斯 等人,2019) |
飛機 | 採用成本高; 複雜的設置; 維護費用; 可靠的不可用 飛機,幾何 圖片; 非常規數據 獲得; 缺乏靈活性; 致命事故; 傳感器數據 振動引起的變化; 地理參考問題 | (阿姆斯特朗等人,2011; 阿特金森等人,2018; 巴貝多和科尼甘,2018; 科瓦列夫和伏羅希洛娃, 2020; 索瑪萊寧等人, 2013; 塔姆等人,2013) |
作為農業中的多學科和多用途技術,無人機已經從多個角度進行了研究。 例如,學者們研究了無人機在農業中的應用(Kulbacki et al., 2018; Mogili & Deepak, 2018),它們對精準農業的貢獻(Puri et al., 2017; Tsouros et al., 2019),它們與其他無人機的互補性尖端技術(Al-Thani 等人,2020 年;Dutta 和 Mitra,2021 年;Nayyar 等人,2020 年;Saha 等人,2018 年),以及提高其導航和傳感能力的可能性(Bareth 等人,2015 年)。 ,2014 年;Suomalainen 等人,2021 年)。 由於無人機在農業中的應用研究已經變得普遍(Khan et al., XNUMX)),因此有必要總結現有文獻並揭示該領域的知識結構。 此外,作為一個不斷改進的高科技領域,需要進行結構化審查,以定期總結現有文獻並找出重要的研究差距。 至
迄今為止,很少有評論討論無人機在農業領域的應用。 例如,Mogili 和 Deepak(2018 年)簡要回顧了無人機對作物監測和農藥噴灑的影響。 Inoue (2020) 對衛星和無人機在農業遙感中的使用進行了審查。 作者根據案例研究和最佳實踐探討了採用智能農業的技術挑戰以及衛星和無人機的貢獻。 索羅斯等人。 (2019)總結了不同類型的無人機及其在農業中的主要應用,重點介紹了各種數據採集和處理方法。 最近,阿斯蘭等人。 (2022) 對無人機在農業活動中的應用進行了全面審查,並強調了溫室中無人機同時定位和測繪的相關性。 迪亞茲-岡薩雷斯等人。 (2022) 回顧了基於不同機器學習技術和遠程的作物產量生產的最新研究
傳感系統。 他們的研究結果表明,無人機可用於估計土壤指標,並在空間分辨率、信息時間性和靈活性方面優於衛星系統。 巴西里等人。 (2022) 對在精準農業背景下克服多旋翼無人機路徑規劃挑戰的各種方法和方法進行了詳盡的審查。 此外,Awais 等人。 (2022 年)總結了無人機遙感數據在作物中的應用,以估計水分狀況,並深入綜合了無人機遙感在水資源脅迫應用方面的預期能力。 最後,Aquilani 等人。 (2022) 回顧了在牧場畜牧系統中應用的預耕技術,並推斷無人機啟用的遙感有利於生物量評估和畜群管理。
此外,最近報導了使用無人機監控、跟踪和召集牲畜的努力。
儘管這些評論產生了新的和重要的見解,但在文獻中找不到基於文獻計量學的全面和最新的評論,這呈現出明顯的知識差距。 此外,有人指出,當學術產出在科學領域增長時,研究人員採用定量審查方法來理解該領域的知識結構變得至關重要(Rivera & Pizam,2015)。 同樣,費雷拉等人。 (2014) 認為,隨著研究領域的成熟和復雜化,學者們應該致力於偶爾理解產生和積累的知識,以揭示新的貢獻,捕捉研究傳統和趨勢,確定研究的主題,並深入研究知識結構。領域和潛在的研究方向。 雖然 Raparelli 和 Bajocco(2019 年)進行了文獻計量分析,以檢查無人機在農業和林業中的應用知識領域,但他們的研究僅考慮了 1995 年至 2017 年間發表的學術研究,而這並未反映這一快速發展領域的動態。 此外,作者並沒有試圖確定該領域最有影響力的貢獻,對文獻進行聚類,並使用共引分析來評估知識結構。 因此,有必要對文獻進行總結,以揭示當前的研究熱點、趨勢和熱點。
為了填補這一知識空白,我們利用定量方法和嚴格的文獻計量方法來檢查無人機與農業交叉領域的研究現狀。 我們認為,當前的研究通過研究農業中非常需要的一種新興技術,對現有文獻做出了一些貢獻,因為它提供了改變該領域多個方面的巨大潛力。 鑑於農業背景下關於無人機的分散和零散的知識,人們更加意識到對農業無人機進行文獻計量分析的必要性。 同樣,考慮到為該研究領域奠定基礎的最具影響力的研究,需要對有關農業無人機的文獻進行系統聚類。 分析的優點還包括闡明文獻中代表的主要研究主題。 考慮到該技術的變革潛力,我們認為,通過確定有影響力的作品和揭示有關無人機農業潛力的主題,深入的網絡分析會產生新的見解。
因此,我們努力實現以下研究目標:
- 確定對農業領域無人機應用有突出貢獻的有影響力的出版物。
- 通過使用共引分析,基於語義相似性的文獻聚類、研究焦點的識別和主要“知識結構”研究的映射。
- 了解該領域各種出版物之間的聯繫和引文網絡隨時間的演變,並確定未來的研究方向和熱門話題。
本文的其餘部分結構如下:第 2 節概述了方法和數據收集步驟; 第 3 節提供了分析結果; 第 4 節討論了研究結果並總結了研究貢獻、影響和未來方向。
方法
在當前的這項研究中,我們進行了文獻計量分析,以探索無人機在農業中的應用。 這種定量方法揭示了知識領域的知識結構 (Arora & Chakraborty, 2021) 以及應用該方法可以研究的現狀、熱點和未來研究方向 (Kapoor et al., 2018; Mishra et al. ,2017;A. Rejeb,Rejeb 等人,2021b;A. Rejeb 等人,2021d;MA Rejeb 等人,2020)。 一般來說,文獻計量分析檢查現有文獻,以總結和揭示書面交流的隱藏模式以及基於統計和數學方法的學科發展,它適用於大型數據集(Pritchard,1969;Small,1999;Tahai & Rigsby , 1998)。 通過使用文獻計量學,我們渴望更好地理解現有的範式和研究焦點,這些範式和研究焦點有助於基於相似性的領域(Thelwall,2008)。 文獻計量學提供了由方法論的客觀定量強度支持的新見解(Casillas & Acedo,2007)。 許多學者此前在農業、遙感和數字化轉型等相關領域進行了文獻計量研究(Armenta-Medina 等,2020;Bouzembrak 等,2019;A. Rejeb,Treiblmaier 等,2021;Wamba & Queiroz,2021 年;Wang 等人,2019 年)。
引文分析
引文分析揭示了對特定研究領域的各種見解。 首先,它有助於揭示對特定研究領域做出貢獻並產生重大影響的最有影響力的作者和出版物(Gundolf & Filser,2013 年)。 其次,可以揭示作者之間的知識流和溝通聯繫。 最後,通過追踪被引作品和被引作品之間的聯繫,可以探索知識領域隨時間的變化和演變(Pournader
等人,2020)。 出版物的高引用數反映了它對研究領域的相關性和實質性貢獻(Baldi,1998;Gundolf & Filser,2013;Marinko,1998)。 出版物的引文分析還有助於識別相關作品並跟踪它們的受歡迎程度和進展情況。
文獻共被引分析
共引分析是探索出版物之間的關係和描述一個領域的知識結構的一種有價值的方法(Nerur 等,2008)。 換句話說,通過識別被引用次數最多的出版物及其聯繫,該方法將出版物分成不同的研究集群,其中集群中的出版物經常分享相似的想法(McCain,1990;Small,1973)。 重要的是要提到相似性並不意味著出版物的發現是
有凝聚力,彼此一致; 由於主題相似性,出版物屬於同一集群,但它們可能具有相互矛盾的觀點。
數據收集和分析
按照 White 和 Griffith (1981) 提出的方法,我們對期刊文章進行了全面搜索,以涵蓋無人機在農業應用的整個研究領域,遵循以下五個步驟:
- 第一步是數據收集。 Scopus 被選為具有標準化結果的最全面和最值得信賴的數據庫之一。 檢索了與所有無人機在農業中的應用相關的出版物的元數據。 然後我們分析了選定的文章,從分析中刪除了離題的文章。
- 我們分析了文獻並確定了研究領域中使用的最重要的關鍵詞。
- 使用引文分析,我們探索了作者和文檔之間的聯繫,以揭示潛在的引文模式。 我們還確定了對農業無人機領域做出重大貢獻的最具影響力的作者和出版物。
- 我們進行了共被引分析,將相似的出版物分組。
- 最後,我們分析了國家、機構和期刊之間的聯繫和聯繫,以描繪合作網絡。
識別適當的搜索詞
我們應用以下搜索字符串進行數據聚合:(drone* OR“無人駕駛飛行器”OR uav* OR“無人駕駛飛機系統” 或者 uas 或“遙控飛機”)和(農業或農業或農業或農民)。 搜索於 2021 年 2021 月進行。無人機有多種名稱,包括 UAV、UAS 和遙控飛機(Sah 等人,2021 年)。 根據 Abdollahi 等人的研究確定了與農業相關的特定搜索詞。 (1 年)。 為了清晰和透明,我們使用的確切查詢在附錄 1.6.16 中給出。在數據清理過程之後,我們創建了一個文本文件,該文件隨後被加載到 BibExcel 中,這是一種用於引文和共引分析的常用工具。 該工具還提供與其他軟件的簡單交互,並在數據處理和分析方面提供很大程度的自由度。 VOSviewer 2009 版用於可視化調查結果並生成文獻計量網絡(Eck & Waltman,2020)。 VOSviewer 提供了一系列直觀的可視化,特別是用於分析文獻計量地圖(Geng 等人,2021)。 此外,它有助於提供簡單的視覺結果,有助於更好地理解結果(Abdollahi 等人,5,085 年)。 應用上述搜索字符串,我們收集並存儲了所有相關出版物。 第一個搜索結果共產生了 4,700 個文檔。 為了確保所選樣本的質量,研究中只考慮了同行評審的期刊文章,從而排除了其他文件類型,如書籍、章節、會議記錄和編輯說明。 在篩選過程中,不相關(即超出本工作範圍)、冗餘(即源自雙重索引的重複)和非英語出版物被過濾掉。 這一過程導致最終分析中包含 XNUMX 份文件。
調查結果和討論
首先,我們分析了當前農業無人機文獻中出版物產出的發展。 學術研究的時間分佈如圖 1 所示。從 2011 年(30 篇)起,我們看到發表量迅速增加; 因此,我們決定將分析期分為兩個不同的階段。 我們將 1990 年至 2010 年期間稱為積累階段,每年大約有 2010 篇論文發表。 2010年後的時期被稱為成長期,因為無人機在農業中的應用研究在此期間呈指數級增長。 2018 年之後,越來越多的出版物證實了研究人員的興趣與日俱增,這也反映了無人機已應用於遙感和精準農業(Deng et al., 2019; Maes & Steppe, 2020; Messina & Modica, 108 )。 具體而言,發表文章的數量從 2013 年的 498 篇增加到 2018 年的 1,275 篇,並在 2020 年達到峰值 935 篇。2021 年 XNUMX 月至 XNUMX 月中旬共發表了 XNUMX 篇文章。隨後,我們選擇將分析更多地集中在成長期因為這一時期反映了農業無人機的最新和重要的微妙之處。
關鍵詞分析
作者為出版物選擇的關鍵詞對論文的表現方式以及在科學界的交流方式具有至關重要的影響。 他們確定了研究的關鍵主題並確定其發展或失敗的潛力(Day & Gastel, 1998.; Kim et al., 2016; Uddin et al., 2015)。 關鍵詞分析是一種揭示更廣泛的研究趨勢和方向的工具,是指一個領域內所有相關出版物的關鍵詞的彙編(Dixit & Jakhar,2021)。 在當前的研究中,我們將聚合的關鍵詞分為兩組(即直到 2010 年和 2011-2021 年)來探索最受歡迎的主題。 通過這樣做,我們可以跟踪兩組中的關鍵關鍵字,並確保我們捕獲了所有必要的數據。 對於每組,前十個關鍵字列於表 3。我們通過合併語義相同的關鍵字來消除不一致,例如“drone”和“drones”,或者類似地,“Internet of Things”和“IoT.”。
表 3 顯示,與“無人機”和“無人機系統”相比,“無人機”是兩個時間段內使用頻率更高的關鍵詞。 此外,“遙感”、“精準農業”和“農業”在兩個時期都排名靠前。 第一期“精準農業”排名第五,第二期排名第二,這說明無人機在實現精準農業方面變得越來越重要,因為它們可以進行監控,
與其他遙感和地面系統相比,檢測和估計實踐更快、更便宜、更容易執行。 此外,他們可以在需要時噴灑精確數量的投入物(例如水或殺蟲劑)(Guo 等人,2020 年;Inoue,2020 年;Panday,Pratihast 等人,2020 年)。
最常用的關鍵字列表。
秩 | 1990-2010 | 數量 發生 | 2011-2021 | 數量 發生 |
1 | 無人空中 車輛 | 28 | 無人駕駛 飛行器 | 1628 |
2 | 遙感 | 7 | 精確 農業 | 489 |
3 | 農業 | 4 | 遙感 | 399 |
4 | 空降 | 4 | 無人駕駛飛機 | 374 |
5 | 精確 農業 | 4 | 無人駕駛 空中系統 | 271 |
6 | 無人空中 | 4 | 農業 | 177 |
7 | 高光譜 傳感器 | 3 | 深入學習 | 151 |
8 | 人工神經 網絡 | 2 | 機 學習 | 149 |
9 | 自主飛行 | 2 | 植被 Index 指數 | 142 |
10 | 咖啡 | 2 | 互聯網 事情 | 124 |
另一個有趣的特點是互補技術的存在。 在第一階段,“高光譜傳感器”和“人工神經網絡”(ANN)位列前十名。 高光譜成像通過收集大量不同波長的圖像,徹底改變了傳統成像。 這樣一來,與多光譜成像、光譜學和 RGB 圖像相比,傳感器可以同時收集更好的空間和光譜信息(Adao 等人,
2017)。 第一階段出現“ANN”,第二階段出現“深度學習”(DL)和“機器學習”(ML),這意味著大多數已發表的作品都集中在研究無人機人工智能技術的潛力——以農業為主。 儘管無人機能夠自主飛行,但它們仍然需要飛行員的參與,這意味著設備智能水平較低。 然而,由於人工智能技術的進步,這個問題可以得到解決,它可以提供更好的態勢感知和自主決策支持。 配備人工智能的無人機可以在導航過程中避免碰撞,改善土壤和作物管理(Inoue,2020 年),並減少人類的勞動和壓力(BK Sharma 等人,2019 年)。
由於其靈活性和處理大量非線性數據的能力,人工智能技術是分析無人機和其他遙感和地面系統傳輸的數據以進行預測和決策的合適方法(Ali et al., 2015;井上,2020)。 此外,第二階段“物聯網”的出現表明其在農業中的新興作用。 物聯網通過互連其他技術(包括無人機、ML、DL、WSN 和大數據)正在徹底改變農業。 實施物聯網的主要好處之一是它能夠近乎實時地高效和有效地合併各種任務(數據採集、數據分析和處理、決策和實施)(Elijah 等人,2018 年;Feng 等人。 ,2019 年;Muangprathub 等人,2019 年)。 此外,無人機被認為是捕獲計算植被活力和植被特性所需數據的有效工具(Candiago 等人,2015 年)。 圖 2a 和 2b 說明了兩個時間段的關鍵字共現網絡。
有影響力的作者
在本節中,我們確定有影響力的作者,並研究作者引文網絡如何可視化和組織當前文獻。 圖 3 顯示了引用次數最多的所有研究人員的時間疊加。 色標反映了作者引用的逐年變化。 我們使用至少 50 次引用和 XNUMX 篇出版物的閾值來檢查發表農業無人機研究的研究人員的引用結構。 在......之外
12,891 位作者中,只有 115 位符合此條件。 表 4 列出了前十位有影響力的作者,按最大引用次數排序。 Lopez-Granados F. 以 1,963 次引用位居榜首,其次是 Zarco-Tejada PJ,以 1,909 次引用。
被引用最多的作者列表。
排行 | 作者 | 參考文獻 |
1 | 洛佩茲-格拉納多斯 ´ F. | 1,963 |
2 | Zarco-Tejada PJ | 1,909 |
3 | 佩納~JM | 1,644 |
4 | 托雷斯-S´ 安切斯·J。 | 1,576 |
5 | 費雷雷斯 | 1,339 |
6 | 雷蒙迪諾 F | 1,235 |
7 | 博爾騰A | 1,160 |
8 | 巴雷斯·G | 1,155 |
9 | 伯尼·賈 | 1,132 |
10 | 德卡斯特羅艾 | 1,036 |
就個人出版物而言,Zhang 和 Kovacs(2012 年)的文章是精準農業中被引用次數最多的研究。 在此,作者回顧了無人機在精準農業中的應用。 他們的研究結果表明,需要推進平台設計、生產、圖像地理參考標準化和信息檢索工作流程,為農民提供可靠的最終產品。 此外,他們建議更強烈地讓農民參與進來,尤其是在田間規劃、圖像捕捉以及數據解釋和分析方面。 重要的是,這項研究首次展示了無人機在野外測繪、活力測繪、化學含量測量、植被脅迫監測和肥料對植物生長影響評估中的重要性。 與該技術相關的挑戰還包括高昂的成本、傳感器能力、平台穩定性和可靠性、缺乏標準化以及分析大量數據的一致程序。
引文分析
引文分析代表對文章影響的研究,儘管容易出現流動(例如,引文偏差、自引),但被認為是影響評估的標準工具之一(Osareh,1996;A. Rejeb 等,2022; Sarli 等人,2010 年)。 引文還反映了論文對特定主題的文獻貢獻的重要性和活力(R. Sharma 等,2022)。 我們進行了引文分析,以確定最有影響力的農業無人機研究並總結了內容。 表 5 列出了 1990-2010 年和 2011-2021 年期間最具影響力的 2009 篇論文。 Berni 等人的文章。 (2010)b 和 Austin (1990) 在 2010 年和 831 年被引用次數最多,分別被引用了 498 次和 2009 次。 伯尼等人。 (2009)b 展示了通過配備經濟實惠的熱和窄帶多光譜成像傳感器的直升機無人機開發定量遙感產品的潛力。 與傳統的載人機載傳感器相比,用於農業的低成本無人機系統能夠實現對作物生物物理參數的可比估計,如果不是更好的話。 可負擔的成本和操作靈活性,以及在快速周轉時間內提供的高光譜、空間和時間分辨率,使無人機適用於需要時間關鍵管理的一系列應用,包括灌溉調度和精準農業。 Berni 等人的論文。 (2010)b 被高度引用,因為它有效地將無人駕駛旋翼平台和數字和熱傳感器與農業應用所需的校準機制集成在一起。 被引用次數第二多的出版物是 Austin (XNUMX) 撰寫的一本書,他從設計、開發和部署的角度討論了無人機。 在農業領域,無人機通過作物顏色變化及早發現疾病,促進作物播種和噴灑,以及監測和驅趕畜群,從而支持作物監測。
沙利文等人的研究。 (2007), Lumme 等人。 (2008 年)和 Gokto ¨ ǧan 等人。 (2010) 完成了前 XNUMX 篇被引用次數最多的文章的列表。 這些文章說明了支持農業的基於無人機的系統的發展。 它們為各種問題提供解決方案,例如作物監測和掃描、雜草監測和管理以及決策支持。 他們還建議和討論無人機提高采樣效率和幫助農民設計準確有效的能力
種植策略。 Berni 撰寫了兩篇論文(Berni 等人,2009b;Berni 等人,2009a),強調了他對農業無人機相關研究的重大影響。 Zarco-Tejada 等人的論文。 (2014 年)是說明在樹高量化中使用低成本無人機圖像的必要性的開創性研究之一。
被引用次數最多的出版物列表。
秩 | 從1990到2010 | 從2011到2021 | ||
文件 | 引文 | 文件 | 引文 | |
1 | (伯尼等人,2009b) | 831 | (C.張和科瓦奇, 2012) | 967 |
2 | (奧斯汀,2010) | 498 | (內克斯和雷蒙迪諾, 2014) | 893 |
3 | (亨特等人,2010) | 331 | (弗洛雷亞諾和伍德, 2015) | 552 |
4 | (SR Herwitz 等人, 2004) | 285 | (Hossein Motlagh 等人, 2016) | 391 |
5 | (CCD Lelong 等人, 2008) | 272 | (Shakhatreh 等人, 2019) | 383 |
6 | (伯尼等人,2009b) | 250 | (馬等人,2017) | 373 |
7 | (Grenzdorffer ¨ 等人, 2008) | 198 | (本迪格等人,2014 年) | 360 |
8 | (Hrabar 等人,2005 年) | 175 | (Zarco-Tejada 等人, 2014) | 347 |
9 | (Y.黃等人,2009) | 129 | (廣告 ao 等人,2017) | 335 |
10 | (Schmale III 等人, 2008) | 119 | (Honkavaara 等人, 2013a) | 331 |
11 | (Abd-Elrahman 等人, 2005) | 79 | (坎迪亞戈等人,2015) | 327 |
12 | (Techy 等人,2010 年) | 69 | (向和田,2011) | 307 |
13 | (沙利文等人,2007) | 51 | (Matese 等人,2015 年) | 303 |
14 | (Lumme 等人,2008 年) | 42 | (加戈等人,2015) | 275 |
15 | (Gokto ¨ ǧan 等人,2010 年) | 40 | (Aasen 等人,2015a) | 269 |
在第二階段(2011-2021 年),Zhang 和 Kovacs(2012 年)以及 Nex 和 Remondino(2014 年)的研究導致了最常被引用的出版物。 Zhang 和 Kovacs(2012 年)認為,精準農業可以受益於實施地理空間技術和傳感器,例如地理信息系統、GPS 和遙感,以捕捉田間的變化並通過採用替代策略來處理它們。 作為精準農業的遊戲規則改變者,無人機的採用預示著遙感的新時代,簡化了空中觀測、捕獲作物生長數據、土壤條件和噴灑區域。 Zhang 和 Kovacs(2012 年)的評論具有開創性,因為它通過揭示這些設備在環境監測和精準農業中的現有用途和挑戰(例如平台和攝像頭限制、數據處理挑戰、農民參與和航空法規)提供了對無人機的見解. 第二
Nex 和 Remondino(2014 年)被引用最多的研究回顧了無人機捕捉、處理和分析地球圖像的最新技術。
他們的工作還概述了幾個無人機平台、應用程序和用例,展示了無人機圖像處理的最新進展。 在農業領域,農民可以使用無人機做出有效決策,以節省成本和時間,獲得快速準確的損失記錄,並預測可能出現的問題。 與傳統的空中平台相比,無人機可以削減運營費用並減少進入惡劣地點的危險,同時仍保持高精度潛力。 他們的論文總結了無人機的各種優勢,特別是在準確性和分辨率方面。
在 2011 年至 2021 年間其餘 2014 篇被引用次數最多的出版物中,我們注意到更多關注與無人機在成像任務中的應用相關的研究(Bendig 等人,2017 年;Ma 等人,2014 年;Zarco-Tejada 等人,2015 年) 、精準農業 (Candiago et al., 2013; Honkavaara et al., 2015a)、精準葡萄栽培 (Matese et al., 2015)、水分脅迫評估 (Gago et al., 2015) 和植被監測 (Aasen et al., XNUMX)。 , XNUMXa)。 早年,研究人員專注於
更多關於開發低成本、輕量級和精確的基於無人機的農業系統; 最近的研究更多地集中在對無人機在農業和野外測量中的應用的審查上。 總之,該分析表明,有影響力的出版物大多提供了對先前研究的評論,以評估無人機當前的科技狀況,並開發了無人機系統來支持精準農業。 有趣的是,我們沒有發現採用實證的研究
方法論或描述性案例研究,這構成了重大的知識差距,需要對該主題進行更多研究。
共被引分析
根據 Gmür (2006) 的說法,共被引分析識別出相似的出版物並將它們聚集在一起。 仔細檢查集群可以揭示出版物之間的共同研究領域。 我們調查與農業無人機有關的文獻的共同引用,以說明相關學科領域並檢測出版物的知識模式。 在這方面,Small (1973) 建議使用共引分析來研究最具影響力和開創性的研究
一個學科內。 為了將集合限制為最具開創性的文章(Goyal & Kumar,2021),我們將共同被引閾值設置為 25,這意味著必須在 25 個或更多不同出版物的參考列表中一起引用兩篇文章。 聚類也以最小聚類大小 1 進行,並且沒有任何方法將較小的聚類與較大的聚類合併。 結果,基於研究的相似性及其知識結構生成了六個集群。 表 6 顯示了每個集群中的出版物分佈。
集群 1:該集群包含 2018 份之後發布的文件。該集群中的出版物討論了無人機在支持環境監測、作物管理和雜草管理方面的作用。 例如,曼弗雷達等人。 (XNUMX 年)概述了無人機在自然農業生態系統監測中的當前研究和實施,並認為該技術為大幅加強環境監測和減少
實地觀測與常規空中和星載遙感之間的現有差距。 這可以通過提供新的能力來以負擔得起的方式改進對大區域的時間檢索和空間洞察力來實現。 無人機可以不斷感知環境並將生成的數據發送到智能、集中/分散的實體,這些實體控制傳感器以識別最終問題,例如缺乏疾病或水檢測(Padua´ et al., 2017)。 阿道〜等人。 (2017) 認為,無人機是通過捕獲與水狀況、生物量估計和活力評估相關的大量原始數據來評估植物狀況的理想選擇。 安裝在無人機上的傳感器也可以迅速部署在適當的環境條件下,以便及時捕獲遙感數據(Von Bueren 等人,2015 年)。 借助無人機,農民能夠通過從室內農業環境(例如溫室)的三維空間中幾乎任何地方獲取測量數據來開展室內農業活動,從而確保當地氣候控制和植物監測(Roldan´ et al ., 2015)。 在精度方面
農業、作物管理決策需要具有適當時空分辨率的準確、可靠的作物數據(Gebbers 和 Adamchuk,2010;Gevaert 等,2015;Maes 和 Steppe,2019)。 出於這個原因,Agüera Vega 等人。 (2015) 使用安裝在無人機上的多光譜傳感器系統在生長季節獲取向日葵作物的圖像。 同樣,黃等人。 (2009) 指出,基於無人機的遙感可以促進從收集的光譜數據中測量作物和土壤。 Verger 等人。 (2014 年)開發並測試了一種技術,用於在精準農業應用中通過無人機反射率測量來估計綠地指數 (GAI),重點關注小麥和油菜籽作物。 因此,無人機通過頻繁重訪和高空間分辨率為檢索作物狀態信息提供了新的可能性(Dong et al., 2019; Garzonio et al., 2017; H. Zheng et al., 2016)。
聚集了有關農業無人機的有影響力的出版物。
簇 | 廣泛的主題 | 參考 |
1 | 環境監測、作物 管理,雜草管理 | (廣告 AO 等人,2017 年; 阿奎拉維加 等人,2015; 德卡斯特羅等人,2018; Gomez-Cand ' on ' 等人,2014 年; YB 黃等人,2013; 卡納爾等人, 2017; 洛佩茲-格拉納多斯,´ 2011; 曼弗雷達等人,2018; P' 阿杜瓦等人, 2017; 佩納〜等人,2013; 佩雷斯-奧爾蒂斯 等人,2015; 拉斯穆森等人,2013 年, 2016; 托雷斯-S´ anchez 等人,2014 年; 托雷斯-桑切斯,“洛佩斯-格拉納多斯”,“& 佩納,~ 2015; Verger 等人,2014 年; 馮 Bueren 等人,2015 年; C.張 & 科瓦奇,2012) |
2 | 遠程表型,產量 估計,作物表面模型, 植物計數 | (Bendig 等人,2013 年、2014 年;Geipel 等人,2014; Gnadinger ¨ & 施密德哈爾特,2017; 哈格高塔實驗室 等人,2016; 霍爾曼等人,2016; 斤 等人,2017; W.李等人,2016; 麥買提江等,2017; 桑卡蘭 等人,2015; Schirrmann 等人,2016 年; 施等人,2016; 岳等人,2017; X。 周等人,2017) |
3 | 水的熱成像, 多光譜成像 | (Baluja 等人,2012 年;Berni 等人, 2009b; 伯尼等人,2009a; 坎迪亞戈 等人,2015; 加戈等人,2015; Gonzalez-Dugo 等人,2013 年,2014 年; Grenzdorffer 等人,2008 年; 哈利克 等人,2019; Matese 等人,2015 年; Ribeiro-Gomes 等人,2017 年; Santesteban 等人,2017 年; 烏託等人, 2013) |
4 | 超光譜成像,光譜 成像 | (Aasen 等人,2015a;Bareth 等人, 2015; 哈卡拉等人,2013; Honkavaara 等人,2013a; 露西爾 等人,2014; 薩里等人,2011; Suomalainen 等人,2014 年) |
5 | 3D 映射應用程序 | (Jim´enez-Brenes 等人,2017 年;Nex 和 雷蒙迪諾,2014; 薩拉米等人, 2014; 托雷斯-S´ 安切斯,洛佩茲- ´ 格拉納多斯、塞拉諾等人,2015; 扎哈維等人,2015; 扎爾科-特哈達 等人,2014) |
6 | 農業監測 | (SR Herwitz 等人,2004 年;亨特 等人,2010; CCD Lelong 等人, 2008; Primicerio 等人,2012 年; 向 & 田, 2011) |
此外,無人機對於農業中的挑戰性任務非常有用,包括雜草測繪。 這些設備捕獲的圖像已證明它們可用於田間的早期雜草檢測(de Castro 等人,2018 年;Jim´enez-Brenes 等人,2017 年;Lam 等人,2021 年;Lopez-Granados´ 等人, 2016;羅森伯格等人,2021)。 在這方面,德卡斯特羅等人。 (2018) 認為,無人機圖像和基於對象的圖像分析 (OBIA) 的融合使從業者能夠克服早季草原作物的自動化早期檢測問題,這是雜草研究向前邁出的一大步。 同樣,Pena 〜等人。 (2013) 指出,將無人機的超高空間分辨率圖像與 OBIA 程序結合使用,可以在早期玉米作物中生成雜草圖,用於規劃當季雜草控制措施的實施,一項超出衛星和傳統機載圖像能力的任務。 與圖像分類或對象檢測算法相比,語義分割技術在雜草測繪任務中更有效(J. Deng 等人,2020),從而使農民能夠在整個生長季節檢測田間條件、減輕損失並提高產量(Ramesh等人,2020)。 基於深度學習的語義分割還可以從高分辨率航空圖像中準確測量植被覆蓋(Ramesh 等人,2020;A. Zheng 等人,2022)。 儘管他們的遠程潛力
感知像素分類、語義分割技術需要大量計算和高得令人望而卻步的 GPU 內存(J. Deng 等人,2020)。
基於機器學習和無人機,P'erez-Ortiz 等人。 (2015) 提出了一種雜草繪圖方法,以在農民採用出苗後早期雜草控制時提供針對特定地點的雜草控制策略。 最後,拉斯穆森等人。 (2013 年)強調,無人機提供廉價的傳感和極大的空間分辨率靈活性。 總體而言,該集群中的出版物側重於探索無人機在支持遙感、作物監測和雜草測繪方面的潛力。 需要進一步深入研究,以進一步研究無人機在環境監測、作物管理和雜草測繪中的應用如何實現更可持續的農業(Chamuah & Singh,2019;Islam 等,2021;Popescu 等,2020;J . Su, Liu 等人,2018 年)並解決該技術在農作物保險應用中的治理問題(Basnet 和 Bang,2018 年;Chamuah 和 Singh,2019 年,2022 年;Meinen 和 Robinson,2021 年)。 研究人員應專注於使用有效的處理技術驗證無人機收集的測量結果,以提高處理數據的最終質量(Manfreda 等人,2018 年)。 此外,需要開發適當的算法來識別數字圖像中顯示雜草的像素,並在無人機雜草測繪過程中消除不相關的背景(Gaˇsparovi´c 等人,2020 年;Hamylton 等人,2020 年;H. Huang 等人。 ,2018 年,2020 年;Lopez-´ Granados 等人,2016 年)。 歡迎對在植物識別、葉子分類和疾病映射中採用語義分割技術進行進一步研究(Fuentes-Pacheco 等人,2019;Kerkech 等人,2020)。
集群 2. 該集群中的出版物側重於農業無人機的幾個方面。 與遠程表型分析相關,Sankaran 等人。 (2015 年)回顧了使用無人機進行低空、高分辨率航空成像在田間作物快速表型分析中的潛力,他們認為,與地面傳感平台相比,具有足夠傳感器的小型無人機具有幾個優勢,例如更容易進入現場、高分辨率數據、高效的數據收集、
快速評估田間生長條件,運營成本低。 然而,作者還指出,無人機在現場表型分析中的有效應用依賴於兩個基本要素,即無人機特性(例如,安全性、穩定性、定位、自主性)和傳感器特性(例如,分辨率、重量、光譜波長、場觀點)。 Haghighattalab 等人。 (2016 年)提出了一種半自動圖像處理管道,用於從無人機圖像中檢索地塊級數據並加速育種過程。 霍爾曼等人。 (2016) 開發了一個高
吞吐量現場表型系統,並強調無人機能夠收集高質量、大量、基於現場的表型數據,並且該設備對大面積和跨不同現場位置有效。
由於產量估算是非常重要的信息,尤其是在準時可用的情況下,無人機有可能提供所有現場測量並有效獲取高質量數據(Daakir 等人,2017 年;Demir 等人,2018 年) ;Enciso 等人,2019 年;Kulbacki 等人,2018 年;Pudelko 等人,2012 年)。 在這方面,Jin 等人。 (2017 年)利用無人機在非常低的高度獲得的高分辨率圖像,開發和評估了一種估算出苗期小麥植株密度的方法。 這組作者說,無人機克服了配備攝像頭的漫遊車系統的局限性,並代表了一種估算作物植物密度的非侵入性方法,使農民能夠實現田間表型分析所需的高通量,而不受土壤的流通性影響。 李等人。 (2016) 使用基於無人機的系統收集了數百張具有極高分辨率的立體圖像,以估計玉米參數,包括冠層高度和地上生物量。 最後,Yue 等人。 (2017) 發現從無人機確定的作物高度可以增強地上生物量 (AGB) 估計。
監測作物生長的一種方法是開發作物表面模型(Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021)。 幾項研究強調了從無人機拍攝的圖像捕捉植物高度並監測其生長的可行性。 例如,本迪格等人。 (2013) 描述了使用無人機開發具有小於 0.05 m 的高分辨率的多時相作物表面模型。 他們的目的是檢測作物
生長變異性及其對作物處理、栽培品種和脅迫的依賴性。 本迪格等人。 (2014) 使用無人機根據從作物表面模型中提取的植物高度估計新鮮和乾燥的生物量,發現與機載平台和地面激光掃描不同,無人機的高分辨率圖像可以顯著提高不同生長的植物高度建模的準確性階段。 同樣,Geipel 等人。 (2014) 在他們的研究中使用無人機來獲取圖像
對早到中三個不同生長階段的玉米產量預測數據集進行了研究,得出結論認為,基於航拍圖像和作物表面模型的光譜和空間建模相結合是預測中季玉米產量的合適方法。 最後,Gnadinger 和 Schmidhalter(2017 年)研究了無人機在精確表型分析中的效用,並強調使用該技術可以加強農場管理,並為育種和農藝目的進行田間試驗。 總體而言,我們觀察到集群 2 中的出版物側重於無人機在遠程
表型、產量估計、作物表面建模和植物計數。 未來的研究可以通過開發新的遠程表型分析方法來深入挖掘,這些方法可以自動化和優化遙感數據的處理(Barabaschi 等人,2016;Liebisch 等人,2015;Mochida 等人,2015;S. Zhou 等人) ., 2021)。 此外,安裝在無人機上的物聯網傳感器的性能以及成本、人工和產量估算精度之間的權衡需要在
未來(Ju & Son,2018a,2018b;Xie & Yang,2020;Yue et al.,2018)。 最終,需要開發高效的圖像處理方法,以生成可靠的信息,最大限度地提高農業生產效率,並最大限度地減少農民的人工計數工作(RU Khan 等人,2021;Koh 等人,2021;Lin & 郭,2020;C. Zhang 等人,2020)。
集群 3. 該集群中的出版物討論了無人機平台上使用的用於農業資源遙感的不同類型的成像系統。 在這方面,熱成像允許監測表面溫度以防止作物受損並及早發現乾旱脅迫(Awais 等人,2022;García-Tejero 等人,2018;Sankaran 等人,2015;Santesteban 等人, 2017 年;Yeom,2021 年)。 Baluja 等人。 (2012) 斷言,在船上使用多光譜和熱像儀
無人機使研究人員能夠獲得高分辨率圖像並評估藤蔓水分狀況。 這對於使用遙感數據開發新的水資源調度模型可能很有用(Baluja 等人,2012 年)。 由於
無人機的負載能力有限,Ribeiro-Gomes 等人。 (2017 年)考慮將非製冷熱像儀集成到無人機中,以確定植物中的水分壓力,這使得這種類型的無人機比傳統的基於衛星的遙感和配備製冷熱像儀的無人機更高效和可行。 根據作者的說法,非製冷熱像儀比製冷相機更輕,需要適當的校準。 岡薩雷斯-杜戈等人。 (2014 年)表明,熱圖像有效地生成了作物水分脅迫指數的空間圖,用於評估水分狀況和量化柑橘園之間和內部的水分脅迫。 岡薩雷斯-杜戈等人。 (2013) 和 Santesteban 等人。 (2017 年)研究了使用高分辨率無人機熱成像來估計商業果園和葡萄園的水狀況變化。
與傳統的 RGB(紅色、綠色和藍色)圖像相比,多光譜成像可以提供大量數據(Ad~ao 等人,2017;Navia 等人,2016)。 這種光譜數據以及空間數據有助於分類、映射、預測、預測和檢測目的(Berni 等人,2009b)。 根據 Candiago 等人的說法。 (2015 年),基於無人機的多光譜成像可以作為可靠和高效的資源,為作物評估和精準農業做出巨大貢獻。 還,
哈利克等人。 (2019)對衛星和基於無人機的多光譜成像進行了比較。 基於無人機的圖像可以更精確地描述葡萄園的變異性以及用於表示作物冠層的活力圖。 簡而言之,該集群中的文章討論了將熱成像和多光譜成像傳感器整合到農業無人機中。 因此,需要更多的研究來了解熱成像和多光譜成像如何與人工智能相結合
檢測植物脅迫的技術(例如深度學習)(Ampatzidis 等人,2020;Ampatzidis 和 Partel,2019;Jung 等人,2021;Santesteban 等人,2017;Syeda 等人,2021)。 這些見解將有助於確保更有效、更準確地檢測和監測植物生長、脅迫和物候(Buters 等人,2019 年;Cao 等人,2020 年;Neupane 和 BaysalGurel,2021 年;L. Zhou 等人, 2020)。
集群 4。該集群由七篇論文組成,圍繞光譜成像和高光譜成像在支持農業實踐中的關鍵作用展開。 高光譜成像已成為一種能夠對地球系統進行定量評估的遙感方法(Schaepman 等人,2009 年)。更準確地說,它能夠識別地表物質,量化(相對)濃度,以及表面成分比例的分配
在混合像素內(Kirsch 等人,2018;Zhao 等人,2022)。 換句話說,高光譜系統提供的更高光譜分辨率能夠更準確地估計各種參數,例如素食特性或葉片含水量(Suomalainen 等人,2014 年)。 該集群中的研究人員研究了此類系統的各個方面。 其中,Aasen 等人。 (2015b)提供了一種從輕量級獲取三維高光譜信息的獨特方法
無人機上用於植被監測的快照相機。 露西爾等人。 (2014 年)討論了新型高光譜 UAS 的設計、開發和空中操作,以及用它收集的圖像數據的校準、分析和解釋。 最後,Honkavaara 等人。 (2013b) 為基於 FabryPerot 干涉儀的光譜圖像開發了一種綜合處理方法,並展示了其在精準農業生物量估計程序中的應用。 當前集群的潛在未來路徑包括強調傳感器技術的技術改進需求(Aasen 等,2015b)以及整合和增強互補技術的需求,特別是大數據和分析(Ang & Seng,2021;Radoglou -Grammatikis 等人,2020 年;Shakoor 等人,2019 年)。 後者主要源於智能農業中實施的各種傳感器產生的不斷增長的數據(C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021)。
集群 5。該集群中的出版物檢查了基於無人機的 3Dmapping 應用程序。 使用無人機進行 3D 測繪可以減輕複雜的實地工作並大大提高效率(Torres-Sanchez 等,2015)。 集群中的五篇文章主要關注植物監控應用。 例如,為了獲得有關樹冠面積、樹高和樹冠體積的 2015D 數據,Torres-Sanchez 等人。 (2014) 使用無人機技術生成數字表面模型,然後使用基於對象的圖像分析 (OBIA) 方法。 此外,Zarco-Tejada 等人。 (2017)通過集成無人機技術和三維照片重建方法量化樹高。 Jim´enez-Brenes Lopez-Granados, ´ De Castro 等人。 (3 年)通過將無人機技術與先進的 OBIA 方法相結合,展示了一種對數十棵橄欖樹進行多時間 XNUMXD 監測的新流程。 該集群中未來工作的有趣途徑包括改善當前
用於數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),以及照片重建或開發新方法 (Díaz-Varela et al., 2015; Torres-S´ anchez et al., 2015)。
集群 6。該集群討論了無人機在農業監控中的作用。 無人機可以補充和克服衛星和飛機成像的缺點。 例如,它們可以以更少的燃料或駕駛挑戰提供高分辨率的近實時成像,從而實現持續的實時監視和決策改進(S. Herwitz 等,2004)。 無人機的另一個關鍵貢獻是它們能夠為精準農業或特定地點農業提供特定地點的數據,因為它們的高分辨率、有關各種參數的詳細數據使農民能夠將土地分成均勻的部分並進行相應的處理(Hunt et al. , 2010 年;CC Lelong 等人,2008 年;Primicerio 等人,2012 年)。 這種基於無人機的農業監測可以支持糧食安全監測和決策(SR Herwitz 等,2004)。 為了推進農業監測研究,不僅需要改進傳感器、無人機和其他相關技術及其通信和數據傳輸方法(Ewing 等,2020;Shuai 等,2019),還需要將無人機與各種用於優化與智能農業相關的不同任務的技術,例如監測、農業監測和決策,是一個極具潛力的研究領域(Alsamhi 等人,2021;Popescu 等人,2020;Vuran 等人,2018)。 在這方面,物聯網、WSN 和大數據提供了有趣的互補功能(van der Merwe 等人,2020)。 實施成本、成本節約、能源效率和數據安全是此類集成研究不足的領域(Masroor 等人,2021 年)。
國家和學術機構
最後一步包括調查原籍國和作者的學術隸屬關係。 通過這一分析,我們旨在更好地了解對無人機在農業中的應用做出貢獻的學者的地理分佈。 值得注意的是國家和學術機構的多樣性。 從國家角度來看,美國、中國、印度和意大利在出版物數量方面位居榜首(表 7)。 目前的
農業無人機的研究主要集中在北美和亞洲國家,主要是因為它們高度參與精準農業應用。 例如,在美國,841.9 年農業無人機市場估計為 2020 億美元,約佔全球市場份額的 30%(ReportLinker,2021)。 作為世界上最大的經濟體,中國預計將在 2.6 年達到大約 2027 億美元的市場規模。這個國家正在呼籲農業無人機克服生產力問題,實現更高的產量、減輕勞動力和減少生產投入。 然而,該技術在中國的採用也受到人口規模以及創新和改進現有作物管理實踐的需求等因素的推動。
貢獻最大的國家和大學/組織
農業無人機相關研究。
秩 | 國家 |
1 | USA |
2 | 中國 |
3 | 印度 |
4 | 意大利 |
5 | 西班牙 |
6 | 德國 |
7 | Brasil |
8 | 澳洲 |
9 | 日本 |
10 | 英國 |
秩 | 大學/組織 |
1 | 中國科學院 |
2 | 中華人民共和國農業部 |
3 | 科學調查高級委員會 |
4 | 德克薩斯A&M大學 |
5 | 中國農業大學 |
6 | 美國農業部農業研究處 |
7 | CSIC – 農業研究所 IAS |
8 | 普渡大學(Purdue University) |
9 | 國家研究委員會 |
10 | 華南農業大學 |
從大學和組織的角度來看,中國科學院在出版物數量方面位居榜首,其次是中華人民共和國農業部和Consejo Superior de Investigaciones Científicas。 中科院由作者廖曉涵、李軍代表; 韓文亭代表中華人民共和國農業部; 和 Consejo Superior de Investigaciones Científicas 的代表是 Lopez-Granados,´ F. 和 Pena, ∼ Jos´e María S.
提到。 發表論文數量最多的大學及其聯繫如圖 4 所示。此外,該列表還包括像 Consiglio Nazionale delle Ricerche 和 Consejo Superior de Investigaciones Científicas 等活躍於科學研究但不是學術機構的機構.
我們選擇的期刊種類繁多,幾乎涵蓋了所有可用數據。 如表 8 所示,Remote Sensing 以 258 篇文章位居榜首,其次是 Journal of Intelligent and Robotic Systems: Theory and Applications 以 126 篇和 Computers and Electronics in Agriculture 以 98 篇文章位居榜首。 遙感主要側重於無人機的應用和開發,而農業中的計算機和電子技術主要涵蓋農業中計算機硬件、軟件、電子和控制系統的進步。 跨領域的渠道,例如 IEEE Robotics and Automation Letters 的 87 種出版物和 IEEE Access 的 34 種出版物,也是該領域的主要渠道。 排名前 959 位的媒體貢獻了 20.40 篇文獻,約佔所有出版物的 5%。 期刊共被引分析使我們能夠檢查出版物之間的重要性和相似性。 共引分析產生三個集群,如圖 XNUMX 所示。紅色集群包括遙感、農業計算機和電子學、傳感器、
和國際遙感雜誌。 所有這些刊物都是遙感和精準農業領域享有盛譽的期刊。 綠色集群包含處理機器人技術的期刊,例如 Journal of Intelligent and Robotic Systems: Theory and Applications、IEEE Robotics and Automation Letters、IEEE Access 和 Drones。 這些網點主要發表關於自動化的論文,對農業工程師很有用。 最後一個集群由與農學和農業工程相關的期刊組成,如農學和國際農業與生物工程雜誌。
農業無人機相關研究排名前 15 的期刊。
秩 | Journal | 計數 |
1 | 遙感 | 258 |
2 | 智能與機器人系統雜誌:理論與 應用 | 126 |
3 | 農業中的計算機和電子產品 | 98 |
4 | IEEE機器人與自動化快報 | 87 |
5 | 感知器 | 73 |
6 | 國際遙感雜誌 | 42 |
7 | 精準農業 | 41 |
8 | 無人機 | 40 |
9 | 農藝學 | 34 |
10 | IEEE訪問 | 34 |
11 | 國際先進機器人系統雜誌 | 31 |
12 | 國際農業與生物工程雜誌 | 25 |
13 | PLoS ONE的 | 25 |
14 | 現場機器人學雜誌 | 23 |
15 | 生物系統工程 | 23 |
結論
總結
在本研究中,我們總結和分析了現有的農業無人機研究。 應用各種文獻計量技術,我們努力更好地了解農業無人機相關研究的知識結構。 總之,我們的評論通過識別和討論文獻中的關鍵詞,揭示知識集群,同時在無人機領域形成語義相似的社區,概述早期研究並提出未來的研究方向,提供了一些貢獻。 下面,我們概述了農業無人機發展審查的主要發現:
• 在過去十年中,整體文獻迅速增長並引起了極大關注,2012 年後文章數量的增加表明了這一點。儘管這一知識領域尚未完全成熟(Barrientos 等人,2011 年;Maes & Steppe, 2019),有幾個問題仍未得到解答。 例如,無人機在室內農業中的應用仍有待商榷(Aslan 等人,2022;Krul 等人,2021;Rold´ an 等人,2015)。 現場場景的複雜性和不同的成像環境(例如,陰影和照明)可能導致更高的光譜類內方差(Yao et al., 2019)。 即使在後期研究階段,研究人員也面臨著根據特定場景和所需圖像質量確定最佳飛行計劃的挑戰(Soares et al., 2021; Tu et al.,
2020)。
• 我們注意到,該領域已經從開發高效的無人機系統發展到在農業無人機設計中融入機器學習和深度學習等人工智能技術(Bah 等人,2018;Kitano 等人,2019;Maimaitijiang 等人。 , 2020 年;Mazzia 等人,2020 年;Tetila 等人,2020 年)。
• 農業無人機的研究主要討論了遙感技術,探討了該技術在環境監測、作物管理和雜草管理(第 1 組)以及遠程表型和產量估算(第 2 組)方面的潛力。 一系列關於農業無人機的有影響力的研究包括 Austin (2010)、Berni 等人。 (2009)a, Herwitz 等人。 (2004)、Nex 和 Remondino (2014)、Zhang 和 Kovacs (2012)。 這些研究為農業背景下的無人機相關研究奠定了概念基礎。
• 與方法相關,我們觀察到迄今為止所做的大部分研究都由系統設計、概念或基於審查的研究組成(Inoue,2020 年;Nex 和 Remondino,2014 年;P´erez-Ortiz 等人。 ,2015;姚等人,2019)。 我們還注意到在調查農業無人機方面缺乏經驗、定性和基於案例研究的方法。
• 最近,與精準農業、人工智能技術、精準葡萄栽培和水分脅迫評估相關的話題引起了廣泛關注(Espinoza 等人,2017 年;Gomez-Cand´on´ 等人,2016 年;Matese 等人,2015 年; Matese 和 Di Gennaro,2018 年、2021 年;Z. Zhou 等人,2021 年)。 仔細檢查 1990-2010 年和 2011-2021 年兩個不同時代的研究集群,揭示了該領域知識結構的進展。 從 1990 年到 2010 年這段時期構成了中心概念和無人機概念的形成,這從對無人機設計、開發和實施的討論中可以看出。 在第二個時代,研究重點擴大到先前的研究,努力綜合無人機在農業中的用例。 我們還發現了許多討論無人機在成像任務和精準農業中的應用的研究。
秩 | Journal | 計數 |
1 | 遙感 | 258 |
2 | 智能與機器人系統雜誌:理論與 | 126 |
應用 | ||
3 | 農業中的計算機和電子產品 | 98 |
4 | IEEE機器人與自動化快報 | 87 |
5 | 感知器 | 73 |
6 | 國際遙感雜誌 | 42 |
7 | 精準農業 | 41 |
8 | 無人機 | 40 |
9 | 農藝學 | 34 |
10 | IEEE訪問 | 34 |
11 | 國際先進機器人系統雜誌 | 31 |
12 | 國際農業與生物工程雜誌 | 25 |
13 | PLoS ONE的 | 25 |
14 | 現場機器人學雜誌 | 23 |
15 | 生物系統工程 | 22 |
啟示
我們的文獻計量審查是在考慮學者、農民、農業專家、作物顧問和無人機系統設計師的情況下設計和進行的。 據作者所知,這是最早對文獻進行深入文獻計量分析的原創評論之一
無人機在農業中的應用。 我們對這一知識體系進行了全面審查,對出版物進行了引文和共引分析。 我們試圖描述無人機研究的知識結構也為學術界提供了新的見解。 仔細回顧隨著時間的推移使用的關鍵詞,揭示了無人機相關文獻中的熱點和重點研究領域。 此外,我們提供了一份引用最多的研究列表,以確定該領域完成的最具影響力的研究工作。 因此,文章和關鍵詞的識別可以為揭示未來研究的幾種途徑提供一個堅實的起點。
重要的是,我們揭示了對可比作品進行分類的集群並詳細說明了結果。 分類在集群中的研究有助於理解無人機研究的知識結構。 值得注意的是,我們發現缺乏調查無人機採用因素的研究
和農業活動中的障礙(見表 9)。 未來的研究人員可以通過評估無人機在不同農業活動和氣候條件下的採用因素的實證調查來解決這一潛在差距。 此外,基於案例研究的關於無人機有效性的研究應以現場的真實數據為後盾。 此外,讓農民和管理人員參與學術研究將有利於無人機研究的理論和實踐進步。 我們還能夠確定最傑出的研究人員及其貢獻,這很有價值,因為了解最近的開創性作品可以為未來的學術努力提供一些指導。
表9
無人機採用障礙。
障礙 | 產品描述 |
數據安全 | 網絡安全是實施的主要挑戰 物聯網解決方案(Masroor 等人,2021 年)。 |
互操作性和 積分 | 無人機、WSN、物聯網等多種技術。 應集成並傳輸數據 提高複雜度(Alsamhi 等人,2021; 波佩斯庫等人,2020; Vuran 等人,2018 年)。 |
實施費用 | 這尤其適用於小農和 融合各種尖端技術( Masroor 等人,2021 年)。 |
勞動知識與 專門知識 | 操作無人機需要熟練的無人機飛行員。 此外,實施各種尖端 技術需要熟練的工人(YB Huang 等人,2013; Tsouros 等人,2019)。 |
發動機功率和飛行 為期 | 無人機不能長時間操作和掩護 大區域(Hardin & Hardin,2010;Laliberte 等人, 2007)。 |
穩定性、可靠性和 可操作性 | 在惡劣的天氣條件下無人機不穩定 (Hardin 和 Hardin,2010 年;Laliberte 等人,2007 年)。 |
有效載荷限制和 傳感器質量 | 無人機只能承載有限的負載導致 加載較低質量傳感器的能力(Nebiker 等人,2008 年)。 |
規 | 由於無人機也可能很危險,因此有嚴重的 某些領域的法規(Hardin & Jensen,2011; 拉利伯特和蘭戈,2011)。 |
農民的知識和 興趣 | 與其他尖端技術一樣,無人機的 成功的實施需要專業知識,還 伴隨著不確定性(Fisher et al., 2009; 蘭伯特等人,2004; 斯塔福德,2000)。 |
由於不斷需要有效地利用可用資源來最大限度地提高產量,農民可以利用無人機來確保快速、準確和經濟高效地掃描他們的田地。 該技術可以幫助農民確定他們的作物狀況並評估水分狀況、成熟階段、蟲害和營養需求。 無人機的遙感能力可以為農民提供關鍵數據,以便及早預測問題並及時採取適當的干預措施。 但是,只有正確解決挑戰,才能實現該技術的好處。 鑑於
當前關於數據安全、傳感器技術問題(例如,測量的可靠性或準確性)、集成的複雜性和大量實施成本的問題,未來的研究還必須檢查集成農業無人機和其他切割的技術、經濟和操作可行性邊緣技術。
限制
我們的研究有一些局限性。 首先,調查結果取決於最終分析所選擇的出版物。 捕獲與農業無人機相關的所有相關研究,尤其是那些未在 Scopus 數據庫中索引的研究是具有挑戰性的。 此外,數據收集過程僅限於搜索關鍵字的設置,這可能不具有包容性並導致不確定的結果。 因此,未來的研究需要更多地關注數據收集的潛在問題,以使
更可靠的結論。 另一個限制涉及引用次數較少的新出版物。 文獻計量分析偏向於較早的出版物,因為它們多年來傾向於獲得更多的引用。 最近的研究需要一定的時間才能引起關注和積累引用。 因此,最近帶來範式轉變的研究不會進入十大有影響力的作品。 這種限制在審查快速新興的研究領域(如農業無人機)時很普遍。 由於我們諮詢了 Scopus 來研究這項工作的文獻,未來的研究人員可以考慮不同的
Web of Science 和 IEEE Xplore 等數據庫,以擴大視野並增強研究結構。
潛在的文獻計量研究可能會考慮其他重要的知識來源,如會議論文、章節和書籍,以產生新穎的見解。 儘管繪製和調查了有關農業無人機的全球出版物,但我們的研究結果並未揭示大學學術成果背後的原因。 這為一個新的研究領域鋪平了道路,定性地解釋了為什麼一些大學在農業研究方面比其他大學更有生產力
無人機。 此外,正如幾位研究人員所指出的那樣,未來的研究可以深入了解無人機在環境監測、作物管理和雜草測繪等多種方式上提高農業可持續性的潛力(Chamuah 和 Singh,2019 年;Islam 等人,2021 年; Popescu 等人,2020;J. Su、Liu 等人,2018b)。 由於所選論文數量眾多,無法進行文本分析,因此需要係統的文獻綜述來檢查
使用的研究方法和農民參與先前的研究。 簡而言之,我們對無人機研究的分析揭示了這個知識體系的無形聯繫。 因此,本綜述有助於揭示出版物之間的關係並探索研究領域的知識結構。 它還描述了文獻各個方面之間的聯繫,例如作者的關鍵詞、隸屬關係和國家。
競爭利益聲明
作者聲明他們沒有已知的競爭性經濟利益或個人關係可能會影響本文報告的工作。
附錄1。
TITLE-ABS-KEY (((drone* OR “無人駕駛飛行器” OR uav* OR “無人駕駛飛機系統” 或者 uas 或“遙控飛機”)和(農業或農業或農業或農民))) AND (不包括 (PUBYEAR, 2022)) AND (LIMIT-TO (LANGUAGE, “English”))。
參考
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015。使用輕型無人機快照相機生成 3D 高光譜信息用於植被監測:來自
相機校準以保證質量。 ISPRS J. 攝影。 遙感 108、245–259。 https://doi.org/10.1016/j.isprsjprs.2015.08.002。
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005。開髮用於從無人駕駛飛行器圖像中自動檢測鳥類的模式識別算法。
民意調查。 土地通知。 科學。 65 (1), 37–45。
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021。農業中的無線傳感器網絡:來自文獻計量分析的見解。 可持續發展 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M.,高分辨率光學圖像中陰影檢測不同方法的評估和陰影對計算的影響評估NDVI 和蒸散量。 灌溉。 科學。 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。高光譜成像:基於無人機的傳感器、數據綜述加工和
農業和林業的應用。 遙感 9 (11)。 https://doi.org/10.3390/rs9111110。
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015。使用無人機監測向日葵作物的多時相成像。 生物系統。 英。
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017。從無人機生成準確的數字高程模型獲取低百分比重疊圖像。 詮釋。
J. 遙感 38 (8-10), 3113-3134。 https://doi.org/10.1080/01431161.2017.1285085。
Ali, I.、Greifeneder, F.、Stamenkovic, J.、Neumann, M.、Notarnicola, C.,2015 年。從遙感數據中檢索生物量和土壤水分的機器學習方法回顧。 遙感 7 (12), 16398–16421。
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M.,在 B5G 網絡中使用無人機的綠色物聯網:應用回顧
和策略。 廣告。 特設。 網絡。 117、102505 https://doi.org/10.1016/j。 adhoc.2021.102505。
Al-Thani, N.、Albuainain, A.、Alnaimi, F.、Zorba, N.,2020 年。用於監測綿羊牲畜的無人機。 在:第 20 屆 IEEE 地中海電工會議。 https://doi.
org/10.1109/MELECON48756.2020.9140588。
Ampatzidis, Y., Partel, V., 2019。利用多光譜成像和人工智能對柑橘進行基於無人機的高通量表型分析。 遙感 11 (4),https://doi.org/10.3390/rs11040410。
Ampatzidis, Y., Partel, V., Costa, L., 2020。Agroview:基於雲的應用程序,用於處理、分析和可視化無人機收集的數據,用於利用人工智能的精準農業應用。 計算。 電子。 農業。 174, 105457 https://doi. org/10.1016/j.compag.2020.105457。
Ang, K.-L.-M., Seng, JKP, 2021。農業高光譜信息的大數據和機器學習。 IEEE 訪問 9, 36699–36718。 https://doi.org/10.1109/
訪問.2021.3051196。
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022。回顧:基於牧場的畜牧系統中的精準畜牧養殖技術。 動物 16 (1),https://doi.org/10.1016/j.animal.2021.100429。
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, ´ D., Mejia-Aguirre, C., 先進信息和通信技術趨勢
提高農業生產力:文獻計量分析。 農學 10 (12),第 12 條。https://doi.org/10.3390/agronomy10121989。
Armstrong, I.、Pirrone-Brusse, M.、Smith, A.、Jadud, M.,2011 年。飛行鱷魚:朝向 occam-π 中的空中機器人技術。 交流。 流程架構師。 2011,329–340。 https://doi. org/10.3233/978-1-60750-774-1-329。
Arora, SD, Chakraborty, A., 2021。消費者投訴行為 (CCB) 研究的智力結構:文獻計量分析。 J.商業資源。 122, 60–74。
Aslan, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022。
對無人機在開闊田地和溫室中進行精準農業的最新研究的綜合調查。 應用程序。 科學。 12 (3), 1047. https://doi.org/10.3390/
app12031047。
Atkinson, JA, Jackson, RJ, Bentley, AR, Ober, E., & Wells, DM (2018)。 未來的現場表型分析。 在在線年度植物評論中(第 719-736 頁)。 約翰
Wiley & Sons, Ltd. doi: 10.1002/9781119312994.apr0651。
Austin, R.,2010 年。無人機系統:無人機設計、開發和部署。 在:無人機系統:無人機設計、開發和
部署。 約翰威利父子。 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。基於無人機的植物脅迫遙感想像使用高分辨率熱傳感器進行數字農業實踐:元綜述。 詮釋。 J. 環境。 科學。 技術。 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. 智慧農業:機遇、挑戰
和技術推動者。 2018 年物聯網垂直和。 農業專題峰會-托斯卡納(IOT 托斯卡納)1-6。 https://doi.org/10.1109/IOTTUSCANY.2018.8373043。
Bah, MD, Hafiane, A., Canals, R., 2018。使用無監督數據標記進行深度學習,用於無人機圖像中線狀作物的雜草檢測。 遙感 10 (11), 1690。
https://doi.org/10.3390/rs10111690.
Baldi, S.,1998 年。引文分配中的規範與社會建構主義過程:網絡分析模型。 是。 社會。 修訂版 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。通過熱和多光譜評估葡萄園水狀況變化
使用無人駕駛飛行器 (UAV) 的圖像。 灌溉。 科學。 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.,下一代育種。 植物科學。 第 242 頁,第 3-13 頁。 https://doi.org/10.1016/j。
植物ci.2015.07.010。
Barbedo, JGA, Koenigkan, LV, 2018。關於使用無人機系統監測牛的觀點。 展望農業。 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, ¨ J., 2015。低重量和基於無人機的高光譜全畫幅相機
用於監測作物:與便攜式光譜輻射計測量的光譜比較。 攝影測量,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.,農業航空遙感:區域覆蓋的實用方法
小型空中機器人艦隊的路徑規劃。 J.現場搶。 28 (5), 667–689。 https://doi.org/10.1002/rob.20403。
Basiri, A.、Mariani, V.、Silano, G.、Aatif, M.、Iannelli, L.、Glielmo, L., 2022。關於多旋翼無人機路徑規划算法在精度方面的應用調查
農業。 J.導航。 75 (2), 364–383。
Basnet, B., Bang, J., 2018。知識密集型農業的最新技術:應用傳感系統和數據分析綜述。 J. Sens. 2018,1-13。
Bendig, J., Bolten, A., Bareth, G., 2013。基於無人機的多時相、超高分辨率作物表面模型成像,用於監測作物生長變異性。 攝影測量,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。使用源自無人機的 RGB 成像的作物表面模型 (CSM) 估計大麥的生物量。 遙感 6 (11), 10395–10412。
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015。結合基於無人機的作物表面植物高度楷模,
用於大麥生物量監測的可見和近紅外植被指數。 詮釋。 J.應用。 地球觀測。 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。 使用高分辨率繪製橄欖園的冠層電導率和 CWSI
熱遙感圖像。 遙感環境。 113 (11), 2380–2388。 https://doi.org/10.1016/j.rse.2009.06.018。
Berni, JA, Zarco-Tejada, PJ, Suarez, ´ L., Fereres, E., 2009b。 用於無人機植被監測的熱和窄帶多光譜遙感。 IEEE Trans。 地理科學。 遙感 47 (3), 722–738。
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019。食品安全中的物聯網:文獻回顧和文獻計量分析。 趨勢食品科學。 技術。 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。農業物聯網:設計歐洲範圍內的大規模試點。 IEEE 通訊。 麥格。 55(9),26-33。
Buters,TM,Belton,D.,Cross,AT,2019。以毫米精度跟踪單個幼苗和幼苗群落的多傳感器無人機。 無人機 3 (4), 81。
https://doi.org/10.3390/drones3040081.
Candiago, S.、Remondino, F.、De Giglio, M.、Dubbini, M.、Gattelli, M., 2015。從無人機圖像評估多光譜圖像和植被指數以用於精準農業應用。 遙感 7 (4), 4026–4047。 https://doi.org/10.3390/rs70404026。
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. 利用無人機衍生的寬動態範圍植被指數(WDRVI)監測甜菜生長指標
多光譜圖像。 計算。 電子。 農業。 171、105331 https://doi.org/10.1016/j.compag.2020.105331。
Casillas, J., Acedo, F., 2007。家族企業文學知識結構的演變:FBR 的文獻計量研究。 家族企業修訂版 20 (2), 141–162。
Cen, H., Wan, L., Zhu, J., Li, Y., Li, X., Zhu, Y., Weng, H., Wu, W., Yin, W., Xu, C.,鮑亞., 馮麗., 壽軍., 何亞., 2019. 水稻生物量動態監測
使用帶有雙圖像幀快照相機的輕型無人機進行不同的氮處理。 植物方法 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418-8。
Chamuah, A.、Singh, R.,2019 年。通過民用無人機確保印度農業的可持續性:負責任的創新視角。 SN 應用程序。 科學。 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022。負責任地治理用於印度農作物保險應用的民用無人機 (UAV) 創新。 J. 負責
技術。 9、100025 https://doi.org/10.1016/j.jrt.2022.100025。
Chen, A.、Orlov-Levin, V.、Meron, M.,2019 年。將作物冠層的高分辨率可見通道航空成像應用於精準灌溉管理。 農業。 水
管理。 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。具有機載攝影測量和單頻 GPS 定位的輕型無人機用於計量應用。 ISPRS J. 攝影。 遙感 127、115–126。 https://doi.org/10.1016/j.isprsjprs.2016.12.007。
Dawaliby, S., Aberkane, A., Bradai, A., 2020。用於自主無人機運營管理的基於區塊鏈的物聯網平台。 在:第二屆 ACM 會議記錄
MobiCom 5G 及以上無人機輔助無線通信研討會,第 31-36 頁。 https://doi.org/10.1145/3414045.3415939。
Day, RA, Gastel, B., 1998。如何撰寫和發表科學論文。 劍橋大學出版社。 de Castro, AI, Pena, ∼ JM, Torres-Sanchez, ´ J., Jim´enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados,´ F., 2020. 繪製犬齒龍的侵擾使用自動決策樹-OBIA 程序和無人機圖像覆蓋作物,以進行精準葡萄栽培。 遙感 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。一種自動隨機森林-OBIA 算法使用無人機圖像在作物行之間和行內進行早期雜草映射。 遙感 10 (2)。 https://doi.org/10.3390/rs10020285。
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018。使用源自無人機圖像的 DSM 自動測量小麥基因型的植株高度。 訴訟 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163。
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020。使用無人機進行實時雜草測繪的輕量級語義分割網絡。 應用程序。 科學。 10 (20), 7132. https://doi.org/10.3390/app10207132。
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018。基於無人機的精準農業多光譜遙感:不同相機之間的比較。 ISPRS J. 攝影。 遙感 146、124–136。
Diaz-Gonzalez, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022。用於估計土壤指標的機器學習和遙感技術——回顧。 生態。 工業 135、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 照片評估橄欖樹冠參數的高分辨率機載無人機圖像
重建:在育種試驗中的應用。 遙感 7 (4), 4213–4232。 https://doi.org/10.3390/rs70404213。
Dixit, A., Jakhar, SK, 2021。機場容量管理:回顧和文獻計量分析。 J. Air Transp. 管理。 91, 102010。
Dong, T., Shang, J., Liu, J., Qian, B., Jing, Q., Ma, B., Huffman, T., Geng, X., Sow, A., Shi, Y., Canisius, F.、Jiao, X.、Kovacs, JM、Walters, D.、Cable, J.、Wilson, J.,2019 年。
使用 RapidEye 圖像識別加拿大安大略省作物生長和產量的田間變異性。 精密農業。 20 (6), 1231–1250。 https://doi.org/10.1007/
s11119-019-09646-w。
Dutta, PK, Mitra, S., 2021。在 COVID-19 後應用農業無人機和物聯網了解食品供應鏈。 在:Choudhury, A., Biswas, A., Prateek, M.,
Chakrabarti, A.(編輯),農業信息學:使用物聯網和機器學習的自動化。 威利,第 67-87 頁。 van Eck, N., Waltman, L., 2009。軟件調查:VOSviewer,一種用於文獻計量製圖的計算機程序。 科學計量學 84 (2), 523–538。 https://doi.org/10.1007/s11192-009-0146-3。
Elijah, O., Rahman, TA, Orikumhi, I., Leow, CY, Hindia, MN, 2018。物聯網 (IoT) 和農業數據分析概述:好處和挑戰。
IEEE 物聯網 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。農藝學驗證無人機和領域
番茄品種的測量。 計算。 電子。 農業。 158、278–283。 https://doi.org/10.1016/j.compag.2019.02.011。
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017。基於高分辨率多光譜和熱遙感的水資源壓力評估
地下灌溉的葡萄藤。 遙感 9 (9), 961. https://doi.org/10.3390/rs9090961。
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020。利用高光譜遙感進行土壤分級。 遙感 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 年。在運行條件下基於無人機的多光譜表面反射率和植被指數的多尺度評估。 遙感 12 (3), 514。
Feng, X., Yan, F., Liu, X., 2019. 精準農業物聯網無線通信技術研究。 無線個人。 交流。 108(3),
1785 1802。
Ferreira, MP, Pinto, CF, Serra, FR, 2014。國際商業研究中的交易成本理論:超過三個十年的文獻計量研究。 科學計量學 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。澳大利亞東南部精準農業的進展。 I. 一種回歸方法來模擬
使用農民歷史圍場產量和歸一化差異植被指數的穀物產量空間變化。 作物牧場科學。 60 (9), 844–858。
Floreano, D., Wood, RJ, 2015。小型自主無人機的科學、技術和未來。 自然 521 (7553), 460–466。 https://doi.org/10.1038/nature14542。
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021。智能農業未來的物聯網:新興技術綜合調查。 IEEE CAA J. Autom。 中央 8 (4), 718–752。
Fuentes-Pacheco, J., Torres-Olivares, J., Roman-Rangel, E., Cervantes, S., JuarezLopez, P., Hermosillo-Valadez, J., Rendon-Mancha, ´ JM, 2019。無花果植物分割使用深度卷積編碼器-解碼器網絡從航拍圖像中提取。 遙感 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。無人機挑戰評估水資源壓力
可持續農業。 農業。 水管理。 第 153 頁,第 9-19 頁。 https://doi.org/10.1016/j。 agwat.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. 熱成像在工廠
水平以評估不足灌溉策略下杏仁樹(cv. Guara)的作物水分狀況。 農業。 水管理。 208、176–186。 https://doi.org/10.1016/j。
agwat.2018.06.002。
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017。使用小型高光譜 UAS 的表面反射率和太陽誘導熒光光譜測量。 遙感 9 (5), 472. https://doi.org/10.3390/rs9050472。 Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020。
基於無人機圖像的燕麥田雜草測繪。 計算。 電子。 農業。
Gebbers, R., Adamchuk, VI, 2010。精準農業和糧食安全。 科學 327 (5967), 828–831。 https://doi.org/10.1126/science.1183899XNUMX。
Geipel, J., Link, J., Claupein, W., 2014。基於無人機系統獲取的航拍圖像和作物表面模型的玉米產量光譜和空間組合建模。 遙感 6 (11), 10335–10355。 https://doi.org/10.3390/rs61110335。
Geng, D., Feng, Y., Zhu, Q., 2020。用戶的可持續設計:文獻回顧和文獻計量分析。 環境。 科學。 污染。 水庫。 27 (24), 29824–29836。 https://doi. org/10.1007/s11356-020-09283-1。
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015。通過結合多光譜衛星和高光譜生成光譜時間響應面
用於精準農業應用的無人機圖像。 IEEE J.塞爾。 最佳。 應用程序。 地球觀測。 遙感 8 (6), 3140–3146。 ttps://doi.org/10.1109/JSTARS.2015.2406339。
Gill, SS, Chana, I., Buyya, R., 2017。基於物聯網的農業作為雲和大數據服務:數字印度的開始。 J.組織。 和最終用戶計算。 (JOEUC) 29 (4),
1 23。
Gmür, M., 2006。共同被引分析和尋找隱形大學:方法論評估。 科學計量學 57 (1), 27–57。 https://doi.org/10.1023/
答:1023619503005。
Gnadinger, ¨ F., Schmidhalter, U., 2017。無人機 (UAV) 對玉米植物的數字計數。 遙感 9 (6)。 https://doi.org/10.3390/rs9060544。
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010。一種用於水草監測和
管理。 J.英特爾。 機器人系統:理論。 應用程序。 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。評估用於小麥精準農業的無人機 (UAV) 圖像馬賽克的準確性。 精確。 農業。 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. 無人機傳感圖像對樹木尺度水分脅迫的現場表型分析: 新見解
熱採集和校準。 精確。 農業。 17 (6), 786–800。 https://doi.org/10.1007/s11119-016-9449-6。
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014。使用作物水分脅迫指數作為柑橘園缺水指標的適用性和局限性。 農業。 為了。 隕石。 198–199、94–104。 https://doi.org/10.1016/j。 agrformet.2014.08.003。
Gonzalez-Dugo, V., Zarco-Tejada, P., Nicolas, ´ E., Nortes, PA, Alarcon, ´ JJ, Intrigliolo, DS, Fereres, E., 2013。使用高分辨率無人機熱成像
評估商業果園內五種果樹的水分狀況變化。 精確。 農業。 14 (6), 660–678。 https://doi.org/10.1007/s11119-013-9322-9。
Goyal, K., Kumar, S., 2021。金融知識:系統評價和文獻計量分析。 詮釋。 J. 消費者研究 45 (1), 80–105。 https://doi.org/10.1111/
ijcs.12605。
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008。低成本無人機在林業和農業中的攝影測量潛力。 國際攝影測量、遙感和空間信息科學檔案 – ISPRS 檔案 37, 1207–1213。 https://www.scopus.com/inward/record.uri?eid=2-s2.0-85039543258&partnerID=40&md5=b4b2d639257e8ddb5a373d15959c4e1e。
Guan,S.,Fukami,K.,Matsunaka,H.,Okami,M.,Tanaka,R.,Nakano,H.,Sakai,T.,Nakano,K.,Ohdan,H.,Takahashi,K., 2019. 評估高分辨率的相關性
NDVI與使用小型無人機的水稻和小麥作物的施肥水平和產量。 遙感 11 (2), 112。
Gundolf, K., Filser, M., 2013。管理研究和宗教:引文分析。 J. 巴士。 道德 112 (1), 177–185。
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. 空間CFD模擬與實驗驗證和時間分佈
懸停時四旋翼農業無人機的下洗氣流。 計算。 電子。 農業。 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. ,波蘭,J.,2016 年。
無人機系統在大型小麥育種苗圃高通量表型分析中的應用。 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., & Pol¨ onen, ¨I., 2013。不同光照條件下無人機的光譜成像. 在 GG Bill R.(主編),國際攝影測量、遙感和空間信息科學檔案——ISPRS 檔案(第 40 卷,第 1W2 期,第 189-194 頁)。 國際攝影測量與遙感學會。 https://www.scopus.com/inward/record.uri?eid=2-s2.0-848875632。
Hamylton, SM, Morris, RH, Carvalho, RC, Roder, N., Barlow, P., Mills, K., Wang, L. 從無人機測繪島嶼植被的評估技術
車輛 (UAV) 圖像:像素分類、視覺解釋和機器學習方法。 詮釋。 J.應用。 地球觀測。 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。通過負責任的領導在孟加拉國實現智能農業:可能性、機遇和超越。
可持續性 13 (8), 4511。
Hardin, PJ, Hardin, TJ, 2010。環境研究中的小型遙控車輛。 地理指南針 4 (9), 1297–1311。 ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x。
Hardin, PJ, Jensen, RR, 2011。環境遙感中的小型無人機:挑戰與機遇。 地理信息系統科學。 遙感 48 (1), 99–111。 https://doi.org/10.2747/1548-1603.48.1.99。
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. 農業物聯網:技術與應用,(1年第2021版)。 施普林格。
Herwitz, SR, Johnson, LF, Dunagan, SE, Higgins, RG, Sullivan, DV, Zheng, J., Lobitz, BM, Leung, JG, Gallmeyer, BA, Aoyagi, M., Slye, RE, Brass, JA, 2004 年。
無人機成像:農業監測和決策支持。 計算。 電子。 農業。 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,使用基於無人機的遙感在田間試驗中小麥株高和生長速率的高通量田間表型分析。 遙感 8 (12)。 https://doi. org/10.3390/rs8121031。
Honkavaara, E., Saari, H., Kaivosoja, J., Pol ¨ onen, ¨ I., Hakala, T., Litkey, P., M¨akynen, J., Pesonen, L., 2013。處理和評估使用輕型無人機光譜相機收集的光譜立體圖像,用於精準農業。 遙感 5 (10), 5006–5039。 https://doi.org/10.3390/rs5105006。
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016。基於低空無人機的物聯網服務:綜合調查和未來展望。 IEEE 物聯網 J. 3 (6), 899–922。 https://doi.org/10.1109/JIOT.2016.2612119。
Hrabar, S., Sukhatme, GS, Corke, P., Usher, K., Roberts, J., 2005。無人機城市峽谷的結合光流和立體導航。 在:2005 年 IEEE/RSJ
智能機器人和系統國際會議,第 3309-3316 頁。 https://doi.org/10.1109/IROS.2005.1544998。
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020。用於雲霧計算的創意物聯網農業平台。 支持。 計算。 信息。 系統。 28, 100285。
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018。無人機雜草映射的全卷積網絡(無人機)圖像。 公共科學圖書館一號 13 (4), e0196302。
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020。無人機圖像雜草映射中的深度學習與基於對象的圖像分析 (OBIA)。 詮釋。 J。
遙感 41 (9), 3446–3479。 https://doi.org/10.1080/01431161.2019.1706112。
Huang, H., Yang, A., Tang, Y., Zhuang, J., Hou, C., Tan, Z., Dananjayan, S., He, Y., Guo, Q., Luo, S., 2021. 無人機圖像在作物監測中的深度顏色校準
使用具有局部到全局注意力的語義風格轉移。 詮釋。 J.應用。 地球觀測。 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. 農業生產無人機技術發展與展望
管理。 詮釋。 J.農業。 生物學。 英。 6(3),1-10。 https://doi.org/10.3965/j。 ijabe.20130603.001。
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009。無人機平台噴霧系統的開發。 應用程序。 英。 農業。 25 (6), 803–809。
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010。從 NIR 綠藍數碼照片採集
用於作物監測的無人駕駛飛機。 遙感 2 (1), 290–305。 https://doi. org/10.3390/rs2010290。 Inoue, Y., 2020。基於衛星和無人機的作物和土壤遙感智能農業——綜述。 土壤科學。 植物營養。 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。物聯網 (IoT) 應用和通信技術綜述
基於無人機 (UAV) 的可持續智能農業。 可持續性 13 (4), 1821. https://doi.org/10.3390/su13041821。
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. 評估通過計算的高分辨率數字表面模型的準確性
PhotoScan® 和 MicMac® 在次優測量條件下。 遙感 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。量化修剪對橄欖樹結構和年度的影響通過使用基於無人機的 3D 建模來進行樹冠生長。 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。從極低空無人機圖像中估計出苗時小麥作物的植物密度。 遙感。
環境。 198、105–114。 https://doi.org/10.1016/j.rse.2017.06.007。
金波,C.,向良,C.,Han-Chi,F.,Lam,A.,2019。雲計算支持的農產品監測系統。 集群計算。 22 (4), 8929–8938。
Ju, C. 和 Son, HI 2018a。 農業遙感多無人機系統性能評價IEEE 國際機器人與自動化會議 (ICRA) 上的農業機器人視覺和行動研討會論文集,澳大利亞布里斯班,21-26。
Ju, C., Son, HI, 2018b。 用於農業應用的多無人機系統:控制、實施和評估。 電子學 7 (9), 162. https://doi.org/10.3390/
電子產品7090162。
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021。遙感和人工智能作為改善
農業生產系統的複原力。 當前。 意見。 生物技術。 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. 一種改進的作物偵察技術,將無人機輔助的多光譜作物成像納入西瓜膠狀莖枯病的常規偵察實踐中。 植物分佈。 103 (7), 1642–1650。
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018。社交媒體研究的進展:過去、現在和未來。 通知。 系統。 正面。 20
(3),531-558。
Kerkech, M., Hafiane, A., Canals, R., 2020。VddNet:基於多光譜圖像和深度圖的葡萄病害檢測網絡。 遙感 12 (20), 3305. https://doi. org/10.3390/rs12203305。
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019。葡萄園的衛星和無人機多光譜圖像比較
變異性評估。 遙感 11 (4)。 https://doi.org/10.3390/rs11040436。
Khan, PW, Byun, Y.-C., Park, N.,2020。物聯網區塊鏈使用先進的深度學習為食品工業 4.0 啟用了優化的來源系統。 傳感器 20 (10)、2990。
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F.,2021。基於圖像的植物病害檢測:從經典機器學習到深度學習之旅。 無線通訊。 移動計算。 2021 年,1-13 日。
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021。基於無人機的作物/雜草分類的新型半監督框架。 公共科學圖書館一號 16 (5), e0251008。
Khanal, S.、Fulton, J.、Shearer, S.,2017 年。熱遙感在精準農業中的當前和潛在應用概述。 計算。 電子。
農業。 第 139 頁,第 22-32 頁。 https://doi.org/10.1016/j.compag.2017.05.001。
Khanna, A.、Kaur, S.,2019 年。物聯網 (IoT) 的演變及其在精準農業領域的重大影響。 計算。 電子。 農業。 157、218–231。
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016。可持續組織的員工敬業度:使用社交網絡分析和爆發的關鍵字分析
檢測方法。 可持續性 8 (7), 631。
Kirsch, M.、Lorenz, S.、Zimmermann, R.、Tusa, L.、Mockel, ¨ R.、Hodl, ¨ P.、Booysen, R.、Khodadadzadeh, M.、Gloaguen, R., 2018。地面和無人機載
用於勘探測繪和採礦監測的高光譜和攝影測量傳感方法。 遙感 10 (9), 1366. https://doi.org/10.3390/
rs10091366。
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019。使用深度學習和無人機圖像進行玉米植物計數。 IEEE地球科學。 Remote Sens. Lett. 1-5 https://doi.org/10.1109/LGRS.2019.2930549。
Koh, JCO, Spangenberg, G., Kant, S., 2021。用於基於圖像的高通量植物表型分析的自動化機器學習。 遙感 13 (5), 858. https://
doi.org/10.3390/rs13050858。
Kovalev, IV, Voroshilova, AA, 2020。貨運無人機生態系統發展的現代技術趨勢。 J.物理。 會議。 爵士。 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068。
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021。使用帶有單目攝像頭的小型無人機進行室內牲畜和農業的視覺 SLAM:可行性研究。
無人機 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。農業自動化無人機調查從種植到
收成。 在:INES 2018 – IEEE 第 22 屆智能工程系統國際會議,第 000353-358 頁。 https://doi.org/10.1109/INES.2018.8523943。
Lagkas, T.、Argyriou, V.、Bibi, S.、Sarigiannidis, P.,2018 年。無人機物聯網框架觀點和挑戰:將無人機保護為“物”。 傳感器 18 (11), 4015。https://doi.org/10.3390/s18114015。
Laliberte, AS, Rango, A., 2011。用於分析用無人駕駛飛機在乾旱地區採集的亞分米圖像的圖像處理和分類程序
牧場。 地理信息系統科學。 遙感 48 (1), 4–23。 https://doi.org/10.2747/1548-1603.48.1.4。
Laliberte, AS, Rango, A., Herrick, JE, 2007。用於牧場測繪和監測的無人機:兩個系統的比較。 ASPRS 年會論文集。
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021。原生草原雜草測繪的開源工作流程
使用無人機:以 Rumex obtusifolius 為例。 歐元。 J.Remote Sens. 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。採用、盈利和更好地利用精準農業數據。
工作文件。 普渡大學。 https://doi.org/10.22004/ag.econ.28615。
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb´e, S., Baret, F., 2008。評估無人機圖像以定量監測小塊小麥作物。 傳感器 8 (5), 3557–3585。 https://doi.org/10.3390/s8053557。
Li, C., Niu, B., 2020. 基於大數據和物聯網的智慧農業設計。 詮釋。 J.分佈。 傳感網。 16 (5) ttps://doi.org/10.1177/1550147720917065。
Li, W., Niu, Z., Chen, H., Li, D., Wu, M., Zhao, W., 2016。使用高分辨率立體圖像遠程估計玉米冠層高度和地上生物量低成本無人機系統。 生態。 印第安納州 67、637–648。 https://doi.org/10.1016/j.ecolind.2016.03.036。
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018。農業機器學習:綜述。 傳感器 18 (8), 2674。
Liebisch, F.、Kirchgessner, N.、Schneider, D.、Walter, A.、Hund, A., 2015。使用移動多傳感器方法對玉米性狀進行遠程空中表型分析。 植物方法 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8。
Lin, Z., Guo, W., 2020。使用無人機系統圖像和深度學習的高粱穗檢測和計數。 正面。 植物科學。 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. 基於雲計算的現代生態農業物聯網監控系統。 IEEE 訪問 7, 37050–37058。
Lopez-Granados, ´ F., 2011。針對特定地點雜草管理的雜草檢測:繪圖和實時方法。 雜草水庫。 51(1),1-11。 https://doi.org/10.1111/j.1365-3180.2010.00829.x。
Lopez-Granados, ´ F., Torres-Sanchez, ´ J., De Castro, A.-I., Serrano-P´erez, A., MesasCarrascosa, F.-J., Pena, ∼ J.-M. , 2016. 使用高分辨率無人機圖像對草作物中的雜草進行基於對象的早期監測。 阿格隆。 支持。 開發。 36 (4), 1–12
Lopez-Granados, ´ F., Torres-S´ anchez, J., Serrano-P´erez, A., de Castro, AI, MesasCarrascosa, F.-J., Pena, ~ J.-M., 2016。使用無人機技術繪製向日葵早期雜草圖:除草劑處理圖對雜草閾值的變異性。 精確。 農業。 17 (2), 183–199。
Lucieer, A.、Malenovský, Z.、Veness, T.、Wallace, L., 2014。HyperUAS – 多旋翼無人機系統的成像光譜。 J.現場搶。 31(4),
571–590。 https://doi.org/10.1002/rob.21508。
Lumme, J., Karjalainen, M., Kaartinen, H., Kukko, A., Hyyppa, ¨ J., Hyypp¨ a, H., Jaakkola, A., & Kleemola, J., 2008。農作物。 在JJ
Chen J. Maas H-G. (主編),國際攝影測量、遙感和空間信息科學檔案——ISPRS 檔案(第 37 卷,第 563-566 頁)。
國際攝影測量與遙感學會。 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。基於監督對象的土地覆蓋圖像分類綜述。 ISPRS J. 攝影。 遙感130,
277–293。 https://doi.org/10.1016/j.isprsjprs.2017.06.001。
Maes, WH, Steppe, K., 2019。精準農業中無人機遙感的前景。 趨勢植物科學。 24 (2), 152–164。 https://doi.org/10.1016/j.tplants.2018.11.007。
Maimaitijiang, M., Ghulam, A., Sidike, P., Hartling, S., Maimaitiyiming, M., Peterson, K., Shavers, E., Fishman, J., Peterson, J., Kadam, S., Burken, J., Fritschi, F.,2017 年。
使用多傳感器數據融合和極限學習機的基於無人機系統 (UAS) 的大豆表型分析。 ISPRS J. 攝影。 遙感 134, 43–58。 https://doi.org/10.1016/j.isprsjprs.2017.10.011。 Maimaitijiang, M.、Sagan, V.、Sidike, P.、Daloye, AM、Erkbol, H.、Fritschi, FB, 2020。
使用衛星/無人機數據融合和機器學習進行作物監測。 遙感 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
Lima, J., Maltese, A., Frances, F., Caylor, K., Kohv, M., Perks, M., Ruiz-P´erez, G., Su, Z., Vico, G., Toth , B., 2018. 關於無人機系統的使用
環境監測。 遙感 10 (4), 641。
Marinko, RA,1998 年。論文中對女性研究期刊的引用,1989 年和 The Serials Librarian 35 (1-2), 29-44。 https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021。無人機輔助無線網絡中的資源管理:優化視角。 特設網絡。 121、102596 https://doi.org/10.1016/j.adhoc.2021.102596。
Matese, A., Di Gennaro, SF, 2018。基於多光譜、熱和 RGB 高精度圖像的多傳感器無人機平台的實際應用
葡萄栽培。 農業 8 (7), 116. https://doi.org/10.3390/agriculture8070116。
Matese, A., Di Gennaro, SF, 2021。超越傳統的 NDVI 指數作為無人機在精準葡萄栽培中主流使用的關鍵因素。 科學。 眾議員 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 . 無人機、飛機的比對
和用於精確葡萄栽培的衛星遙感平台。 遙感 7 (3), 2971–2990。 https://doi.org/10.3390/rs70302971。
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020。基於無人機和機器學習的衛星驅動植被指數細化以提高精度
農業。 傳感器 20 (9), 2530。https://doi.org/10.3390/s20092530。
McCain, KW, 1990。在知識空間中映射作者:技術概述。 J.上午。 社會黨。 信息。 科學。 41 (6), 433–443。
Meinen, BU, Robinson, DT, 2021。農業侵蝕建模:使用無人機時間序列數據評估 USLE 和 WEPP 田間尺度侵蝕估計。 環境。 模型。 軟件 137、104962。https://doi.org/10.1016/j.envsoft.2021.104962。
Melville, B., Lucieer, A., Aryal, J., 2019。使用高光譜無人機系統 (UAS) 圖像對低地原生草原群落進行分類
塔斯馬尼亞中部地區。 無人機 3 (1), 5。
Messina, G., Modica, G., 2020。無人機熱成像在精準農業中的應用:最新技術和未來研究展望。 遙感 12 (9),https://doi.org/10.3390/rs12091491。
Mishra, D.、Luo, Z.、Jiang, S.、Papadopoulos, T.、Dubey, R.,2017 年。關於大數據的書目研究:概念、趨勢和挑戰。 業務流程管理。 J. 23 (3),
555 573。
Mochida, K., Saisho, D., Hirayama, T., 2015。使用在田間條件下獲得的生命週期數據集進行作物改良。 正面。 植物科學。 6 https://doi.org/10.3389/
fpls.2015.00740。
Mogili, UM.R., Deepak, BBVL, 2018。無人機系統在精準農業中的應用回顧。 Procedia 計算機。 科學。 133, 502–509。
Moharana, S., Dutta, S., 2016。高光譜圖像中水稻葉綠素和氮含量的空間變異性。 ISPRS J. 攝影。 遙感 122, 17–29。
Muangprathub, J.、Boonnam, N.、Kajornkasirat, S.、Lekbangpong, N.、Wanichsombat, A.、
Nillaor, P.,2019 年。智能農場的物聯網和農業數據分析。 計算。 電子。 農業。 156、467–474。
Nansen, C.、Elliott, N.,2016 年。昆蟲學中的遙感和反射分析。 安努。 牧師 Entomol。 61 (1), 139–158。 https://doi.org/10.1146/annurev-ento010715-023834。
Navia, J.、Mondragon, I.、Patino, D.、Colorado, J.,2016 年。農業中的多光譜測繪:使用自主四軸飛行器無人機的地形鑲嵌。 詮釋。 會議。
無人機系統(ICUAS) 2016, 1351–1358。 https://doi.org/10.1109/ICUAS.2016.7502606。
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020。無人機物聯網 (Iodt):智能無人機的未來設想。 進階。 英特爾。 系統。 計算。 1045、563–580。 https://doi.org/10.1007/978-981-15-0029-9_45。
Nebiker, S.、Annen, A.、Scherrer, M.、Oesch, D.,2008 年。用於微型無人機的輕型多光譜傳感器——高分辨率機載遙感的機會。 詮釋。 拱。 攝影。 Remote Sens. Spat。 信息。 科學 37 (B1), 1193–1200。
Negash, L.、Kim, H.-Y.、Choi, H.-L.,2019 年。新興的無人機在農業中的應用。 於:2019第七屆機器人智能技術與國際會議
應用程序 (RiTA),第 254-257 頁。 https://doi.org/10.1109/RITAPP.2019.8932853。
Nerur, SP, Rasheed, AA, Natarajan, V., 2008。戰略管理領域的知識結構:作者共引分析。 戰略。 管理。 J. 29 (3),
319 336。
Neupane, K., Baysal-Gurel, F., 2021。使用無人機自動識別和監測植物病害:綜述。 遙感 13 (19), 3841. https://doi.org/10.3390/rs13193841。
Nex, F., Remondino, F., 2014。用於 3D 製圖應用的無人機:綜述。 應用程序。 地理信息學 6 (1), 1-15。 https://doi.org/10.1007/s12518-013-0120-x。
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020。精準農業中小型無人機的蒸散估計。 傳感器 20 (22), 6427. https://
doi.org/10.3390/s20226427。
Osareh, F.,1996 年。文獻計量學、引文分析和共同引文分析。 文獻綜述 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。農林業中的無人機、傳感器和數據處理:對實際應用的回顧。 詮釋。 J. 遙感 38 (8-10), 2349-2391。 https://doi.org/10.1080/01431161.2017.1297548。
Panday, US, Pratihast, AK, Aryal, J., Kayastha, RB, 2020。基於無人機的穀類作物數據解決方案綜述。 無人機 4 (3), 1-29。 https://doi.org/10.3390/
無人機4030041。
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020。使用圖像處理和人工神經網絡估計芝麻的油和蛋白質含量。 J.上午。 油
化學家協會97 (7), 691–702。
Pena, ∼ JM, Torres-S´anchez, J., de Castro, AI, Kelly, M., Lopez-Granados,´ F., Suarez, O.,使用基於對象的分析在早季玉米田中進行雜草測繪的
無人機 (UAV) 圖像。 公共科學圖書館一號 8 (10), e77151。
P´erez-Ortiz, M., Pena, ∼ JM, Guti´errez, PA, Torres-S´ anchez, J., Herv´ as-Martínez, C.,
Lopez-Granados, ´ F., 2015。使用無人駕駛飛行器和作物行檢測方法對向日葵作物進行雜草測繪的半監督系統。 應用程序。 軟計算。 J. 37, 533–544。 https://doi.org/10.1016/j.asoc.2015.08.027。
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021。經濟高效的物聯網設備作為精準農業中基於區塊鏈的水管理系統的可靠數據源。 計算。 電子。 農業。 180、105889。
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020。用於精準農業智能監控的先進無人機-WSN 系統。 傳感器 20 (3),https://doi.org/10.3390/s20030817。
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020。供應鏈、運輸和物流中的區塊鏈應用:對文獻的系統評價。 詮釋。 J.產品。 水庫。 58 (7), 2063–2081。
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012。一種用於精準農業的靈活無人機。
精確。 農業。 13 (4), 517–523。 https://doi.org/10.1007/s11119-012-9257-6。
Pritchard, A., 1969。統計書目或文獻計量學。 J. 文件。 25 (4), 348–349。
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012。無人駕駛飛行器 (UAV) 對試驗田和作物評估的適用性。 農業 99 (4), 431–436。
Puri, V.、Nayyar, A.、Raja, L.,2017 年。農業無人機:精準農業的現代突破。 J.統計。 管理。 系統。 20 (4), 507–518。
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020。用於精準農業的無人機應用彙編。 計算。 網絡。 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148。
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020。大數據分析和人工智能在農藝研究中的應用。 印度學家阿格隆。 65 (4), 383–395。
Raparelli, E., Bajocco, S., 2019。關於無人機在農業和林業研究中的使用的文獻計量分析。 詮釋。 J. 遙感 40 (24),
9070–9083。 https://doi.org/10.1080/01431161.2019.1569793。
Rasmussen, J.、Nielsen, J.、Garcia-Ruiz, F.、Christensen, S.、Streibig, JC、Lotz, B.,2013 年。
小型無人機系統 (UAS) 在雜草研究中的潛在用途。 雜草水庫。 53 (4), 242–248。
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., 植被指數是否來自安裝在
無人機足以可靠地評估實驗地塊? 歐元。 J.阿格隆。 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。食品供應鏈中的數字化:文獻計量審查和關鍵路線主要路徑
分析。 可持續性 14 (1), 83. https://doi.org/10.3390/su14010083。
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a。 供應鏈管理和物流無人機:審查和研究議程。 詮釋。 J. 物流師。 水庫。 應用程序。
1–24。 https://doi.org/10.1080/13675567.2021.1981273。
Rejeb, A.、Rejeb, K.、Simske, S.、Treiblmaier, H.,2021b。 物流和供應鏈管理中的區塊鏈技術:文獻計量審查。 物流 5 (4), 72。
https://doi.org/10.3390/logistics5040072.
Rejeb, A.、Rejeb, K.、Simske, S.、Treiblmaier, H.,2021c。 人道主義無人機:審查和研究議程。 物聯網 16, 100434. https://doi.org/10.1016/j。
物聯網.2021.100434。
Rejeb, A., Treiblmaier, H., Rejeb, K., Zailani, S., 2021d。 醫療保健中的區塊鏈研究:文獻計量回顧和當前研究趨勢。 J.數據,Inf。 和
管理。 3 (2), 109–124。
Rejeb, A.、Simske, S.、Rejeb, K.、Treiblmaier, H.、Zailani, S.,2020 年。供應鏈管理和物流中的物聯網研究:文獻計量分析。 互聯網
事物 12, 100318。
ReportLinker,2021 年。全球農業無人機市場到今年將達到 15.2 億美元 GlobeNewswire 新聞室。 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。非製冷熱像儀校準和優化
無人機在農業中的應用的攝影測量過程。 傳感器(瑞士)17(10)。 https://doi.org/10.3390/s17102173。
Rivera, MA, Pizam, A.,2015 年。酒店研究進展:“從 Rodney Dangerfield 到 Aretha Franklin”。 詮釋。 J.當代。 醫院。 管理。 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。用於測量溫室環境變量的基於微型無人機的傳感系統。 傳感器 15 (2), 3334–3350。 https://doi.org/10.3390/s150203334。
Rozenberg, G., Kent, R., Blank, L., 2021。消費級無人機用於檢測和分析商業洋蔥田中晚季雜草的空間分佈模式。 精確。 農業。 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. 無人駕駛用於森林和農業應用的飛行器 (UAV) 操作的光譜相機系統。 繼續。 SPIE——詮釋。 社會黨。 選擇。 英。 8174 https://doi.org/10.1117/12.897585。
Sah, B.、Gupta, R.、Bani-Hani, D.,2021 年。實施無人機物流的障礙分析。 詮釋。 J. 物流師。 水庫。 應用程序。 24 (6), 531–550。 https://doi.org/10.1080/
13675567.2020.1782862.
Saha, AK, Saha, J., Ray, R., Sircar, S., Dutta, S., Chattopadhyay, SP, & Saha, HN, 基於物聯網的無人機,用於提高農田作物質量。 在上海
N. Chakrabarti S.(主編),2018 年 IEEE 第 8 屆年度計算和通信研討會和會議,CCWC 2018(2018 年至 612 月卷,第 615-XNUMX 頁)。 研究所
電氣和電子工程師公司 doi:10.1109/CCWC.2018.8301662。
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM:一種用於精準農業的新型高效 LED 通信。 IEEE 會議。 信息。 交流。 技術。 2019 年,1-5。 https://doi.org/10.1109/CICT48419.2019.9066177。
Salamí, E., Barrado, C., Pastor, E., 2014。無人機飛行實驗應用於植被區的遙感。 遙感 6 (11), 11051–11081。 https://doi.org/10.3390/rs61111051。
Sankaran, S., Khot, LR, Espinoza, CZ, Jarolmasjed, S., Sathuvalli, VR, Vandemark, GJ, Miklas, PN, Carter, AH, Pumphrey, MO, Knowles, NRN, Pavek, MJ, 2015。
用於行和大田作物表型分析的低空高分辨率航空成像系統:綜述。 歐元。 J.阿格隆。 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。基於無人機的高分辨率熱成像估計
葡萄園內植物水分狀況的瞬時和季節性變化。 農業。 水管理。 第 183 頁,第 49-59 頁。 https://doi.org/10.1016/j.agwat.2016.08.026。
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010。超越引文分析:評估研究影響的模型。 J.醫學。 圖書館協會。 : 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。地球系統科學相關的成像光譜——評估。 遙感環境。 113,S123-S137。
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016。使用低成本無人機監測冬小麥作物的農藝參數
意象。 遙感 8 (9)。 https://doi.org/10.3390/rs8090706。
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008。用於上述精確空氣生物採樣的自主無人機的開發和應用
農田。 J.現場搶。 25 (3), 133–147。 https://doi.org/10.1002/rob.20232。
沙德林,D.,門什奇科夫,A.,索莫夫,A.,博爾內曼,G.,豪斯拉格,J.,費多羅夫,M.,
通過人工智能的嵌入式傳感實現精準農業。 IEEE Trans。 儀表。 測量。 69 (7), 4103–4113。
Shakhatreh, H., Sawalmeh, AH, Al-Fuqaha, A., Dou, Z., Almaita, E., Khalil, I.,
Othman, NS, Khreishah, A., Guizani, M., 2019。無人駕駛飛行器 (UAV):關於民用應用和關鍵研究挑戰的調查。 IEEE 訪問 7,
48572-48634。 https://doi.org/10.1109/ACCESS.2019.2909530。
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019。大數據驅動農業:植物育種、基因組學和遙感應用中的大數據分析
提高作物生產力的技術。 植物表型組 J. 2 (1), 1-8。
Sharma, BK, Chandra, G., Mishra, VP, 2019。無人機和人工智能在法醫調查中的比較分析和影響。 在: 訴訟 - 2019 友好國際
人工智能會議。 https://doi.org/10.1109/AICAI.2019.8701407。
Sharma, R.、Shishodia, A.、Gunasekaran, A.、Min, H.、Munim, ZH, 2022。人工智能在供應鏈管理中的作用:繪製區域圖。 詮釋。 J。
產品。 水庫。 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.,麥卡欽,BF,
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016。用於高通量表型分析和農藝研究的無人機。 公共科學圖書館一號
11 (7), e0159781。
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019。使用無人機捕捉跨產量穩定區的玉米林分異質性
車輛(無人機)。 傳感器 19 (20), 4446。https://doi.org/10.3390/s19204446。
Small, H.,1973 年。科學文獻中的共同被引:衡量兩份文件之間關係的新方法。 J.上午。 社會黨。 信息。 科學。 24 (4), 265–269。
Small, H., Rorvig, ME, Lunin, LF, 1999。通過引文映射可視化科學。 J.上午。 社會黨。 信息。 科學。 50 (9), 799–813。
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021。在大牧場地區通過地理定位航拍圖像在野外數牛。 計算。 電子。 農業。 189、106354 https://doi.org/10.1016/j.compag.2021.106354。
Srivastava, K., Pandey, PC, Sharma, JK, 2020。使用無人機進行精準農業應用的路線優化方法。 無人機 4 (3), 58. https://doi.org/10.3390/drones4030058。
斯塔福德,合資公司,2000 年。在 21 世紀實施精準農業。 J.農業。 英。 水庫。 76 (3), 267–275。
Su, J.、Coombes, M.、Liu, C.、Guo, L.、Chen, W.-H.,2018 年。使用無人機通過遙感影像進行小麥乾旱評估。 2018年第37屆中國控制會議(CCC)。
Su, J., Liu, C., Coombes, M., Hu, X., Wang, C., Xu, X., Li, Q., Guo, L., Chen, W.-H., 2018。從多光譜無人機航拍圖像中學習小麥黃銹病監測。
計算。 電子。 農業。 155、157–166。 https://doi.org/10.1016/j。 compag.2018.10.017。
蘇燕,王曉,2021。大數據建設智慧農業過程中的農業經濟管理創新。 可持續計算。 信息。 系統。 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579。
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007。評估無人熱紅外航空系統檢測棉花樹冠水分脅迫的靈敏度。 反式。 ASABE 50 (6), 1955–1962。
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021。基於 RGB 的植被指數、作物表面模型和基於對象的圖像分析方法的集成,用於使用無人駕駛飛行器進行甘蔗產量估算。 計算。 電子。 農業。 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。用於
無人機——第一個成果。 在:2013 年第五屆高光譜圖像和信號處理研討會:遙感進化 (WHISPERS),第 5-1 頁。 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. 輕量級高光譜
無人機測繪系統和攝影測量處理鏈。 遙感 6 (11), 11013–11030。 https://doi.org/10.3390/
rs61111013。
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021。在農業中使用圖像處理、無人機和人工智能的先進控制策略:綜述。 世界J. Eng。 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998。使用引文進行信息處理以調查期刊對會計的影響。 信息。 過程。 管理。 34 (2-3), 341-359。
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y.,2021。關於 5G 網絡及其對農業影響的調查:挑戰與機遇。 計算。
電子。 農業。 180、105895 https://doi.org/10.1016/j.compag.2020.105895。
Tantalaki, N.、Souravlas, S.、Roumeliotis, M.,2019 年。精準農業中的數據驅動決策:農業系統中大數據的興起。 J.農業。 食品信息。
20(4),344–380。
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020。使用無人機估計冬小麥的產量和株高-基於高光譜圖像。
傳感器 20 (4)、1231。
Techy, L., Schmale III, DG, Woolsey, CA, 2010。使用兩架自主無人駕駛飛行器對低層大氣中的植物病原體進行有氧生物採樣。 J.現場搶。 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。使用深度學習檢測和分類大豆害蟲
與無人機圖像。 計算。 電子。 農業。 179, 105836。
Thamm, H.-P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013。使用無人機在坦桑尼亞濕地評估農業系統——以及可持續農業的 WetSeason,並為 Terra-Sar X 數據提供基本事實。 在:ISPRS – 國際攝影測量、遙感和空間信息科學檔案,第 401-406 頁。 https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013。
Thelwall, M.,2008 年。從文獻計量學到網絡計量學。 J.信息。 科學。 34 (4), 605–621。
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ∼ JM, 2015。一種基於對象的自動無人機圖像最佳閾值方法:在草本作物中的植被檢測應用。 計算。 電子。 農業。 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。農業樹木種植園的高通量 3-D 監測無人機(UAV)技術。 公共科學圖書館一號 10 (6), e0130479。
Torres-Sanchez, ´ J., Pena, ∼ JM, de Castro, AI, Lopez-Granados, ´ F., 2014。使用無人機圖像對早季麥田植被部分進行多時相映射。 計算。 電子。 農業。 103、104-113。 https://doi.org/10.1016/j。 compag.2014.02.009。
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019。基於無人機的精準農業應用綜述。 信息(瑞士)10 (11)。 https://doi.org/10.3390/info10110349。
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020。優化無人機飛行計劃以測量園藝樹木作物結構。 ISPRS J. 攝影。
遙感 160, 83–96。 https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017。農業物聯網、最新進展和未來挑戰。 生物系統。 英。 第 164 頁,第 31-48 頁。
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A., Singh, VK, Pinto, D., Olmos, I., 2015。墨西哥計算機科學研究的科學計量製圖。 科學計量學 105 (1), 97–114。
聯合國,2019 年。2019 年世界人口前景。https://population.un.org/wpp/(訪問時間:15 年 04 月 2022 日)。
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013。通過安裝在無人機上的微型高光譜傳感器系統表徵稻田。 IEEE J.塞爾。 最佳。 應用程序。 地球觀測。
遙感 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。無人機在
農業。 進階。 阿格隆。 162,1-30。
Velusamy, P., Rajendran, S., Mahendran, RK, Naseer, S., Shafiq, M., Choi, J.-G., 2022。
精準農業中的無人機(UAV):應用和挑戰。 能源 15 (1), 217. https://doi.org/10.3390/en15010217。
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018。使用無人機對生態敏感的海洋棲息地進行繪圖和分類
車輛 (UAV) 圖像和基於對象的圖像分析 (OBIA)。 遙感 10 (9), 1331. https://doi.org/10.3390/rs10091331。
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014。小麥和油菜籽作物無人機系統的綠地指數. 遙感環境。 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。在草原上部署四個基於無人機的光學傳感器:挑戰和
限制。 生物地球科學 12 (1), 163–175。 https://doi.org/10.5194/bg-12-163-2015。
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018。精準農業中的地下物聯網:架構和技術方面。 特設網絡。 81,
160–173。 https://doi.org/10.1016/j.adhoc.2018.07.017。
Wamba, SF, Queiroz, MM, 2021。負責任的人工智能作為數字健康的秘密成分:文獻計量分析、見解和研究方向。
信息。 系統。 正面。 1-16。
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019。作物生長監測遙感研究趨勢的文獻計量分析:中國案例研究。 遙感 11 (7)。 https://doi.org/10.3390/rs11070809。
White, HD, Griffith, BC, 1981。作者合引:智力結構的文獻測量。 J.上午。 社會黨。 信息。 科學。 32 (3), 163–171。
Xiang, H., Tian, L., 2011。開發基於自主無人機 (UAV) 的低成本農業遙感系統。 生物系統。 英。 108 (2), 174–190。 https://doi.org/10.1016/j.biosystemseng.2010.11.010。
Xie, C., Yang, C., 2020。使用基於無人機的傳感器對植物高通量表型性狀的綜述。 計算。 電子。 農業。 178、105731 https://doi.org/10.1016/j。
compag.2020.105731。
Yao, H., Qin, R., Chen, X., 2019. 無人機遙感應用——綜述。 遙感 11 (12)。 https://doi.org/10.3390/
rs11121443。
Yeom, S.,2021 年。多旋翼紅外熱成像的移動人員跟踪和虛假跟踪消除。 無人機 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。使用圖像的作物參數估計比較從無人機安裝
快照高光譜傳感器和高清數碼相機。 遙感 10 (7), 1138. https://doi.org/10.3390/rs10071138。
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017。使用無人機估算冬小麥地上生物量-基於快照
高光譜傳感器和作物高度改進模型。 遙感 9 (7)。 https://doi.org/10.3390/rs9070708。
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015。使用輕型無人機監測熱帶森林的恢復情況。 生物學。
保護。 186、287–295。 https://doi.org/10.1016/j.biocon.2015.03.031。 Zamora-Izquierdo, MA, Santa, J., Martínez, JA, Martínez, V., Skarmeta, AF, 2019。
基於邊緣計算和雲計算的智慧農業物聯網平台。 生物系統。 英。 177,
4 17。
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014。使用從無人機獲取的高分辨率圖像進行樹高量化
車輛(UAV)和自動3D照片重建方法。 歐元。 J.阿格隆。 55、89-99。 https://doi.org/10.1016/j.eja.2014.01.004。
Zhang, C., Craine, WA, McGee, RJ, Vandemark, GJ, Davis, JB, Brown, J., Hulbert, SH, Sankaran, S., 2020。基於圖像的冷季作物開花強度表型分析。 傳感器 20 (5), 1450。https://doi.org/10.3390/s20051450。
Zhang, C., Kovacs, JM, 2012。小型無人機系統在精準農業中的應用:綜述。 精確。 農業。 13 (6), 693–712。 https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019。基於無人機多光譜遙感的玉米水分脅迫製圖。 遙感 11 (6), 605。
Zhang, X., Han, L., Dong, Y., Shi, Y., Huang, W., Han, L., Gonz´ alez-Moreno, P., Ma, H., Ye, H., Sobeih , T., 2019。一種基於深度學習的自動化黃銹病方法
從高分辨率高光譜無人機圖像中進行疾病檢測。 遙感 11 (13), 1554。
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022。利用高光譜成像結合小波分析檢測和判別茶樹病蟲害脅迫。 計算。 電子。 農業。 193、106717 https://doi.org/10.1016/j。 compag.2022.106717。
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022。熵引導的對抗域自適應航空圖像語義分割。 IEEE Trans。 G
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. 通過地面光譜的時間序列分析檢測水稻物候索引數據。 田間作物水庫。 198、131-139。 https://doi.org/10.1016/j.fcr.2016.08.027。
Zheng, J., Yang, W., 2018. 基於無線傳感器的精準農業漏播系統設計。 詮釋。 J. 在線英語。 14 (05), 184。
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020。使用無人機激光雷達數據分析倒伏玉米的株高變化。 農業 10 (5), 146. https://
doi.org/10.3390/agriculture10050146。
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Maize-IAS:使用深度學習進行高通量植物表型分析的玉米圖像分析軟件. 植物方法 17 (1), 48. https://doi.org/10.1186/s13007-021-00747-0。
Zhou, X., Zheng, HB, Xu, XQ, He, JY, Ge, XK, Yao, X., Cheng, T., Zhu, Y., Cao, WX, Tian, YC, 2017. 預測糧食產量水稻利用多時相植被
來自基於無人機的多光譜和數字圖像的索引。 ISPRS J. 攝影。 遙感 130、246–255。 https://doi.org/10.1016/j.isprsjprs.2017.05.003。
Zhou, Y., Xie, Y., Shao, L., 2016. 基於無線傳感器網絡的溫室監控系統核心技術仿真。 詮釋。 J. 在線英語。 12 (05),
43.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021。在精準農業中利用紅外熱成像評估作物水分脅迫:綜述
以及深度學習應用的未來前景。 計算。 電子。 農業。 182、106019 https://doi.org/10.1016/j.compag.2021.106019。