Abderahmanas Rejebas a , Alireza Abdollahi b , Karimas Rejebas c , Horstas Treiblmaieris d,
- a Vadybos ir teisės katedra, Ekonomikos fakultetas, Romos universitetas Tor Vergata, Via Columbia, 2, Roma 00133, Italija
- b Kharazmi universiteto Vadybos fakulteto Verslo administravimo katedra, 1599964511 Teheranas, Iranas
- c Bizerte mokslų fakultetas, Kartaginos universitetas, Zarzouna, 7021 Bizerte, Tunisas
- d Tarptautinės vadybos mokykla, Modul University Vienna, Am Kahlenberg 1, 1190 Viena, Austrija
STRAIPSNIO INFORMACIJA | SANTRAUKA |
Raktiniai žodžiai: Drones UAV Tikslusis žemės ūkis Daiktų internetas Bibliometrija | Dronai, dar vadinami nepilotuojamomis orlaiviais (UAV), pastaraisiais dešimtmečiais buvo nepaprasto vystymosi liudininkai. Žemės ūkyje jie pakeitė ūkininkavimo praktiką, siūlydami ūkininkams daug sutaupytų išlaidų veiklos efektyvumą ir didesnį pelningumą. Per pastaruosius dešimtmečius žemės ūkio dronų tema sulaukė nepaprasto akademinio dėmesio. Todėl atliekame išsamią bibliometrinių duomenų apžvalgą apibendrinti ir struktūrizuoti esamą akademinę literatūrą bei atskleisti dabartines tyrimų tendencijas ir židinius. Mes taikyti bibliometrinius metodus ir analizuoti literatūrą apie žemės ūkio dronus apibendrinti ir įvertinti ankstesnius tyrimus. Mūsų analizė rodo, kad nuotolinis stebėjimas, tikslusis žemės ūkis, gilus mokymasis, mašinų mokymasis ir daiktų internetas yra svarbiausios temos, susijusios su žemės ūkio dronais. Bendra citata analizė atskleidžia šešias plačias literatūros tyrimų grupes. Šis tyrimas yra vienas pirmųjų bandymų apibendrinti bepiločių orlaivių tyrimus žemės ūkyje ir pasiūlyti ateities tyrimų kryptis. |
Įvadas
Žemės ūkis yra pagrindinis pasaulio maisto šaltinis (Friha ir kt., 2021), todėl jis susidūrė su dideliais iššūkiais dėl
didėjanti maisto produktų paklausa, maisto saugos ir saugumo problemos, taip pat raginimai saugoti aplinką, išsaugoti vandenį ir
tvarumas (Inoue, 2020). Prognozuojama, kad ši raida tęsis, nes 9.7 m. pasaulio gyventojų skaičius pasieks 2050 mlrd
(2019). Kadangi žemės ūkis yra ryškiausias vandens vartojimo pavyzdys pasaulyje, tikimasi, kad maisto ir vandens paklausa
artimiausioje ateityje vartojimas smarkiai padidės. Be to, didėjantis trąšų ir pesticidų vartojimas
kartu su ūkininkavimo veiklos intensyvėjimu ateityje gali kilti aplinkosaugos problemų. Panašiai ribojama dirbama žemė, o
ūkininkų skaičius visame pasaulyje mažėja. Šie iššūkiai pabrėžia naujoviškų ir tvarių ūkininkavimo sprendimų poreikį (Elijah
ir kt., 2018 m.; Friha ir kt., 2021; Inoue, 2020; Tzounis ir kt., 2017).
Nustatyta, kad naujų technologijų įtraukimas yra perspektyvus sprendimas šiems iššūkiams spręsti. Protingas ūkininkavimas (Brewster ir kt.,
2017 m.; Tang ir kt., 2021) ir tikslusis žemės ūkis (Feng ir kt., 2019; Khanna ir Kaur, 2019) atsirado dėl tokių diskusijų. The
Pirmoji yra bendra sąvoka apie informacinių komunikacijų technologijų (IKT) ir kitų pažangiausių naujovių pritaikymą ūkininkavimo veikloje, siekiant padidinti efektyvumą ir efektyvumą (Haque ir kt., 2021). Pastarasis orientuotas į konkrečios vietos valdymą, kuriame žemė yra padalinta į
vienarūšės dalys, o kiekviena dalis gauna tikslią žemės ūkio sąnaudų kiekį derliaus optimizavimui naudojant naujas technologijas (Feng ir kt., 2019; Khanna ir Kaur, 2019). Tarp žinomų technologijų, kurios patraukė mokslininkų dėmesį šioje srityje, yra belaidžiai jutiklių tinklai (WSN) (J. Zheng ir Yang, 2018; Y. Zhou ir kt., 2016), daiktų internetas (IoT) (Gill ir kt., 2017 m.; He ir kt., 2021; Liu ir kt., 2019),
dirbtinio intelekto (AI) metodai, įskaitant mašininį mokymąsi ir gilųjį mokymąsi (Liakos ir kt., 2018; Parsaeian ir kt., 2020; Shadrin ir kt.,
2019), skaičiavimo technologijos (Hsu ir kt., 2020; Jinbo ir kt., 2019; Zamora-Izquierdo ir kt., 2019), dideli duomenys (Gill ir kt., 2017; Tantalaki
ir kt., 2019) ir blokų grandinę (PW Khan ir kt., 2020; Pincheira ir kt., 2021).
Be minėtų technologijų, nuotolinis stebėjimas buvo laikomas technologine priemone, turinčia didelį tobulėjimo potencialą
protingas ir tikslus žemės ūkis. Palydovai, žmonių įgulos orlaiviai ir dronai yra populiarios nuotolinio stebėjimo technologijos (Tsouros ir kt., 2019).
Dronai, populiariai žinomi kaip nepilotuojami orlaiviai (UAV), nepilotuojami orlaivių sistemos (UAS) ir nuotoliniu būdu pilotuojami orlaiviai.
labai svarbu, nes jie turi daug pranašumų, palyginti su kitomis nuotolinio stebėjimo technologijomis. Pavyzdžiui, dronai gali pristatyti
aukštos kokybės ir didelės raiškos vaizdai debesuotomis dienomis (Manfreda ir kt., 2018). Be to, jų prieinamumas ir perdavimo greitis yra kas kita
nauda (Radoglou-Grammatikis ir kt., 2020). Palyginti su orlaiviais, dronai yra labai ekonomiški, juos lengva nustatyti ir prižiūrėti (Tsouros ir kt., 2019). Nepaisant to, kad iš pradžių buvo daugiausia naudojami kariniais tikslais, dronai gali būti naudingi daugeliui civilinių pritaikymų, pavyzdžiui, tiekimo grandinės valdymui (A. Rejeb, Rejeb ir kt., 2021a), humanitariniais tikslais (A. Rejeb, Rejeb ir kt., 2021c), išmanusis žemės ūkis, matavimai ir žemėlapių sudarymas, kultūros paveldo dokumentacija, nelaimių valdymas ir miškų bei laukinės gamtos išsaugojimas (Panday, Pratihast ir kt., 2020). Žemės ūkyje yra daugybė bepiločių orlaivių pritaikymo sričių, nes juos galima integruoti su naujomis technologijomis, skaičiavimo galimybėmis ir integruotais jutikliais, padedančiais valdyti pasėlius (pvz., žemėlapių sudarymą, stebėjimą, drėkinimą, augalų diagnostiką) (H. Huang ir kt., 2021). , nelaimių mažinimas, išankstinio įspėjimo sistemos, laukinės gamtos ir miškų išsaugojimas (Negash ir kt., 2019). Panašiai dronai gali būti naudojami keliose žemės ūkio veiklos srityse, įskaitant pasėlių ir augimo stebėjimą, derliaus įvertinimą, vandens trūkumo vertinimą ir piktžolių, kenkėjų ir ligų aptikimą (Inoue, 2020; Panday, Pratihast ir kt., 2020). Dronai gali būti naudojami ne tik stebėjimo, įvertinimo ir aptikimo tikslais, remiantis jų jutimo duomenimis, bet ir tiksliam drėkinimui bei tiksliam piktžolių, kenkėjų ir ligų valdymui. Kitaip tariant, dronai gali purkšti vandenį ir pesticidus tiksliais kiekiais, remiantis aplinkos duomenimis. Dronų nauda žemės ūkyje apibendrinta 1 lentelėje.
Pagrindiniai dronų pranašumai žemės ūkyje.
Naudotis | Nuoroda (-os) |
Pagerinkite laiko ir erdvės pobūdį nujausdami rezoliucijas | (Gago ir kt., 2015; Niu ir kt., 2020; Srivastava et al., 2020) |
Palengvinti tiksliąją žemdirbystę | (L. Deng ir kt., 2018; Kalischuk ir kt., 2019; Maimaitijiang ir kt., 2017) |
Klasifikavimas ir paieška augalai | (Inoue, 2020; Kalischuk ir kt., 2019; Lopez-´ Granados ir kt., 2016; Maimaitijiang ir kt., 2017; Melville ir kt., 2019; Moharana ir Dutta, 2016) |
Trąšų naudojimas | (L. Deng ir kt., 2018; Guan ir kt., 2019) |
Sausros stebėjimas | (Fawcett ir kt., 2020; Panday, Pratihast ir kt., 2020 m.; Su ir kt., 2018) |
Biomasės įvertinimas | (Bendigas ir kt., 2014) |
Derliaus įvertinimas | (Inoue, 2020; Panday, Shrestha ir kt., 2020; Tao et al., 2020) |
Nelaimių mažinimas | (Negash ir kt., 2019 m.) |
Laukinės gamtos išsaugojimas ir miškininkystė | (Negash ir kt., 2019; Panday, Pratihast ir kt., 2020) |
Vandens streso įvertinimas | (Inoue, 2020; J. Su, Coombes ir kt., 2018; L. Zhang ir kt., 2019) |
Kenkėjai, piktžolės ir ligos aptikimas | (Gaˇsparovi´c ir kt., 2020; Inoue, 2020; J. Su, Liu, ir kt., 2018 m.; X. Zhang ir kt., 2019) |
Kita vertus, dronai taip pat susiduria su apribojimais. Piloto dalyvavimas, variklio galia, stabilumas ir patikimumas, jutiklių kokybė dėl naudingosios apkrovos
Tarp jų yra svorio apribojimai, įgyvendinimo išlaidos ir aviacijos reguliavimas (C. Zhang ir Kovacs, 2012). Mes lyginame trūkumus
Iš trijų 2 lentelėje pateiktų mobiliųjų nuotolinio stebėjimo technologijų. Kitos nuotolinio stebėjimo technologijos, pvz., dirvožemio jutikliai, nėra šio tyrimo objektas.
Įvairių mobiliųjų nuotolinio stebėjimo technologijų trūkumai.
Nuotolinis jutimas technologijos | Trūkumai | Nuorodos |
Dronas (UAV) | Pilotų dalyvavimas; vaizdai' kokybė (vidutinė); įgyvendinimo išlaidos (vidutinės); stabilumas, manevringumas ir patikimumas; standartizavimas; variklio galia; ribota galia šaltiniai (baterijos ilgaamžiškumas); ribota skrydžio trukmė, susidūrimas ir kibernetinės atakos; ribotas naudingo krovinio svoris; dideli duomenų rinkiniai ir ribotas duomenų apdorojimas pajėgumai; reguliavimo trūkumas; kompetencijos trūkumas, aukštas stojimo lygis kliūtys patekti į žemės ūkio dronai; | (Bacco ir kt., 2018; Dawaliby ir kt., 2020; Hardinas ir Hardinas, 2010 m.; Hardinas ir Jensen, 2011; Lagkas ir kt., 2018 m.; Laliberte ir kt., 2007; Laliberte ir Rango, 2011; Manfreda ir kt., 2018, 2018; Nebiker ir kt., 2008; Puri ir kt., 2017; Velusamy ir kt., 2022 m.; C. Zhang ir Kovacs, 2012) |
Palydovinis | Periodinė palydovinė aprėptis, ribota spektrinė skiriamoji geba; pažeidžiamumas dėl matomumo problemų (pvz., debesys); Nepasiekiamumas ir mažas perdavimo greitis; orientacija ir vinjetavimas sukelia brangius erdvinius duomenis surinkimas; lėtas duomenų pristatymas laiko galutiniams vartotojams | (Aboutalebi ir kt., 2019; Cen ir kt., 2019; Chen ir kt., 2019 m.; Nansen ir Elliott, 2016 m.; Panday, Pratihast, ir kt., 2020; Sai Vineeth et al., 2019) |
Lėktuvas | Didelės įvaikinimo išlaidos; sudėtingas nustatymas; priežiūros išlaidos; patikimo neprieinamumas lėktuvai, geometrija vaizdai; nereguliarūs duomenys įsigijimas; lankstumo trūkumas; mirtinos avarijos; jutiklio duomenys svyravimai dėl vibracijos; geografinės nuorodos problemos | (Armstrong ir kt., 2011; Atkinsonas ir kt., 2018 m.; Barbedo ir Koenigkan, 2018 m.; Kovaliovas ir Vorošilova, 2020 m.; Suomalainen ir kt., 2013 m.; Thamm ir kt., 2013) |
Kaip daugiadisciplininė ir daugiafunkcė žemės ūkio technologija, dronai buvo tiriami iš įvairių perspektyvų. Pavyzdžiui, mokslininkai nagrinėjo dronų taikymą žemės ūkyje (Kulbacki ir kt., 2018; Mogili ir Deepak, 2018), jų indėlį į tiksliąjį žemės ūkį (Puri ir kt., 2017; Tsouros ir kt., 2019), jų papildomumą su kitais. pažangiausias technologijas (Al-Thani ir kt., 2020; Dutta ir Mitra, 2021; Nayyar ir kt., 2020; Saha ir kt., 2018) ir galimybes tobulinti jų navigacijos ir jutimo galimybes (Bareth ir kt. , 2015; Suomalainen ir kt., 2014). Kadangi dronų taikymo žemės ūkyje tyrimai tapo paplitę (Khan ir kt., 2021), reikia apibendrinti išlikusią literatūrą ir atskleisti srities intelektualinę struktūrą. Be to, kadangi tai yra aukštųjų technologijų sritis, kuri nuolat tobulinama, reikia atlikti struktūrines apžvalgas, kad būtų periodiškai apibendrinama esama literatūra ir nustatomos svarbios tyrimų spragos. Į
datos, yra keletas apžvalgų, kuriose aptariamas dronų pritaikymas žemės ūkio sektoriuje. Pavyzdžiui, Mogili ir Deepak (2018) trumpai apžvelgė dronų poveikį pasėlių stebėjimui ir purškimui pesticidais. Inoue (2020) apžvelgia palydovų ir bepiločių orlaivių naudojimą nuotoliniam stebėjimui žemės ūkyje. Autorius tiria pažangaus ūkininkavimo technologinius iššūkius ir palydovų bei dronų indėlį, remdamasis atvejų tyrimais ir geriausia praktika. Tsouros ir kt. (2019) apibendrina skirtingus dronų tipus ir pagrindinius jų pritaikymus žemės ūkyje, išryškina įvairius duomenų gavimo ir apdorojimo būdus. Visai neseniai Aslan ir kt. (2022) atliko išsamią UAV taikymo žemės ūkio veikloje apžvalgą ir pabrėžė, kad šiltnamyje svarbu vienu metu lokalizuoti ir sudaryti UAV. Diaz-Gonzalez ir kt. (2022) apžvelgė naujausius pasėlių derliaus gamybos tyrimus, pagrįstus įvairiais mašininio mokymosi metodais ir nuotoliniu būdu
jutimo sistemos. Jų išvados parodė, kad UAV yra naudingi norint įvertinti dirvožemio rodiklius ir pranokti palydovines sistemas erdvine skiriamąja geba, informacijos laikinumu ir lankstumu. Basiri ir kt. (2022) išsamiai apžvelgė įvairius metodus ir metodus, kaip įveikti kelių rotorių UAV kelių planavimo iššūkius tiksliojo žemės ūkio kontekste. Be to, Awais ir kt. (2022) apibendrino UAV nuotolinio stebėjimo duomenų taikymą pasėliuose vandens būklei įvertinti ir pateikė išsamią būsimų UAV nuotolinio stebėjimo pajėgumų, susijusių su švaistymo stresu, sintezę. Galiausiai, Aquilani ir kt. (2022) apžvelgė išankstinio ūkininkavimo technologijas, taikomas ganyklose pagrįstose gyvulininkystės sistemose, ir padarė išvadą, kad nuotolinis stebėjimas, įgalintas UAV, yra naudingas vertinant biomasę ir valdant bandą.
Be to, neseniai buvo pranešta apie pastangas naudoti UAV stebint, sekant ir renkant gyvulius.
Nors šios apžvalgos suteikia naujų ir svarbių įžvalgų, literatūroje nėra išsamios ir naujausios apžvalgos, pagrįstos bibliometrija, o tai rodo aiškią žinių spragą. Be to, buvo teigiama, kad kai mokslinė produkcija auga mokslo srityje, tyrėjams tampa gyvybiškai svarbu taikyti kiekybinės apžvalgos metodus, kad suprastų srities žinių struktūrą (Rivera ir Pizam, 2015). Panašiai Ferreira ir kt. (2014) teigė, kad kai mokslinių tyrimų sritys bręsta ir tampa sudėtingos, mokslininkai turėtų stengtis retkarčiais įprasminti sukurtas ir sukauptas žinias, kad atskleistų naujus indėlius, užfiksuotų tyrimų tradicijas ir tendencijas, nustatytų, kurios temos yra tiriamos, ir įsigilinti į žinių struktūrą. sritis ir potencialios tyrimų kryptys. Nors Raparelli ir Bajocco (2019) atliko bibliometrinę analizę, kad ištirtų dronų pritaikymo žemės ūkyje ir miškininkystėje žinių sritį, jų tyrime atsižvelgiama tik į 1995–2017 m. paskelbtus mokslinius tyrimus, kurie neatspindi šios greitai besikeičiančios srities dinamikos. Be to, autoriai nesistengė nustatyti įtakingiausių indėlių šioje srityje, sugrupuoti literatūros ir įvertinti intelektualinės struktūros, taikydami kocitavimo analizę. Dėl to būtina apibendrinti literatūrą, kad būtų atskleisti dabartiniai tyrimų židiniai, tendencijos ir židiniai.
Norėdami užpildyti šią žinių spragą, pasitelkiame kiekybinę metodiką ir griežtus bibliometrinius metodus, kad ištirtume dabartinę tyrimų būklę dronų ir žemės ūkio sankirtoje. Mes teigiame, kad dabartinis tyrimas įneša keletą indėlių į esamą literatūrą, nagrinėdamas atsirandančią technologiją, kuri yra labai reikalinga žemės ūkyje, nes ji suteikia didžiulį potencialą pakeisti kelis šio sektoriaus aspektus. Žemės ūkio dronų bibliometrinės analizės poreikis jaučiamas dar labiau, atsižvelgiant į išsklaidytas ir fragmentiškas žinias apie dronus žemės ūkio kontekste. Taip pat reikalaujama, kad literatūra, susijusi su žemės ūkio dronais, būtų sistemingai sugrupuota, atsižvelgiant į įtakingiausius tyrimus, kurie kuria šios tyrimų krypties pagrindą. Analizės nuopelnas taip pat apima pagrindinių literatūroje pateikiamų tyrimų temų išaiškinimą. Atsižvelgdami į technologijos transformacinį potencialą, manome, kad nuodugni tinklo analizė suteikia naujų įžvalgų, nustatant įtakingus darbus ir atskleidžiant temas, susijusias su dronų potencialu žemės ūkyje.
Todėl siekiame šių tyrimų tikslų:
- Įtakingų leidinių, puikiai prisidėjusių prie dronų taikymo žemės ūkio srityje, nustatymas.
- Literatūros grupavimas, tyrimų židinių nustatymas ir pagrindinių „intelektinės struktūros“ studijų žemėlapių sudarymas remiantis semantiniu panašumu, taikant kocitavimo analizę.
- Supratimas apie sąsajų ir citavimo tinklų raidą laikui bėgant tarp įvairių šios srities publikacijų ir būsimų tyrimų krypčių bei aktualių temų nustatymas.
Likusi straipsnio struktūra yra tokia: 2 skyriuje aprašoma metodika ir duomenų rinkimo žingsniai; 3 skirsnyje pateikiami analizių rezultatai; o 4 skirsnyje aptariamos išvados ir baigiamos tyrimų indėlis, pasekmės ir ateities kryptys.
Metodika
Šiame dabartiniame tyrimo tyrime atliekame bibliometrinę analizę, kad ištirtume dronų taikymą žemės ūkyje. Šis kiekybinis požiūris atskleidžia intelektualinę žinių srities struktūrą (Arora ir Chakraborty, 2021) ir esamą statusą, aktualias temas ir ateities tyrimų kryptis, kurias galima ištirti taikant šį metodą (Kapoor ir kt., 2018; Mishra et al. , 2017; A. Rejeb, Rejeb ir kt., 2021b; A. Rejeb ir kt., 2021d; MA Rejeb ir kt., 2020). Paprastai bibliometrinė analizė tiria išlikusią literatūrą, kad apibendrintų ir atskleistų paslėptus rašytinės komunikacijos modelius ir disciplinos raidą, pagrįstą statistika ir matematiniais metodais, ir ji taikoma dideliems duomenų rinkiniams (Pritchard, 1969; Small, 1999; Tahai ir Rigsby). , 1998). Naudodami bibliometriją, siekiame geriau suprasti esamas paradigmas ir tyrimų centrus, kurie prisideda prie panašumo pagrįstos srities (Thelwall, 2008). Bibliometrija suteikia naujų įžvalgų, paremtų objektyviu kiekybiniu metodologijos stiprumu (Casillas & Acedo, 2007). Daugybė mokslininkų anksčiau yra atlikę bibliometrinius tyrimus susijusiose srityse, įskaitant žemės ūkį, nuotolinį stebėjimą ir skaitmeninę transformaciją (Armenta-Medina ir kt., 2020; Bouzembrak ir kt., 2019; A. Rejeb, Treiblmaier ir kt., 2021; Wamba & Queiroz, 2021; Wang ir kt., 2019).
Citavimo analizė
Citatų analizė atskleidžia įvairias įžvalgas apie tam tikrą tyrimo sritį. Visų pirma, tai padeda atskleisti įtakingiausius autorius ir publikacijas, kurios prisideda prie tam tikros tyrimų srities ir daro didelę įtaką (Gundolf & Filser, 2013). Antra, galima atskleisti žinių srautą ir komunikacijos ryšius tarp autorių. Galiausiai, atsekus ryšius tarp cituojamų ir cituojamų kūrinių, galima ištirti žinių srities pokyčius ir raidą laikui bėgant (Pournader
ir kt., 2020). Didelis publikacijos citavimo skaičius atspindi jo aktualumą ir reikšmingą indėlį į mokslinių tyrimų sritį (Baldi, 1998; Gundolf ir Filser, 2013; Marinko, 1998). Publikacijų citavimo analizė taip pat padeda nustatyti aktualius kūrinius ir sekti jų populiarumą bei progresą laikui bėgant.
Dokumento kocitavimo analizė
Bendro citavimo analizė yra vertingas būdas tirti ryšius tarp publikacijų ir pavaizduoti srities intelektualinę struktūrą (Nerur ir kt., 2008). Kitaip tariant, nustatant dažniausiai cituojamas publikacijas ir jų sąsajas, metodas sugrupuoja publikacijas į atskiras tyrimų grupes, kuriose publikacijos klasteryje reguliariai dalijasi panašiomis idėjomis (McCain, 1990; Small, 1973). Labai svarbu paminėti, kad panašumas nereiškia, kad publikacijų išvados yra tokios
darnūs ir sutariantys vienas su kitu; publikacijos priklauso tai pačiai klasteriui dėl temų panašumo, tačiau gali turėti prieštaringų požiūrių.
Duomenų rinkimas ir analizė
Vadovaudamiesi White ir Griffith (1981) pasiūlyta metodika, atlikome išsamią žurnalų straipsnių paiešką, kad apimtume visą dronų taikymo žemės ūkyje tyrimų sritį, atlikdami šiuos penkis veiksmus:
- Pirmasis žingsnis buvo duomenų rinkimas. „Scopus“ buvo pasirinkta kaip viena išsamiausių ir patikimiausių duomenų bazių, kurios rezultatai yra standartizuoti. Buvo gauti publikacijų, susijusių su visomis dronų taikymomis žemės ūkyje, metaduomenys. Tada mes išanalizavome pasirinktus straipsnius, pašalindami iš analizės straipsnius, kurie nesusiję su tema.
- Išanalizavome literatūrą ir nustatėme svarbiausius tyrimo srityje naudojamus raktažodžius.
- Naudodamiesi citatų analize, mes ištyrėme ryšį tarp autorių ir dokumentų, kad atskleistume pagrindinius citavimo modelius. Taip pat nustatėme įtakingiausius autorius ir publikacijas, reikšmingus indėlius žemės ūkio dronų srityje.
- Atlikome bendro citavimo analizę, kad sugrupuotume panašius leidinius į grupes.
- Galiausiai išanalizavome ryšius ir ryšius tarp šalių, institucijų ir žurnalų, kad pavaizduotų bendradarbiavimo tinklą.
Tinkamų paieškos terminų identifikavimas
Duomenų kaupimui pritaikėme šias paieškos eilutes: (dronas* ARBA „nepilotuojamas orlaivis“ ARBA uav* ARBA „unpilotuojama lėktuvų sistema“ ARBA uas ARBA „nuotoliniu būdu pilotuojamas orlaivis) IR (žemės ūkio ARBA žemės ūkis ARBA ūkininkavimas ARBA ūkininkas). Paieška buvo atlikta 2021 m. rugsėjo mėn. Dronai turi keletą pavadinimų, įskaitant UAV, UAS ir nuotoliniu būdu pilotuojamus orlaivius (Sah ir kt., 2021). Konkretūs paieškos terminai, susiję su žemės ūkiu, buvo nustatyti remiantis Abdollahi ir kt. (2021). Aiškumo ir skaidrumo sumetimais tiksli užklausa, kurią naudojome, pateikta 1 priede. Atlikę duomenų valymo procesą sukūrėme tekstinį failą, kuris vėliau buvo įkeltas į BibExcel – įprastą citavimo ir kocitavimo analizės įrankį. Šis įrankis taip pat siūlo paprastą sąveiką su kita programine įranga ir suteikia didelę duomenų tvarkymo ir analizės laisvę. Išvadoms vizualizuoti ir bibliometriniams tinklams generuoti buvo naudojama VOSviewer 1.6.16 versija (Eck & Waltman, 2009). „VOSviewer“ siūlo daugybę intuityvių vizualizacijų, ypač skirtų bibliometrinių žemėlapių analizei (Geng ir kt., 2020). Be to, tai padeda pateikti paprastus vaizdinius rezultatus, kurie padeda geriau suprasti rezultatus (Abdollahi ir kt., 2021). Taikydami paieškos eilutes, kaip nurodyta aukščiau, surinkome ir išsaugojome visus susijusius leidinius. Pirmieji paieškos rezultatai iš viso davė 5,085 dokumentus. Siekiant užtikrinti atrinktos imties kokybę, atliekant tyrimą buvo atsižvelgta tik į recenzuojamus žurnalų straipsnius, todėl buvo neįtraukti kitų tipų dokumentai, tokie kaip knygos, skyriai, konferencijų pranešimų medžiaga ir redakcinės pastabos. Atrankos proceso metu buvo išfiltruoti nereikšmingi (ty nepatenka į šio darbo apimties), pertekliniai (ty dublikatai, atsiradę dėl dvigubo indeksavimo) ir ne angliškai kalbantys leidiniai. Dėl šio proceso į galutinę analizę buvo įtraukta 4,700 dokumentų.
Išvados ir diskusija
Pirmiausia išanalizavome leidinių produkcijos pokyčius dabartinėje literatūroje apie žemės ūkio dronus. Mokslinių tyrimų pasiskirstymas laike parodytas 1 pav. Nuo 2011 m. sparčiai auga publikacijų skaičius (30 publikacijų); todėl nusprendėme padalyti analizės laikotarpį į du skirtingus etapus. Laikotarpį nuo 1990 iki 2010 m. vadiname kūrimo etapu, kai kasmet buvo paskelbti maždaug septyni straipsniai. Laikotarpis po 2010 m. buvo vadinamas augimo etapu, nes per šį laikotarpį bepiločių orlaivių pritaikymo žemės ūkyje tyrimai parodė eksponentinį padidėjimą. Po 2010 m. didėjantis publikacijų skaičius patvirtina didėjantį tyrėjų susidomėjimą, o tai taip pat rodo, kad dronai buvo pritaikyti nuotoliniam stebėjimui ir naudojami tiksliajame žemės ūkyje (Deng ir kt., 2018; Maes & Steppe, 2019; Messina ir Modica, 2020). ). Tiksliau, publikacijų skaičius išaugo nuo 108 2013 m. iki 498 2018 m. ir pasiekė aukščiausią tašką – 1,275 2020 935 m. Nuo 2021 m. sausio mėn. iki rugsėjo vidurio iš viso buvo paskelbti XNUMX straipsniai. Vėliau pasirinkome savo analizę labiau sutelkti į augimo etapą. kadangi šis laikotarpis atspindi pačias naujausias ir svarbiausias žemės ūkio dronų subtilybes.
Raktažodžių analizė
Raktažodžiai, kuriuos autoriai pasirenka leidiniui, turi lemiamos įtakos tam, kaip dokumentas pristatomas ir kaip jis perduodamas mokslo bendruomenėms. Jie nustato pagrindinius tyrimo dalykus ir nustato jo potencialą klestėti arba žlugti (Day & Gastel, 1998; Kim ir kt., 2016; Uddin ir kt., 2015). Raktinių žodžių analizė – įrankis platesnėms tyrimų tendencijoms ir kryptims atskleisti – tai visų susijusių publikacijų raktažodžių rinkimas domene (Dixit & Jakhar, 2021). Šiame tyrime apibendrintus raktinius žodžius suskirstėme į du rinkinius (ty iki 2010 m. ir 2011–2021 m.), kad išnagrinėtume populiariausias temas. Tai darydami galime atsekti svarbiausius raktinius žodžius abiejuose rinkiniuose ir užtikrinti, kad surinkome visus reikiamus duomenis. Dešimt geriausių kiekvieno rinkinio raktinių žodžių pateikiami 3 lentelėje. Neatitikimus pašalinome sujungę semantiškai identiškus raktinius žodžius, tokius kaip „dronas“ ir „dronai“ arba, panašiai, „daiktų internetas“ ir „IoT“.
3 lentelėje parodyta, kad abiem laikotarpiais „nepilotuojamas orlaivis“ yra dažniau naudojamas raktinis žodis, palyginti su „dronu“ ir „nepilotuojama oro sistema“. Be to, „nuotolinis stebėjimas“, „tikslusis žemės ūkis“ ir „žemės ūkis“ yra labai vertinami abiem laikotarpiais. Pirmuoju laikotarpiu „tikslusis žemės ūkis“ užėmė penktą vietą, o antrajame – antrąją vietą, o tai rodo, kaip dronai tampa vis svarbesni siekiant tikslaus žemės ūkio, nes jie gali atlikti stebėjimą.
aptikimo ir įvertinimo praktika yra greitesnė, pigesnė ir lengviau atliekama, palyginti su kitomis nuotolinio stebėjimo ir antžeminėmis sistemomis. Be to, prireikus jie gali išpurkšti tikslų įvesties kiekį (pvz., vandens ar pesticidų) (Guo ir kt., 2020; Inoue, 2020; Panday, Pratihast ir kt., 2020).
Dažniausiai naudojamų raktinių žodžių sąrašas.
rangas | 1990-2010 | Nr įvykiai | 2011-2021 | Nr įvykiai |
1 | nepilotuojama antena transporto priemonė | 28 | nepilotuojamas orlaivis | 1628 |
2 | Nuotolinis jutimas | 7 | tikslumas žemdirbystė | 489 |
3 | žemdirbystė | 4 | Nuotolinis jutimas | 399 |
4 | ore | 4 | brūgzti | 374 |
5 | tikslumas žemdirbystė | 4 | nepilotuojamas oro sistema | 271 |
6 | nepilotuojama antena | 4 | žemdirbystė | 177 |
7 | hiperspektrinis jutiklis | 3 | gilus mokymasis | 151 |
8 | dirbtinis nervas tinklai | 2 | mašina mokymasis | 149 |
9 | autonominis skrydis | 2 | augmenija rodyklė | 142 |
10 | kava | 2 | Internetas iš Dalykų | 124 |
Kitas įdomus bruožas yra papildomų technologijų buvimas. Pirmajame etape „Hiperspektrinis jutiklis“ ir „Dirbtiniai neuroniniai tinklai“ (ANN) yra tarp dešimties geriausių raktinių žodžių. Hiperspektrinis vaizdavimas sukėlė revoliuciją tradiciniame vaizdavime, surinkdamas daugybę vaizdų įvairiais bangos ilgiais. Tai darydami, jutikliai gali vienu metu rinkti geresnę erdvinę ir spektrinę informaciją, palyginti su daugiaspektriu vaizdavimu, spektroskopija ir RGB vaizdais (Adao ˜ ir kt.,
2017). „ANN“ atsiradimas pirmajame etape ir „gilus mokymasis“ (DL) ir „mašininis mokymasis“ (ML) antrajame reiškia, kad dauguma paskelbtų darbų buvo skirti AI metodų potencialo, skirto dronams, tyrimui. pagrįstas žemės ūkis. Nors bepiločiai orlaiviai gali skraidyti autonomiškai, jiems vis tiek reikalingas pilotas, o tai reiškia žemą įrenginio intelekto lygį. Tačiau ši problema gali būti išspręsta dėl pažangių AI metodų, kurie gali užtikrinti geresnį situacijos suvokimą ir savarankišką sprendimų palaikymą. Bepiločiai orlaiviai, aprūpinti dirbtiniu intelektu, gali išvengti susidūrimų navigacijos metu, pagerinti dirvožemio ir pasėlių valdymą (Inoue, 2020) ir sumažinti žmonių darbą bei stresą (BK Sharma ir kt., 2019).
Dėl savo lankstumo ir gebėjimo apdoroti didelius netiesinių duomenų kiekius, dirbtinio intelekto metodai yra tinkami metodai, leidžiantys analizuoti duomenis, perduodamus dronų ir kitų nuotolinio stebėjimo ir antžeminių sistemų, skirtų numatymui ir sprendimų priėmimui (Ali ir kt., 2015; Inoue, 2020). Be to, „IoT“ buvimas antruoju laikotarpiu rodo jo svarbą žemės ūkyje. IoT keičia žemės ūkį, sujungdamas kitas technologijas, įskaitant dronus, ML, DL, WSN ir didelius duomenis. Vienas iš pagrindinių daiktų interneto diegimo pranašumų yra jo gebėjimas efektyviai ir efektyviai sujungti įvairias užduotis (duomenų gavimą, duomenų analizę ir apdorojimą, sprendimų priėmimą ir įgyvendinimą) beveik realiuoju laiku (Elijah ir kt., 2018; Feng ir kt.). , 2019; Muangprathub ir kt., 2019). Be to, bepiločiai orlaiviai laikomi veiksmingomis priemonėmis, leidžiančiomis fiksuoti duomenis, reikalingus augmenijos gyvybingumui ir augalijos savybėms apskaičiuoti (Candiago ir kt., 2015). 2a ir 2b pav. iliustruoja abiejų laikotarpių raktinių žodžių bendro atsiradimo tinklus.
Įtakingi autoriai
Šiame skyriuje nustatome įtakingus autorius ir nagrinėjame, kaip autorių citavimo tinklai gali vizualizuoti ir tvarkyti dabartinę literatūrą. 3 pav. parodyta chronologinė visų tyrėjų, turinčių daugiausiai citatų, perdanga. Spalvų skalė atspindi autorių citatų skirtumus per metus. Tiriame mokslininkų, paskelbusių žemės ūkio dronų tyrimus, citavimo struktūrą, naudodami mažiausiai 50 citatų ir dešimties publikacijų. Išėjo iš
12,891 115 autorius, tik 4 atitiko šią sąlygą. 1,963 lentelėje pateikiamas dešimt didžiausių įtakingų autorių, surūšiuotų pagal maksimalų citatų skaičių. Lopez-Granados F. pirmauja sąraše su 1,909 XNUMX citatomis, po to Zarco-Tejada PJ su XNUMX XNUMX citatomis.
Daugiausiai cituojamų autorių sąrašas.
Reitingas | autorius | citatos |
1 | Lopezas-Granadosas F. | 1,963 |
2 | Zarco-Tejada PJ | 1,909 |
3 | Pena ˜ JM | 1,644 |
4 | Torres-S' anchezas J. | 1,576 |
5 | Fereresas E | 1,339 |
6 | Remondino F | 1,235 |
7 | Boltenas A | 1,160 |
8 | Barethas G | 1,155 |
9 | Berni JA | 1,132 |
10 | de Castro AI | 1,036 |
Kalbant apie atskiras publikacijas, Zhang ir Kovacs (2012) straipsnis buvo labiausiai cituojamas tyrimas, paskelbtas Precision Agriculture. Čia autoriai apžvelgė UAS taikymą tiksliajame žemės ūkyje. Jų tyrimo išvados rodo, kad reikia tobulinti platformos kūrimą, gamybą, vaizdų geografinių nuorodų standartizavimą ir informacijos paieškos darbo eigą, kad ūkininkai gautų patikimus galutinius produktus. Be to, jie rekomenduoja aktyviau įtraukti ūkininką, ypač planuojant lauką, fotografuojant, taip pat interpretuojant ir analizuojant duomenis. Svarbu tai, kad šis tyrimas buvo vienas iš pirmųjų, parodęs UAV svarbą lauko žemėlapiams, gyvybingumo žemėlapiams, cheminių medžiagų kiekio matavimams, augalijos streso stebėjimui ir trąšų poveikio augalų augimui vertinime. Su technologija susiję iššūkiai taip pat apima pernelyg dideles išlaidas, jutiklių galimybes, platformos stabilumą ir patikimumą, standartizacijos trūkumą ir nuoseklią didžiulio duomenų kiekio analizavimo procedūrą.
Citavimo analizė
Citavimo analizė yra straipsnių įtakos tyrimas, nors ir linkęs į srautus (pvz., citavimo šališkumas, savęs citavimas) yra laikoma viena iš standartinių poveikio vertinimo priemonių (Osareh, 1996; A. Rejeb ir kt., 2022); Sarli ir kt., 2010). Citatos taip pat atspindi straipsnių indėlio į literatūrą tam tikra tema svarbą ir gyvybingumą (R. Sharma ir kt., 2022). Atlikome citatų analizę, kad nustatytų įtakingiausius žemės ūkio dronų tyrimus ir apibendrintume turinį. 5 lentelėje pateiktas penkiolikos įtakingiausių 1990–2010 ir 2011–2021 metų straipsnių sąrašas. Berni ir kt. straipsniai. (2009)b ir Austin (2010) buvo dažniausiai cituojami 1990 ir 2010 m., atitinkamai 831 ir 498 citatos. Berni ir kt. (2009) b iliustravo potencialą sukurti kiekybinius nuotolinio aptikimo produktus naudojant sraigtasparnio UAV, aprūpintą prieinamais šiluminiais ir siaurajuosčiais daugiaspektriniais vaizdo jutikliais. Palyginti su tradiciniais pilotuojamais oro jutikliais, žemų sąnaudų UAV sistema žemės ūkiui gali pasiekti palyginamus pasėlių biofizinių parametrų įvertinimus, jei ne geriau. Dėl prieinamos kainos ir eksploatavimo lankstumo bei didelės spektrinės, erdvinės ir laiko skiriamosios gebos, pasiekiamos greitai, UAV yra tinkami įvairioms programoms, kurioms reikalingas laiko valdymas, įskaitant drėkinimo planavimą ir tikslų ūkininkavimą. Straipsnis iš Berni ir kt. (2009) b yra labai cituojamas, nes jis efektyviai integravo nepilotuojamą sukamojo sparno platformą ir skaitmeninius bei šiluminius jutiklius su reikalingais žemės ūkio reikmėms kalibravimo mechanizmais. Antrasis dažniausiai cituojamas leidinys yra knyga, kurią parašė Ostinas (2010), aptaręs UAV projektavimo, kūrimo ir diegimo požiūriu. Žemės ūkyje UAV palaiko pasėlių stebėjimą, anksti aptikdamos ligas keičiant pasėlių spalvą, palengvindamos pasėlių sėją ir purškimą, stebėdamos ir varydami bandas.
Sullivan ir kt. tyrimai. (2007), Lumme ir kt. (2008), ir Gokto ¨ ǧan ir kt. (2010) baigia penkiolikos labiausiai cituojamų straipsnių sąrašą. Šie straipsniai iliustruoja UAV pagrįstų sistemų kūrimą žemės ūkiui remti. Jie siūlo įvairių problemų sprendimus, pavyzdžiui, pasėlių stebėjimą ir skenavimą, piktžolių priežiūrą ir valdymą bei sprendimų palaikymą. Jie taip pat siūlo ir aptaria UAV gebėjimą padidinti mėginių ėmimo efektyvumą ir padėti ūkininkams sukurti tikslius ir veiksmingus
sodinimo strategijos. Berni parašė du straipsnius (Berni ir kt., 2009b; Berni ir kt., 2009a), pabrėždami jo reikšmingą poveikį su žemės ūkio dronais susijusiems tyrimams. Straipsnis iš Zarco-Tejada ir kt. (2014) buvo vienas novatoriškų tyrimų, iliustruojančių poreikį naudoti nebrangius UAV vaizdus nustatant medžių aukštį.
Dažniausiai cituojamų publikacijų sąrašas.
rangas | Nuo 1990 į 2010 | Nuo 2011 į 2021 | ||
dokumentas | Citata | dokumentas | Citata | |
1 | (Berni ir kt., 2009b) | 831 | (C. Zhang ir Kovacs, 2012) | 967 |
2 | (Ostinas, 2010 m.) | 498 | („Nex“ ir „Remondino“, 2014) | 893 |
3 | (Huntas ir kt., 2010) | 331 | (Floreano & Wood, 2015) | 552 |
4 | (SR Herwitz ir kt., 2004) | 285 | (Hossein Motlagh ir kt., 2016) | 391 |
5 | (CCD Lelong ir kt., 2008) | 272 | (Shakhatreh ir kt., 2019) | 383 |
6 | (Berni ir kt., 2009b) | 250 | (Ma ir kt., 2017) | 373 |
7 | (Grenzdorffer ¨ ir kt., 2008) | 198 | (Bendigas ir kt., 2014) | 360 |
8 | (Hrabar ir kt., 2005) | 175 | (Zarco-Tejada ir kt., 2014) | 347 |
9 | (Y. Huang ir kt., 2009) | 129 | (Reklama ao ir kt., 2017) | 335 |
10 | (Schmale III ir kt., 2008) | 119 | (Honkavaara ir kt., 2013a) | 331 |
11 | (Abd-Elrahman ir kt., 2005) | 79 | (Candiago ir kt., 2015) | 327 |
12 | (Techy ir kt., 2010) | 69 | (Xiang & Tian, 2011) | 307 |
13 | (Sullivan ir kt., 2007) | 51 | (Matese ir kt., 2015) | 303 |
14 | (Lumme ir kt., 2008) | 42 | (Gago ir kt., 2015) | 275 |
15 | (Gokto ¨ ǧan ir kt., 2010) | 40 | (Aasen ir kt., 2015a) | 269 |
Antruoju laikotarpiu (2011–2021 m.) Zhang ir Kovacs (2012) bei Nex ir Remondino (2014) tyrimai lėmė dažniausiai cituojamas publikacijas. Zhang ir Kovacs (2012) teigia, kad tiksliajam žemės ūkiui būtų naudinga įdiegti geoerdvinius metodus ir jutiklius, tokius kaip geografinės informacijos sistemos, GPS ir nuotolinis stebėjimas, siekiant užfiksuoti lauko pokyčius ir juos valdyti naudojant alternatyvias strategijas. Bepiločių orlaivių pritaikymas tiksliajame žemės ūkyje pakeitė naują amžių nuotolinio stebėjimo srityje, supaprastindamas stebėjimą iš oro, fiksuodamas pasėlių augimo duomenis, dirvožemio sąlygas ir purškimo plotus. Zhang ir Kovacs (2012) apžvalga yra svarbi, nes joje pateikiama įžvalgų apie UAV, atskleidžiant esamus šių įrenginių naudojimo būdus ir iššūkius aplinkos stebėjimo ir tiksliojo žemės ūkio srityse, pvz., platformos ir kamerų apribojimus, duomenų apdorojimo iššūkius, ūkininkų dalyvavimą ir aviacijos taisykles. . Antras
Daugiausiai cituotame Nex ir Remondino (2014 m.) tyrime buvo apžvelgta UAV, skirtų žemės vaizdams fiksuoti, apdoroti ir analizuoti, pažanga.
Jų darbe taip pat buvo pateikta kelių UAV platformų, programų ir naudojimo atvejų apžvalga, demonstruojant naujausius UAV vaizdo apdorojimo pasiekimus. Žemės ūkyje ūkininkai galėtų naudoti UAV, kad priimtų veiksmingus sprendimus, kad sutaupytų sąnaudas ir laiką, gautų greitą ir tikslų žalos įrašą ir numatytų galimas problemas. Priešingai nei įprastos antenos platformos, UAV gali sumažinti eksploatavimo išlaidas ir sumažinti patekimo į atšiaurias vietas pavojų, kartu išsaugant didelį tikslumo potencialą. Jų darbe apibendrinami įvairūs UAV pranašumai, ypač tikslumo ir skiriamosios gebos atžvilgiu.
Tarp likusių trylikos dažniausiai cituojamų publikacijų 2011–2021 m. pastebėjome, kad daugiau dėmesio skiriama tyrimams, susijusiems su dronų taikymu vaizdo gavimo misijose (Bendig ir kt., 2014; Ma ir kt., 2017; Zarco-Tejada ir kt., 2014). , tikslioji žemdirbystė (Candiago ir kt., 2015; Honkavaara ir kt., 2013a), precizinė vynuogininkystė (Matese ir kt., 2015), vandens įtampų vertinimas (Gago ir kt., 2015) ir augmenijos stebėjimas (Aasen ir kt. , 2015a). Pirmaisiais metais mokslininkai sutelkė dėmesį
daugiau apie nebrangių, lengvų ir tikslių UAV sistemų kūrimą žemės ūkiui; naujesni tyrimai daugiau dėmesio skyrė UAV pritaikymo žemės ūkiui ir lauko matavimams apžvalgoms. Apibendrinant galima pasakyti, kad ši analizė atskleidžia, kad įtakinguose leidiniuose daugiausia buvo pateiktos ankstesnių tyrimų apžvalgos, skirtos įvertinti dabartinę UAV mokslinę ir technologinę būklę, ir sukurtos UAV sistemos, skirtos remti tikslų žemės ūkį. Įdomu tai, kad mes neradome empirinių tyrimų
metodologijos arba aprašomieji atvejų tyrimai, o tai yra didelė žinių spraga ir reikalauja daugiau tyrimų šia tema.
Kocicitavimo analizė
Pasak Gmür (2006), kocitavimo analizė identifikuoja panašias publikacijas ir jas sugrupuoja. Kruopštus klasterio tyrimas gali atskleisti bendrą publikacijų tyrimo sritį. Mes tiriame literatūros, susijusios su žemės ūkio dronais, citavimą, kad iliustruotume susijusias temas ir aptiktume leidinių intelektualinius modelius. Šiuo atžvilgiu Small (1973) rekomendavo naudoti kocitavimo analizę, kad ištirtų įtakingiausius ir prasmingiausius tyrimus.
disciplinos ribose. Kad rinkinys būtų apribotas iki reikšmingiausių straipsnių (Goyal & Kumar, 2021), nustatėme 25 kartu citavimo slenkstį, o tai reiškia, kad du straipsniai turi būti kartu cituojami 25 ar daugiau skirtingų publikacijų nuorodų sąrašuose. Klasterizavimas taip pat buvo atliktas naudojant mažiausią 1 klasterio dydį ir be jokio metodo, kaip sujungti mažesnes grupes su didesnėmis. Dėl to, remiantis tyrimų panašumu ir jų intelektine struktūra, buvo sukurti šeši klasteriai. 6 lentelėje parodytas leidinių pasiskirstymas kiekvienoje klasteryje.
1 klasteris: šioje grupėje yra aštuoniolika dokumentų, paskelbtų po šios grupės publikacijose aptariamas dronų vaidmuo palaikant aplinkos stebėjimą, pasėlių valdymą ir piktžolių valdymą. Pavyzdžiui, Manfreda ir kt. (2018) apžvelgia dabartinius UAV tyrimus ir įgyvendinimą natūralios žemės ūkio ekosistemų stebėjimo srityje ir teigia, kad ši technologija siūlo didžiulį potencialą drastiškai pagerinti aplinkos stebėjimą ir sumažinti
esamą atotrūkį tarp lauko stebėjimo ir įprasto oro ir kosmoso nuotolinio stebėjimo. Tai galima padaryti siūlant naujus pajėgumus, leidžiančius už prieinamą kainą pagerinti laiko ir erdvinių įžvalgų apie dideles sritis įžvalgas. UAV gali nuolat jausti aplinką ir siųsti gautus duomenis protingiems, centralizuotiems / decentralizuotiems subjektams, kurie valdo jutiklius, kad nustatytų galimas problemas, tokias kaip ligos ar vandens aptikimo trūkumas (Padua ´ ir kt., 2017). Adao ˜ ir kt. (2017) teigia, kad UAV idealiai tinka augalų sąlygoms įvertinti, nes fiksuojama daug neapdorotų duomenų, susijusių su vandens būkle, biomasės įvertinimu ir gyvybingumo vertinimu. Ant UAV montuojami jutikliai taip pat gali būti nedelsiant įdiegti tinkamomis aplinkos sąlygomis, kad būtų galima laiku užfiksuoti nuotolinio stebėjimo duomenis (Von Bueren ir kt., 2015). Naudodami UAV, ūkininkai gali vykdyti ūkininkavimo veiklą patalpose, gaudami matavimus praktiškai iš bet kurios patalpų ūkininkavimo aplinkos trimatės erdvės vietos (pvz., šiltnamiuose), taip užtikrindami vietinę klimato kontrolę ir augalų stebėjimą (Roldan ´ ir kt. ., 2015). Tikslumo kontekste
žemės ūkis, pasėlių valdymo sprendimai reikalauja tikslių, patikimų pasėlių duomenų su atitinkama laiko ir erdvės skiriamąja geba (Gebbers ir Adamchuk, 2010; Gevaert ir kt., 2015; Maes ir Steppe, 2019). Dėl šios priežasties Agüera Vega ir kt. (2015) naudojo UAV montuojamą daugiaspektrinę jutiklių sistemą, kad gautų saulėgrąžų pasėlių vaizdus auginimo sezono metu. Panašiai Huang ir kt. (2009) pažymi, kad nuotolinis stebėjimas, pagrįstas UAV, galėtų palengvinti pasėlių ir dirvožemio matavimą iš surinktų spektrinių duomenų. Verger ir kt. (2014) sukūrė ir išbandė žaliojo ploto indekso (GAI) įvertinimo metodą pagal UAV atspindžio matavimus tiksliajame žemės ūkyje, daugiausia dėmesio skiriant kviečių ir rapsų pasėliams. Todėl bepiločiai orlaiviai suteikia naujų galimybių gauti informaciją apie pasėlių būklę, dažnai apsilankant ir naudojant didelę erdvinę skiriamąją gebą (Dong ir kt., 2019; Garzonio ir kt., 2017; H. Zheng ir kt., 2016).
Įtakingų leidinių apie žemės ūkio dronus grupavimas.
Klasteris | Plati tema | Nuorodos |
1 | Aplinkos monitoringas, pasėliai tvarkymas, piktžolių tvarkymas | (Reklama ao ir kt., 2017; Agüera Vega ir kt., 2015; de Castro ir kt., 2018 m.; Gomez-Cand ´ on ´ ir kt., 2014; YB Huang ir kt., 2013; Khanal ir kt., 2017 m.; Lopez-Granados, 2011 m.; Manfreda ir kt., 2018; P' adua ir kt., 2017 m.; Pena ˜ ir kt., 2013; Perezas-Ortizas ir kt., 2015; Rasmussen ir kt., 2013 m. 2016 m.; Torres-S' anchez ir kt., 2014; Torresas-Sanchezas, „Lopezas-Granadosas“ ir Pena, ~ 2015 m.; Verger ir kt., 2014; Von Bueren ir kt., 2015; C. Zhang ir Kovačas, 2012 m.) |
2 | Nuotolinis fenotipų nustatymas, derlius įvertinimas, pasėlių paviršiaus modelis, augalų skaičiavimas | (Bendig ir kt., 2013, 2014; Geipel ir kt., 2014; Gnadingeris ¨ ir Schmidhalteris, 2017 m.; Haghighattalab ir kt., 2016; Holman ir kt., 2016; Jin ir kt., 2017; W. Li ir kt., 2016; Maimaitijiang ir kt., 2017; Sankaranas ir kt., 2015; Schirrmann ir kt., 2016; Shi ir kt., 2016; Yue ir kt., 2017; X. Zhou ir kt., 2017) |
3 | Vandens šiluminis vaizdas, daugiaspektrinis vaizdas | (Baluja ir kt., 2012; Berni ir kt., 2009b; Berni ir kt., 2009a; Candiago ir kt., 2015; Gago ir kt., 2015; Gonzalez-Dugo ir kt., 2013, 2014; Grenzdorffer ¨ ir kt., 2008; Khaliq ir kt., 2019; Matese ir kt., 2015; Ribeiro-Gomes ir kt., 2017; Santesteban ir kt., 2017; Uto ir kt., 2013) |
4 | Hipersektrinis vaizdas, spektrinis vaizdavimo | (Aasen ir kt., 2015a; Bareth ir kt., 2015 m.; Hakala ir kt., 2013; Honkavaara ir kt., 2013a; Lucieer ir kt., 2014; Saari ir kt., 2011; Suomalainen ir kt., 2014) |
5 | 3D žemėlapių sudarymo programos | (Jim'enez-Brenes ir kt., 2017; Nex & Remondino, 2014 m.; Salamí ir kt., 2014 m.; Torres-S' Anchezas, Lopezas Granados, Serrano ir kt., 2015; Zahawi ir kt., 2015; Zarco-Tejada et al., 2014) |
6 | Žemės ūkio priežiūra | (SR Herwitz ir kt., 2004; Hunt ir kt., 2010; CCD Lelong ir kt., 2008 m.; Primicerio ir kt., 2012; Xiang ir Tianas, 2011) |
Be to, dronai yra naudingi atliekant sudėtingas užduotis žemės ūkyje, įskaitant piktžolių kartografavimą. Įrenginiais užfiksuoti vaizdai įrodė savo naudingumą ankstyvam piktžolių aptikimui laukuose (de Castro ir kt., 2018; Jim'enez-Brenes ir kt., 2017; Lam ir kt., 2021; Lopez-Granados ´ ir kt., 2016; Rozenberg ir kt., 2021). Šiuo atžvilgiu de Castro ir kt. (2018) teigia, kad UAV vaizdų ir objektinės vaizdų analizės (OBIA) sujungimas leido specialistams išspręsti ankstyvo sezono pievų pasėlių ankstyvo aptikimo automatizavimo problemą, o tai yra didelis žingsnis į priekį tiriant piktžoles. Taip pat Pena ˜ ir kt. (2013) pabrėžia, kad naudojant itin didelės erdvinės raiškos vaizdus iš UAV kartu su OBIA procedūra, galima sukurti ankstyvųjų kukurūzų pasėlių piktžolių žemėlapius, kurie galėtų būti naudojami planuojant sezoninių piktžolių kontrolės priemonių įgyvendinimą. užduotis, viršijanti palydovinių ir tradicinių oro vaizdų galimybes. Palyginti su vaizdų klasifikavimo ar objektų aptikimo algoritmais, semantinio segmentavimo metodai yra veiksmingesni atliekant piktžolių kartografavimo užduotis (J. Deng ir kt., 2020), todėl ūkininkai gali aptikti lauko sąlygas, sumažinti nuostolius ir pagerinti derlių per visą auginimo sezoną (Ramesh). ir kt., 2020). Gilus mokymasis pagrįstas semantinis segmentavimas taip pat gali tiksliai išmatuoti augalijos dangą iš didelės raiškos oro vaizdų (Ramesh ir kt., 2020; A. Zheng ir kt., 2022). Nepaisant jų nuotolinio valdymo galimybių
Sensing pikselių klasifikacija, semantinio segmentavimo metodai reikalauja daug skaičiavimų ir pernelyg didelės GPU atminties (J. Deng ir kt., 2020).
Remiantis mašininiu mokymusi ir UAV, P´erez-Ortiz ir kt. (2015). Galiausiai Rasmussen ir kt. (2013) pabrėžė, kad dronai užtikrina nebrangų jutimą ir didelį erdvinės skiriamosios gebos lankstumą. Apskritai šios grupės publikacijose daugiausia dėmesio skiriama UAV galimybių, padedančių nuotoliniam stebėjimui, pasėlių stebėjimui ir piktžolių kartografavimui, tyrinėjimui. Reikia atlikti papildomus nuodugnius tyrimus, siekiant toliau tirti, kaip dronų taikymas aplinkos stebėjimo, pasėlių valdymo ir piktžolių kartografavimo srityse gali pasiekti tvaresnį žemės ūkį (Chamuah & Singh, 2019; Islam ir kt., 2021; Popescu ir kt., 2020; J. Su, Liu ir kt., 2018) ir sprendžia šios technologijos valdymo problemas pasėlių draudimo programose (Basnet ir Bang, 2018; Chamuah ir Singh, 2019, 2022; Meinen ir Robinson, 2021). Tyrėjai turėtų sutelkti dėmesį į UAV surinktų matavimų patvirtinimą naudojant efektyvius apdorojimo metodus, kad pagerintų aukščiausią apdorotų duomenų kokybę (Manfreda ir kt., 2018). Be to, reikia sukurti tinkamus algoritmus, kurie atpažįsta pikselius, kurie skaitmeniniuose vaizduose rodo piktžoles ir pašalina nesusijusį foną UAV piktžolių kartografavimo metu (Gaˇsparovi´c ir kt., 2020; Hamylton ir kt., 2020; H. Huang ir kt.). , 2018, 2020; Lopez-´ Granados ir kt., 2016). Laukiami papildomi semantinio segmentavimo metodų pritaikymo augalų atpažinimo, lapų klasifikavimo ir ligų kartografavimo tyrimai (Fuentes-Pacheco ir kt., 2019; Kerkech ir kt., 2020).
2 klasteris. Šio klasterio publikacijose daugiausia dėmesio skirta keletui žemės ūkio dronų aspektų. Susiję su nuotoliniu fenotipų nustatymu, Sankaran ir kt. (2015) apžvelgė mažo aukščio, didelės raiškos oro vaizdavimo su UAV panaudojimo galimybes, kad būtų galima greitai nustatyti pasėlių fenotipą lauke, ir teigia, kad, palyginti su antžeminėmis jutiklių platformomis, maži UAV su tinkamais jutikliais turi keletą privalumų. , pvz., lengvesnė prieiga prie lauko, didelės raiškos duomenys, efektyvus duomenų rinkimas,
greitas lauko augimo sąlygų įvertinimas ir mažos veiklos sąnaudos. Tačiau autoriai taip pat pažymi, kad efektyvus UAV taikymas lauko fenotipų nustatymui priklauso nuo dviejų pagrindinių elementų, būtent, UAV savybių (pvz., sauga, stabilumas, padėties nustatymas, autonomija) ir jutiklio charakteristikos (pvz., skiriamoji geba, svoris, spektro bangos ilgiai, laukas). vaizdas). Haghighattalab ir kt. (2016) pasiūlė pusiau automatinį vaizdo apdorojimo vamzdyną, kad būtų galima gauti sklypo lygio duomenis iš UAV vaizdų ir pagreitinti veisimo procesą. Holman ir kt. (2016) sukūrė aukštą
pralaidumo lauko fenotipų nustatymo sistema ir pabrėžė, kad UAV gali rinkti kokybiškus, didelius, lauko fenotipinius duomenis ir kad įrenginys yra efektyvus dideliuose plotuose ir įvairiose lauko vietose.
Kadangi derliaus įvertinimas yra nepaprastai svarbi informacija, ypač kai jie pasiekiami laiku, UAV gali atlikti visus lauko matavimus ir efektyviai gauti aukštos kokybės duomenis (Daakir ir kt., 2017; Demir ir kt., 2018). Enciso ir kt., 2019; Kulbacki ir kt., 2018; Pudelko ir kt., 2012). Šiuo atžvilgiu Jin ir kt. (2017) pasinaudojo didelės raiškos vaizdais, kuriuos UAV gavo labai mažame aukštyje, kad sukurtų ir įvertintų kviečių augalų tankio nustatymo metodą atsiradimo stadijoje. Pasak autorių, UAV įveikia rover sistemų su kameromis apribojimus ir yra neinvazinis augalų tankio pasėliuose įvertinimo metodas, leidžiantis ūkininkams pasiekti didelį pralaidumą, reikalingą lauko fenotipams nustatyti, nepriklausomai nuo dirvožemio tinkamumo naudoti. Li ir kt. (2016) surinko šimtus itin didelės skiriamosios gebos stereo vaizdų, naudodami UAV pagrįstą sistemą, kad įvertintų kukurūzų parametrus, įskaitant lajos aukštį ir antžeminę biomasę. Galiausiai Yue ir kt. (2017) nustatė, kad pasėlių aukštis, nustatytas pagal UAV, gali pagerinti antžeminės biomasės (AGB) įvertinimą.
Pasėlių augimo stebėjimo metodas yra pasėlių paviršiaus modelių kūrimo idėja (Bendig ir kt., 2014, 2015; Holman ir kt., 2016; Panday, Shrestha ir kt., 2020; Sumesh ir kt., 2021). Keletas tyrimų parodė, kad iš UAV paimtų vaizdų galima užfiksuoti augalų aukštį ir stebėti jų augimą. Pavyzdžiui, Bendigas ir kt. (2013) aprašė daugialaikių pasėlių paviršiaus modelių, kurių skiriamoji geba yra mažesnė nei 0.05 m, kūrimą naudojant UAV. Jie siekė aptikti derlių
augimo kintamumas ir jo priklausomybė nuo pasėlių apdorojimo, veislės ir streso. Bendigas ir kt. (2014) naudojo UAV, kad įvertintų šviežią ir sausą biomasę pagal augalų aukštį, išgautą iš pasėlių paviršiaus modelių, ir nustatė, kad, skirtingai nei ore esančios platformos ir antžeminis lazerinis skenavimas, didelės raiškos vaizdai iš UAV gali žymiai padidinti augalų aukščio modeliavimo tikslumą skirtingam augimui. etapai. Taip pat Geipel ir kt. (2014) savo tyrimuose naudojo UAV vaizdams gauti
duomenų rinkinius, skirtus prognozuoti kukurūzų grūdų derlių trimis skirtingomis augimo fazėmis nuo ankstyvo iki sezono vidurio, ir padarė išvadą, kad spektrinio ir erdvinio modeliavimo derinys, pagrįstas vaizdais iš oro ir pasėlių paviršiaus modeliais, yra tinkamas metodas prognozuoti kukurūzų derlių sezono viduryje. Galiausiai Gnadinger ¨ ir Schmidhalter (2017) išnagrinėjo UAV naudingumą tiksliai nustatant fenotipą ir pabrėžė, kad šios technologijos naudojimas galėtų pagerinti ūkio valdymą ir sudaryti sąlygas eksperimentuoti laukuose veisimo ir agronomijos tikslais. Apskritai pastebime, kad 2 klasterio publikacijose daugiausia dėmesio skiriama pagrindiniams nuotolinio valdymo UAV pranašumams
fenotipų nustatymas, derliaus įvertinimas, pasėlių paviršiaus modeliavimas ir augalų skaičiavimas. Ateities tyrimai gali būti gilesni, sukuriant naujus nuotolinio fenotipų nustatymo metodus, kurie gali automatizuoti ir optimizuoti nuotoliniu būdu aptinkamų duomenų apdorojimą (Barabaschi ir kt., 2016; Liebisch ir kt., 2015; Mochida ir kt., 2015; S. Zhou ir kt. ., 2021). Be to, reikia ištirti daiktų interneto jutiklių, sumontuotų ant UAV, našumą ir kompromisą tarp jų sąnaudų, darbo jėgos ir derliaus įvertinimo tikslumo.
ateitis (Ju & Son, 2018a, 2018b; Xie ir Yang, 2020; Yue ir kt., 2018). Galiausiai reikia sukurti efektyvius vaizdo apdorojimo metodus, kurie galėtų generuoti patikimą informaciją, maksimaliai padidinti žemės ūkio gamybos efektyvumą ir sumažinti ūkininkų rankinį skaičiavimo darbą (RU Khan ir kt., 2021; Koh ir kt., 2021; Lin). & Guo, 2020; C. Zhang ir kt., 2020).
3 klasteris. Šios grupės publikacijose aptariami įvairūs UAV platformose naudojamų žemės ūkio išteklių nuotolinio aptikimo vaizdo sistemų tipai. Šiuo atžvilgiu šiluminis vaizdas leidžia stebėti paviršiaus temperatūrą, kad būtų išvengta žalos pasėliams ir anksti aptikti sausros stresą (Awais ir kt., 2022; García-Tejero ir kt., 2018; Sankaran ir kt., 2015; Santesteban ir kt., 2017 m.; Yeom, 2021). Baluja ir kt. (2012) tvirtino, kad laive naudojamos daugiaspektrinės ir šiluminės kameros
UAV leido mokslininkams gauti didelės raiškos vaizdus ir įvertinti vynmedžių vandens būklę. Tai gali būti naudinga kuriant naujus vandens planavimo modelius naudojant nuotolinio stebėjimo duomenis (Baluja ir kt., 2012). Dėl
ribota UAV keliamoji galia, Ribeiro-Gomes ir kt. (2017). Anot autorių, neaušinami termo kameros yra lengvesnės už aušinamas kameras, todėl jas reikia tinkamai kalibruoti. Gonzalez-Dugo ir kt. (2014) parodė, kad šiluminiai vaizdai efektyviai sukuria erdvinius pasėlių vandens streso indeksų žemėlapius, kad būtų galima įvertinti vandens būklę ir kiekybiškai įvertinti vandens įtampą citrusinių vaisių soduose ir jų viduje. Gonzalez-Dugo ir kt. (2013) ir Santesteban ir kt. (2017) ištyrė didelės raiškos UAV šiluminių vaizdų naudojimą komercinio sodo ir vynuogyno vandens būklės kintamumui įvertinti.
Daugiaspektrinis vaizdas gali suteikti daug duomenų, palyginti su tradiciniais RGB (raudonos, žalios ir mėlynos) vaizdais (Ad˜ ao ir kt., 2017; Navia ir kt., 2016). Šie spektriniai duomenys kartu su erdviniais duomenimis gali padėti klasifikuoti, sudaryti žemėlapius, prognozuoti, nuspėti ir aptikti (Berni ir kt., 2009b). Pasak Candiago ir kt. (2015), UAV pagrįstas daugiaspektrinis vaizdavimas galėtų labai prisidėti prie pasėlių vertinimo ir tikslaus žemės ūkio, kaip patikimo ir veiksmingo šaltinio. Taip pat
Khaliq ir kt. (2019) palygino palydovinį ir UAV pagrįstą daugiaspektrinį vaizdą. UAV pagrįsti vaizdai leido tiksliau apibūdinti vynuogynų kintamumą, taip pat jėgų žemėlapius, vaizduojančius pasėlių stogelius. Trumpai tariant, šios grupės straipsniuose aptariamas terminių ir daugiaspektrinių vaizdo jutiklių įtraukimas į žemės ūkio UAV. Atitinkamai, reikia atlikti daugiau tyrimų, kad būtų galima suprasti, kaip šiluminis ir daugiaspektrinis vaizdas gali būti integruotas su AI
metodai (pvz., gilus mokymasis) augalų stresui aptikti (Ampatzidis ir kt., 2020; Ampatzidis ir Partel, 2019; Jung ir kt., 2021; Santesteban ir kt., 2017; Syeda ir kt., 2021). Tokios įžvalgos padės užtikrinti efektyvesnį ir tikslesnį augalų augimo, streso ir fenologijos aptikimą bei stebėjimą (Buters ir kt., 2019; Cao ir kt., 2020; Neupane ir BaysalGurel, 2021; L. Zhou ir kt., 2020).
4 klasteris. Šią grupę sudaro septyni straipsniai, kuriuose aptariamas esminis spektrinio ir hiperspektrinio vaizdo gavimo vaidmuo remiant žemės ūkio praktiką. Hiperspektrinis vaizdavimas įsitvirtino kaip nuotolinio stebėjimo metodas, leidžiantis kiekybiškai įvertinti Žemės sistemą (Schaepman ir kt., 2009). Tiksliau tariant, jis leidžia identifikuoti paviršiaus medžiagas, kiekybiškai įvertinti (santykines) koncentracijas ir paviršiaus komponentų proporcijų priskyrimas
mišriuose pikseliuose (Kirsch ir kt., 2018; Zhao ir kt., 2022). Kitaip tariant, didesnė spektrinė skiriamoji geba, kurią suteikia hiperspektrinės sistemos, leidžia tiksliau įvertinti įvairius parametrus, tokius kaip vegetariškos savybės ar lapų vandens kiekis (Suomalainen ir kt., 2014). Šio klasterio mokslininkai ištyrė įvairius tokių sistemų aspektus. Be kitų, Aasen ir kt. (2015b) pasiūlė unikalų metodą, kaip gauti trimatę hiperspektrinę informaciją iš lengvo svorio
momentinių nuotraukų kameros, naudojamos UAV augalijai stebėti. Lucieer ir kt. (2014) aptarė naujos hiperspektrinės UAS projektavimą, kūrimą ir oro operacijas, taip pat su ja surinktų vaizdo duomenų kalibravimą, analizę ir interpretavimą. Galiausiai, Honkavaara ir kt. (2013b) sukūrė išsamų FabryPerot interferometru pagrįstų spektrinių vaizdų apdorojimo metodą ir parodė jo naudojimą tiksliojo žemės ūkio biomasės įvertinimo procedūroje. Potencialūs šio dabartinio klasterio ateities būdai yra pabrėžti būtinybę tobulinti jutiklių technologijas (Aasen ir kt., 2015b), taip pat būtinybę įtraukti ir tobulinti papildomas technologijas, ypač didelius duomenis ir analizę (Ang & Seng, 2021; Radoglou). -Grammatikis ir kt., 2020; Shakoor ir kt., 2019). Pastaroji daugiausia kyla iš nuolat augančių duomenų, generuojamų įvairių išmaniajame žemės ūkyje įdiegtų jutiklių (C. Li & Niu, 2020; A. Rejeb ir kt., 2022; Y. Su & Wang, 2021).
5 klasteris. Šio klasterio publikacijose buvo nagrinėjamos dronų pagrindu sukurtos 3D mapping programos. Dronų naudojimas 3D žemėlapiams sudaryti galėtų palengvinti sudėtingus lauko darbus ir žymiai padidinti efektyvumą (Torres-Sanchez ´ ir kt., 2015). Penkiuose klasterio straipsniuose daugiausia dėmesio skirta augalų stebėjimo programoms. Pavyzdžiui, norėdami gauti trimačius duomenis apie lajos plotą, medžių aukštį ir lajos tūrį, Torres-Sanchez ´ ir kt. (2015) naudojo UAV technologiją, kad sukurtų skaitmeninius paviršiaus modelius, o vėliau – objektinės vaizdų analizės (OBIA) metodus. Be to, Zarco-Tejada ir kt. (2014) kiekybiškai įvertino medžių aukštį integruodamas UAV technologiją ir trimačius fotorekonstrukcijos metodus. Jim'enez-Brenes Lopez-Granados, ´ De Castro ir kt. (2017) pademonstravo naują daugialaikio, 3D dešimčių alyvmedžių stebėjimo procesą integruojant UAV technologiją su pažangia OBIA metodika. Įdomūs būsimų darbų šiame klasteryje būdai apima esamos kokybės gerinimą
metodikos (Zarco-Tejada ir kt., 2014), skirtos skaitmeninio paviršiaus modeliavimo tikslams (Ajayi ir kt., 2017; Jaud ir kt., 2016), pvz., OBIA (de Castro ir kt., 2018, 2020; Ventura et al. , 2018), ir nuotraukų rekonstrukcija arba naujų metodų kūrimas (Díaz-Varela ir kt., 2015; Torres-S´anchez ir kt., 2015).
6 klasteris. Šioje grupėje aptariamas bepiločių orlaivių vaidmuo žemės ūkio priežiūros srityje. UAV galėtų papildyti ir pašalinti palydovinio ir orlaivių vaizdavimo trūkumus. Pavyzdžiui, jie galėtų užtikrinti didelės skiriamosios gebos vaizdą beveik realiuoju laiku su mažiau degalų ar pilotavimo iššūkių, todėl būtų nuolat stebima realiuoju laiku ir pagerėtų sprendimų priėmimas (S. Herwitz ir kt., 2004). Kitas svarbus UAV indėlis yra jų gebėjimas teikti konkrečios vietovės duomenis tiksliam žemdirbystei arba konkrečiai vietai ūkininkauti, nes didelė skiriamoji geba, išsamūs duomenys apie įvairius parametrus leidžia ūkininkams padalyti žemę į vienarūšes dalis ir atitinkamai apdoroti (Hunt ir kt. , 2010; CC Lelong ir kt., 2008; Primicerio ir kt., 2012). Tokia UAV pagrįsta žemės ūkio priežiūra gali padėti stebėti maisto saugumą ir priimti sprendimus (SR Herwitz ir kt., 2004). Norint tobulinti žemės ūkio priežiūros tyrimus, reikia ne tik tobulinti jutiklius, UAV ir kitas susijusias technologijas bei jų komunikacijos ir duomenų perdavimo metodus (Ewing ir kt., 2020; Shuai ir kt., 2019), bet ir integruoti dronus su įvairiais būdais. technologijos, skirtos optimizuoti įvairias užduotis, susijusias su išmaniuoju žemės ūkiu, pavyzdžiui, stebėseną, žemės ūkio priežiūrą ir sprendimų priėmimą, yra didelio potencialo mokslinių tyrimų sritis (Alsamhi ir kt., 2021; Popescu ir kt., 2020; Vuran ir kt., 2018). Šiuo atžvilgiu IoT, WSN ir dideli duomenys siūlo įdomių papildomų galimybių (van der Merwe ir kt., 2020). Diegimo išlaidos, sąnaudų taupymas, energijos vartojimo efektyvumas ir duomenų saugumas yra vienos iš nepakankamai ištirtų tokios integracijos sričių (Masroor ir kt., 2021).
Šalys ir akademinės institucijos
Paskutinis žingsnis apėmė kilmės šalies ir autorių akademinės priklausomybės tyrimą. Šia analize siekiame geriau suprasti mokslininkų, kurie prisideda prie dronų taikymo žemės ūkyje, geografinį pasiskirstymą. Atkreiptinas dėmesys į šalių ir akademinių institucijų įvairovę. Žiūrint iš šalies, pagal publikacijų skaičių sąrašo viršuje yra JAV, Kinija, Indija ir Italija (7 lentelė). Dabartinis
Žemės ūkio dronų tyrimai daugiausia sutelkti Šiaurės Amerikos ir Azijos šalyse, daugiausia dėl jų didelio įsitraukimo į tiksliojo žemės ūkio taikymą. Pavyzdžiui, JAV žemės ūkio dronų rinka 841.9 m. buvo įvertinta 2020 mln. USD, o tai sudaro apie 30% pasaulinės rinkos dalies (ReportLinker, 2021). Prognozuojama, kad 2.6 m. Kinija yra didžiausia pasaulio ekonomika, jos rinka pasieks apytikslį 2027 mlrd. Tačiau šios technologijos pritaikymą Kinijoje taip pat lemia tokie veiksniai kaip gyventojų skaičius ir poreikis diegti naujoves bei tobulinti esamą pasėlių valdymo praktiką.
Produktyviausios šalys ir universitetai / organizacijos, kurios prisideda prie
su žemės ūkio dronais susiję tyrimai.
rangas | Šalys |
1 | JAV |
2 | Kinija |
3 | Indija |
4 | Italija |
5 | Ispanija |
6 | Vokietija |
7 | Brazilija |
8 | Australija |
9 | Japonija |
10 | Didžioji Britanija |
rangas | Universitetai/ organizacijos |
1 | Kinijos mokslų akademija |
2 | Kinijos Liaudies Respublikos žemės ūkio ministerija |
3 | Consejo Superior de Investigaciones Científicas |
4 | Teksaso A&M universitetas |
5 | Kinijos žemės ūkio universitetas |
6 | USDA žemės ūkio tyrimų tarnyba |
7 | CSIC – Instituto de Agricultura Sostenible IAS |
8 | Purdue universiteto |
9 | Nacionalinė mokslinių tyrimų taryba |
10 | Pietų Kinijos žemės ūkio universitetas |
Žvelgiant iš universitetų ir organizacinės perspektyvos, Kinijos mokslų akademija pirmauja sąraše pagal publikacijų skaičių, toliau rikiuojasi Kinijos Liaudies Respublikos žemės ūkio ministerija ir Consejo Superior de Investigaciones Científicas. Kinijos mokslų akademijai atstovauja autoriai Liao Xiaohan ir Li Jun; Han Wenting atstovauja Kinijos Liaudies Respublikos žemės ūkio ministerijai; ir Consejo Superior de Investigaciones Científicas atstovauja Lopez-Granados, ´ F. ir Pena, ˜ Jos´e María S. Iš JAV universitetai, tokie kaip Teksaso A&M universitetas ir Purdue universitetas
paminėti. Universitetai, turintys daugiausiai publikacijų ir jų sąsajos, parodyti 4 pav. Be to, į šį sąrašą įtrauktos tokios institucijos kaip Consiglio Nazionale delle Ricerche ir Consejo Superior de Investigaciones Científicas, kurios vykdo mokslinius tyrimus, bet nėra akademinės institucijos. .
Mūsų pasirinkimas apėmė daugybę žurnalų, apimančių beveik visus turimus duomenis. Kaip parodyta 8 lentelėje, Nuotolinis aptikimas su 258 straipsniais rikiuojasi viršuje, po jo seka žurnalas „Intelligent and Robotic Systems: Theory and Applications“ su 126 ir Kompiuteriai ir elektronika žemės ūkyje su 98 straipsniais. Nors nuotolinis stebėjimas daugiausia orientuotas į dronų taikymą ir plėtrą, kompiuteriai ir elektronika žemės ūkyje daugiausia apima kompiuterių aparatinės įrangos, programinės įrangos, elektronikos ir valdymo sistemų pažangą žemės ūkyje. Tarptautinės prekybos vietos, pvz., IEEE Robotics and Automation Letters su 87 leidiniais ir IEEE Access su 34 leidiniais, taip pat yra geriausi šios srities prekybos centrai. Į literatūrą įtraukta 959 dokumentai, kurie sudaro apie 20.40% visų publikacijų, penkiolika geriausių prekybos vietų. Žurnalo kocitavimo analizė leidžia mums ištirti publikacijų svarbą ir panašumą. Kocitavimo analizė duoda tris grupes, kaip parodyta 5 pav. Raudonąją grupę sudaro žurnalai, tokie kaip nuotolinis stebėjimas, kompiuteriai ir elektronika žemės ūkyje, jutikliai,
ir International Journal of Remote Sensing. Visos šios prekybos vietos yra labai geros reputacijos žurnalai nuotolinio stebėjimo ir tiksliojo žemės ūkio srityse. Žaliajame klasteryje yra žurnalų, susijusių su robotika, pavyzdžiui, „Journal of Intelligent and Robotic Systems: Theory and Applications“, „IEEE Robotics and Automation Letters“, „IEEE Access“ ir „Drones“. Šiose prekybos vietose dažniausiai skelbiami straipsniai apie automatizavimą ir jie yra naudingi žemės ūkio inžinieriams. Galutinį klasterį sudaro žurnalai, susiję su agronomija ir žemės ūkio inžinerija, pvz., Agronomija ir Tarptautinis žemės ūkio ir biologinės inžinerijos žurnalas.
15 geriausių žurnalų apie žemės ūkio dronų tyrimus.
rangas | Žurnalas | Skaičiuoti |
1 | Nuotolinis jutimas | 258 |
2 | Žurnalas „Intelligent and Robotic Systems: Theory and Programos | 126 |
3 | Kompiuteriai ir elektronika žemės ūkyje | 98 |
4 | IEEE Robotics and Automation Letters | 87 |
5 | Jutikliai | 73 |
6 | Tarptautinis nuotolinio stebėjimo žurnalas | 42 |
7 | Tikslusis žemės ūkis | 41 |
8 | Drones | 40 |
9 | Agronomija | 34 |
10 | IEEE prieiga | 34 |
11 | International Journal of Advanced Robotic Systems | 31 |
12 | Tarptautinis žemės ūkio ir biologinės inžinerijos žurnalas | 25 |
13 | PLoS ONE | 25 |
14 | Lauko robotikos žurnalas | 23 |
15 | „Biosystems Engineering“ | 23 |
Išvada
Santrauka
Šiame tyrime apibendrinome ir išanalizavome esamus žemės ūkio dronų tyrimus. Taikydami įvairius bibliometrinius metodus, siekėme geriau suprasti su žemės ūkio dronais susijusių tyrimų intelektualinę struktūrą. Apibendrinant, mūsų apžvalga siūlo keletą indėlių, nustatant ir aptariant raktinius žodžius literatūroje, atskleidžiant žinių grupes ir formuojant semantiškai panašias bendruomenes dronų srityje, nubrėžiant ankstesnius tyrimus ir siūlant ateities tyrimų kryptis. Žemiau pateikiame pagrindines žemės ūkio dronų kūrimo apžvalgos išvadas:
• Bendra literatūra per pastarąjį dešimtmetį sparčiai augo ir sulaukė didžiulio dėmesio, kaip rodo straipsnių skaičiaus padidėjimas po 2012 m. Nors ši žinių sritis dar nepasiekė visiškos brandos (Barrientos ir kt., 2011; Maes). & Steppe, 2019), kai kurie klausimai vis dar neatsakyti. Pavyzdžiui, bepiločių orlaivių naudojimas ūkininkaujant patalpose vis dar yra diskusijų objektas (Aslan ir kt., 2022; Krul ir kt., 2021; Rold'an ir kt., 2015). Laukų scenų sudėtingumas ir skirtingos vaizdo gavimo aplinkybės (pvz., šešėliai ir apšvietimas) gali sukelti didesnę spektro dispersiją klasėje (Yao ir kt., 2019). Net vėlesniuose tyrimo etapuose tyrėjams buvo iškelta iššūkis nustatyti optimalius skrydžio planus pagal konkrečius scenarijus ir reikiamą vaizdo kokybę (Soares ir kt., 2021; Tu ir kt.,
2020).
• Pastebime, kad ši sritis pažengė į priekį nuo efektyvių UAV sistemų kūrimo iki AI metodų, tokių kaip mašininis mokymasis ir gilus mokymasis, įtraukimas kuriant žemės ūkio dronus (Bah ir kt., 2018; Kitano ir kt., 2019; Maimaitijiang ir kt. , 2020; Mazzia ir kt., 2020; Tetila ir kt., 2020).
• Žemės ūkio dronų tyrimuose daugiausia buvo aptariamas nuotolinis stebėjimas, tiriant technologijos galimybes aplinkos stebėjimo, pasėlių valdymo ir piktžolių valdymo srityse (1 klasteris), taip pat nuotolinio fenotipų nustatymo ir derliaus įvertinimo (2 klasteris). Įtakingų žemės ūkio dronų tyrimų rinkinys apima Austin (2010), Berni ir kt. (2009)a, Herwitz ir kt. (2004), Nex ir Remondino (2014) ir Zhang ir Kovacs (2012). Šios studijos sukūrė konceptualų su dronu susijusių tyrimų žemės ūkio kontekste pagrindą.
• Kalbant apie metodiką, pastebėjome, kad didžiąją dalį iki šiol atliktų tyrimų sudarė sistemos projektavimo, konceptualūs arba apžvalgomis pagrįsti tyrimai (Inoue, 2020; Nex ir Remondino, 2014; P´erez-Ortiz ir kt. , 2015; Yao ir kt., 2019). Taip pat pastebime, kad tiriant žemės ūkio dronus trūksta empirinių, kokybinių ir atvejų tyrimais pagrįstų metodų.
• Pastaruoju metu daug dėmesio sulaukė temos, susijusios su tiksliuoju žemės ūkiu, dirbtinio intelekto metodais, tiksliąja vynuogininkyste ir vandens įtempimo vertinimu (Espinoza ir kt., 2017; Gomez-Cand ´ on ´ et al., 2016; Matese ir kt., 2015); Matese ir Di Gennaro, 2018, 2021; Z. Zhou ir kt., 2021). Atidžiai išnagrinėjus dviejų atskirų epochų – 1990–2010 ir 2011–2021 m. – tyrimų grupes, atskleidžiama srities intelektualinės struktūros pažanga. Laikotarpis nuo 1990 iki 2010 m. buvo pagrindinių bepiločių orlaivių sąvokų ir koncepcijų kūrimas, o tai akivaizdu iš diskusijų apie UAV projektavimą, kūrimą ir įgyvendinimą. Antrojoje eroje moksliniai tyrimai plečiasi į ankstesnius tyrimus, stengiantis sintezuoti UAV naudojimo atvejus žemės ūkyje. Taip pat radome daugybę tyrimų, kuriuose aptariamas dronų pritaikymas vaizdavimo užduotyse ir tiksliajame žemės ūkyje.
rangas | Žurnalas | Skaičiuoti |
1 | Nuotolinis jutimas | 258 |
2 | Žurnalas „Intelligent and Robotic Systems: Theory and | 126 |
Programos | ||
3 | Kompiuteriai ir elektronika žemės ūkyje | 98 |
4 | IEEE Robotics and Automation Letters | 87 |
5 | Jutikliai | 73 |
6 | Tarptautinis nuotolinio stebėjimo žurnalas | 42 |
7 | Tikslusis žemės ūkis | 41 |
8 | Drones | 40 |
9 | Agronomija | 34 |
10 | IEEE prieiga | 34 |
11 | International Journal of Advanced Robotic Systems | 31 |
12 | Tarptautinis žemės ūkio ir biologinės inžinerijos žurnalas | 25 |
13 | PLoS ONE | 25 |
14 | Lauko robotikos žurnalas | 23 |
15 | „Biosystems Engineering“ | 22 |
pasekmės
Mūsų bibliometrinė apžvalga buvo sukurta ir atlikta atsižvelgiant į mokslininkus, ūkininkus, žemės ūkio ekspertus, pasėlių konsultantus ir UAV sistemų projektuotojus. Autorių žiniomis, tai yra viena iš pirmųjų originalių apžvalgų, kuriose atlikta išsami bibliometrinė analizė
dronų pritaikymas žemės ūkyje. Mes atlikome išsamią šio žinių objekto apžvalgą, naudodamiesi publikacijų citavimo ir citavimo analize. Mūsų bandymai apibūdinti intelektualinę dronų tyrimų struktūrą taip pat suteikia naujų įžvalgų akademikams. Atidžiai peržiūrėjus laikui bėgant naudotus raktinius žodžius, paaiškėja su dronais susijusios literatūros karštieji taškai ir pagrindinės tyrimų sritys. Be to, pateikiame dažniausiai cituojamų tyrimų sąrašą, kad nustatytų didžiausią įtaką šioje srityje atliktus mokslinius darbus. Todėl straipsnių ir raktinių žodžių nustatymas galėtų būti tvirtas atspirties taškas siekiant atskleisti keletą būsimų tyrimų būdų.
Svarbu tai, kad atskleidėme grupes, kurios klasifikuoja palyginamus darbus, ir detalizavome rezultatus. Į grupes suskirstyti tyrimai padeda suprasti intelektualinę UAV tyrimų struktūrą. Pažymėtina, kad aptikome tyrimų, tiriančių dronų pritaikymo veiksnius, trūkumą
ir kliūtis ūkininkavimo veikloje (žr. 9 lentelę). Būsimieji mokslininkai galėtų pašalinti šią galimą spragą atlikdami empirinius tyrimus, įvertinančius dronų pritaikymo veiksnius įvairiose ūkininkavimo veiklose ir klimato sąlygose. Be to, atvejų tyrimais pagrįsti bepiločių orlaivių efektyvumo tyrimai turėtų būti pagrįsti tikrais šios srities duomenimis. Be to, ūkininkų ir vadovų įtraukimas į akademinius tyrimus būtų naudingas tiek teorinei, tiek praktinei dronų tyrimų pažangai. Taip pat galėjome nustatyti žymiausius tyrėjus ir jų indėlį, o tai yra vertinga, nes naujausių reikšmingų darbų žinojimas gali būti tam tikras gaires būsimoms akademinėms pastangoms.
Lentelė 9
UAV priėmimo kliūtys.
Barjeras | Aprašymas |
Duomenų saugumas | Kibernetinis saugumas yra pagrindinis iššūkis, kurį reikia įgyvendinti IoT sprendimai (Masroor ir kt., 2021). |
Sąveika ir integracija | Įvairios technologijos, tokios kaip UAV, WSN, IoT ir kt. turėtų būti integruoti ir perduoti duomenis, kurie padidinti sudėtingumo lygį (Alsamhi ir kt., 2021; Popescu ir kt., 2020; Vuran ir kt., 2018). |
Įgyvendinimo išlaidos | Tai ypač pasakytina apie smulkius ūkininkus ir integruoti įvairias pažangiausias technologijas ( Masroor ir kt., 2021). |
Darbo žinios ir patirtis | Norint valdyti UAV, reikalingi kvalifikuoti dronų pilotai. Taip pat diegiant įvairius pažangiausius technologijos reikalauja kvalifikuotų darbuotojų (YB Huang ir kt., 2013; Tsouros ir kt., 2019). |
Variklio galia ir skrydis trukmė | Dronai negali būti eksploatuojami ilgai ir uždengti dideli plotai (Hardin & Hardin, 2010; Laliberte ir kt., 2007). |
Stabilumas, patikimumas ir manevringumas | Dronai nėra stabilūs esant blogoms oro sąlygoms (Hardin & Hardin, 2010; Laliberte ir kt., 2007). |
Naudingosios apkrovos apribojimai ir jutiklių kokybė | Dronai gali gabenti tik ribotus krovinius galimybė įkelti žemesnės kokybės jutiklius (Nebiker et al., 2008). |
Reguliavimas | Kadangi dronai taip pat gali būti pavojingi, yra sunkių kai kurių sričių taisyklės (Hardin & Jensen, 2011; Laliberte ir Rango, 2011). |
Ūkininkų žinios ir palūkanos | Kaip ir kitos pažangiausios technologijos, dronai sėkmingam įgyvendinimui reikia patirties ir taip pat lydimas neaiškumų (Fisher ir kt., 2009; Lambert ir kt., 2004; Staffordas, 2000). |
Kadangi nuolat reikia efektyviai panaudoti turimus išteklius, siekiant maksimaliai padidinti derlių, ūkininkai gali pasinaudoti bepiločiais orlaiviais, kad užtikrintų greitą, tikslų ir ekonomišką savo laukų nuskaitymą. Ši technologija gali padėti ūkininkams nustatyti savo pasėlių būklę ir įvertinti vandens būklę, brendimo stadiją, vabzdžių užkrėtimą ir mitybos poreikius. Bepiločių orlaivių nuotolinio stebėjimo galimybės gali suteikti ūkininkams svarbių duomenų, kad jie galėtų ankstyvoje stadijoje numatyti problemas ir greitai imtis tinkamų veiksmų. Tačiau technologijos pranašumai gali būti realizuoti tik tinkamai sprendžiant iššūkius. Atsižvelgiant į
esamos problemos, susijusios su duomenų saugumu, jutiklių technologijų problemomis (pvz., matavimų patikimumu ar tikslumu), integracijos sudėtingumu ir didelėmis diegimo išlaidomis, būsimuose tyrimuose taip pat turi būti ištirtas techninis, ekonominis ir eksploatacinis žemės ūkio dronų ir kitų kirtimų integravimo pagrįstumas. pažangios technologijos.
Trūkumai
Mūsų tyrimas turi keletą apribojimų. Pirma, išvadas lemia galutinei analizei atrinktos publikacijos. Sunku užfiksuoti visus susijusius tyrimus, susijusius su žemės ūkio dronais, ypač tuos, kurie nėra įtraukti į Scopus duomenų bazę. Be to, duomenų rinkimo procesas apsiriboja paieškos raktinių žodžių nustatymu, kurie gali būti neįtraukiami ir duoti neaiškių išvadų. Taigi būsimuose tyrimuose reikia daugiau dėmesio skirti pagrindinei duomenų rinkimo problemai
patikimesnės išvados. Kitas apribojimas yra susijęs su naujais leidiniais, kuriuose cituojama mažai. Bibliometrinė analizė yra šališka ankstesnių leidinių atžvilgiu, nes bėgant metams jie dažniausiai sulaukia daugiau citatų. Naujausiems tyrimams reikia tam tikro laiko, kad patrauktų dėmesį ir kauptų citatas. Todėl naujausi tyrimai, atnešantys paradigmos pasikeitimą, nepatektų į įtakingiausių darbų dešimtuką. Šis apribojimas vyrauja tiriant greitai atsirandančias mokslinių tyrimų sritis, tokias kaip žemės ūkio dronai. Kadangi mes konsultavomės su Scopus, norėdami ištirti literatūrą šiam darbui, būsimi tyrinėtojai galėtų galvoti kitaip
duomenų bazes, pvz., Web of Science ir IEEE Xplore, kad išplėstų akiratį ir pagerintų tyrimų struktūrą.
Potencialūs bibliometriniai tyrimai gali atsižvelgti į kitus svarbius žinių šaltinius, pvz., konferencijų pranešimus, skyrius ir knygas, kad būtų sukurtos naujos įžvalgos. Nepaisant pasaulinių publikacijų apie žemės ūkio dronus žemėlapių sudarymo ir tyrimo, mūsų išvados neatskleidė universitetų mokslinių rezultatų priežasčių. Tai atveria kelią į naują mokslinių tyrimų sritį, kokybiškai paaiškinant, kodėl kai kurie universitetai yra produktyvesni už kitus, kai kalbama apie žemės ūkio tyrimus.
dronai. Be to, būsimi tyrimai galėtų suteikti įžvalgų apie bepiločių orlaivių potencialą didinti ūkininkavimo tvarumą keliais būdais, pavyzdžiui, aplinkos stebėjimu, pasėlių valdymu ir piktžolių kartografavimu, kaip nurodė keli mokslininkai (Chamuah ir Singh, 2019; Islam ir kt., 2021; Popescu ir kt., 2020; J. Su, Liu ir kt., 2018b). Kadangi teksto analizė nebuvo įmanoma dėl didelio atrinktų straipsnių skaičiaus, reikia sistemingų literatūros apžvalgų, kurios išnagrinėtų
taikomi tyrimo metodai ir ūkininkų įtraukimas į ankstesnius tyrimus. Trumpai tariant, mūsų dronų tyrimų analizė atskleidžia nematomus šio žinių kūno ryšius. Todėl ši apžvalga padeda atskleisti publikacijų ryšius ir tyrinėja intelektualinę tyrimo srities struktūrą. Jame taip pat vaizduojami įvairių literatūros aspektų, tokių kaip autorių raktažodžiai, priklausomybės ir šalys, sąsajos.
Konkuruojančių interesų deklaracija
Autoriai pareiškia, kad neturi jokių konkuruojančių finansinių interesų ar asmeninių santykių, kurie galėjo turėti įtakos šiame darbe aprašytam darbui.
Priedas 1
TITLE-ABS-KEY (((dronas* ARBA „nepilotuojamas orlaivis“ ARBA uav* ARBA „nepilotuojamas orlaivio sistema“ ARBA uas ARBA „nuotoliniu būdu pilotuojamas orlaivis) IR (žemės ūkio ARBA žemės ūkis ARBA ūkininkavimas ARBA ūkininkas))) IR (IŠSKYRIUS (PUBYEAR, 2022)) IR (RIBOTI (KALBA, „anglų k.“).
Nuorodos
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. 3D hiperspektrinės informacijos generavimas su lengvomis UAV momentinėmis kameromis augmenijos stebėjimui: nuo
kameros kalibravimas siekiant užtikrinti kokybę. ISPRS J. Fotograma. Nuotoliniai jutimai 108, 245–259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005. Modelio atpažinimo algoritmo automatiniam paukščių aptikimui iš nepilotuojamų orlaivių vaizdų kūrimas.
Apklausa. Žemės inform. Sci. 65 (1), 37–45.
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021. Wireless sensor networks in agriculture: insights from bibliometric analysis. Tvarumas 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M., Skirtingų šešėlių aptikimo metodų įvertinimas didelės raiškos optiniuose vaizduose ir šešėlio poveikio skaičiavimui įvertinimas NDVI ir evapotranspiracija. Irrig. Sci. 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. Hiperspektrinis vaizdas: UAV pagrįstų jutiklių apžvalga, duomenys apdorojimas ir
paraiškos žemės ūkiui ir miškininkystei. Nuotolinis aptikimas 9 (11). https://doi.org/ 10.3390/rs9111110.
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Daugialaikis vaizdavimas naudojant nepilotuojamą orlaivį saulėgrąžų pasėlių stebėjimui. Biosyst. inž.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. Sukūrus tikslius skaitmeninius aukščio modelius iš UAV, gauta mažo procento persidengiančių vaizdų. Tarpt.
J. Remote Sens. 38 (8–10), 3113–3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Ali, I., Greifeneder, F., Stamenkovic, J., Neumann, M., Notarnicola, C., 2015. Mašininio mokymosi metodų, skirtų biomasės ir dirvožemio drėgmės paieškai iš nuotolinio stebėjimo duomenų, apžvalga. Nuotolinis aptikimas 7 (12), 16398–16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M., Žalias daiktų internetas naudojant UAV B5G tinkluose: programų apžvalga
ir strategijos. Reklama. Hoc. Tinklas 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Al-Thani, N., Albuainain, A., Alnaimi, F., Zorba, N., 2020. Drones for Sheep Livestock Monitoring. In: 20-oji IEEE Viduržemio jūros elektrotechnikos konferencija. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. UAV pagrįstas didelio našumo fenotipų nustatymas citrusiniuose vaisiuose, naudojant daugiaspektrinį vaizdą ir dirbtinį intelektą. Remote Sensing 11 (4), https://doi.org/10.3390/rs11040410.
Ampatzidis, Y., Partel, V., Costa, L., 2020. Agroview: debesimis pagrįsta programa, skirta apdoroti, analizuoti ir vizualizuoti UAV surinktus duomenis tiksliojo žemės ūkio programoms naudojant dirbtinį intelektą. Comput. Elektronas. Agric. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. Didieji duomenys ir mašininis mokymasis su hiperspektrine informacija žemės ūkyje. IEEE Access 9, 36699–36718. https://doi.org/10.1109/
ACCESS.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. Apžvalga: precizinės gyvulininkystės technologijos ganyklų gyvulininkystės sistemose. Animal 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, ´ D., Mejia-Aguirre, C., Pažangių informacinių ir ryšių technologijų tendencijos
žemės ūkio našumo gerinimas: bibliometrinė analizė. Agronomija 10 (12), 12 straipsnis. https://doi.org/10.3390/agronomy10121989.
Armstrong, I., Pirrone-Brusse, M., Smith, A., Jadud, M., 2011. The flying Gator: to aerial robotics in occam-π. Komun. Proceso architektas. 2011, 329–340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. Intelektinės vartotojų skundų elgesio struktūros (CCB) tyrimas: bibliometrinė analizė. J. Business Res. 122, 60–74.
Aslan, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022 m.
Išsami naujausių tyrimų su UAV, skirtų tiksliam žemdirbystei atviruose laukuose ir šiltnamiuose, apžvalga. Appl. Sci. 12 (3), 1047. https://doi.org/10.3390/
app12031047.
Atkinson, JA, Jackson, RJ, Bentley, AR, Ober, E. ir Wells, DM (2018). Lauko fenotipų nustatymas ateičiai. Kasmetinėse augalų apžvalgose internete (p. 719–736). Jonas
Wiley & Sons, Ltd. doi: 10.1002/9781119312994.apr0651.
Austin, R., 2010. Nepilotuojamos orlaivių sistemos: UAVS projektavimas, kūrimas ir diegimas. In: Nepilotuojamos orlaivių sistemos: UAVS projektavimas, kūrimas ir
Diegimas. Johnas Wiley ir sūnūs. 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. UAV pagrįstas nuotolinis augalų streso stebėjimas Įsivaizduokite, kad skaitmeninėje žemdirbystėje naudojamas didelės raiškos šiluminis jutiklis: meta-apžvalga. Tarpt. J. Aplinka. Sci. Techn. 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. Sumanus ūkininkavimas: galimybės, iššūkiai
ir technologijų įgalintojai. 2018 IoT Vertikali ir. Aktualus aukščiausiojo lygio susitikimas žemės ūkio klausimais – Toskana (IOT Toskana) 1–6 d. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. Gilus mokymasis su neprižiūrimų duomenų ženklinimu, siekiant aptikti piktžoles linijiniuose pasėliuose UAV vaizduose. Nuotolinis aptikimas 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Baldi, S., 1998. Normatyviniai ir socialiniai konstruktyvistiniai procesai skirstant citatas: tinklinis-analitinis modelis. Esu. Sociol. Rev. 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. Vynuogynų vandens būklės kintamumo vertinimas terminiu ir multispektriniu būdu
vaizdai naudojant nepilotuojamą orlaivį (UAV). Irrig. Sci. 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.,Kitos kartos veisimas. Plant Sci. 242, 3–13. https://doi.org/10.1016/j.
plantci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. Nepilotuojamų oro sistemų panaudojimo galvijų stebėjimui perspektyvos. Outlook Agric. 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. Mažo svorio ir UAV pagrįstas hiperspektras viso kadro kameros
pasėlių stebėjimui: spektrinis palyginimas su nešiojamais spektroradiometro matavimais. Photogrammetrie, Fernerkundung, Geoinformation 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., Nuotolinis stebėjimas iš oro žemės ūkyje: praktinis požiūris į teritorijos aprėptį
ir maršrutų planavimas mini oro robotų parkams. J. Fieldas Robas. 28 (5), 667–689. https://doi.org/10.1002/rob.20403.
Basiri, A., Mariani, V., Silano, G., Aatif, M., Iannelli, L., Glielmo, L., 2022. Apklausa apie kelio planavimo algoritmų taikymą kelių rotorių UAV tikslumu
Žemdirbystė. J. Navigas. 75 (2), 364–383.
Basnet, B., Bang, J., 2018. Žinioms imlios žemės ūkio modernumas: taikomųjų jutimo sistemų ir duomenų analizės apžvalga. J. Sens. 2018, 1–13.
Bendig, J., Bolten, A., Bareth, G., 2013. UAV pagrįstas vaizdavimas daugialaikiams, labai didelės skiriamosios gebos pasėlių paviršiaus modeliams, siekiant stebėti pasėlių augimo kintamumą. Photogrammetrie, Fernerkundung, Geoinformation 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. Miežių biomasės įvertinimas naudojant pasėlių paviršiaus modelius (CSM), gautus iš UAV pagrindu sukurtų RGB vaizdų. Nuotolinis aptikimas 6 (11), 10395–10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. UAV pagrįsto augalo aukščio nuo pasėlių paviršiaus derinimas modeliai,
matomi ir artimi infraraudonųjų spindulių augmenijos indeksai miežių biomasės stebėjimui. Tarpt. J. Appl. Žemės stebėjimas. Geoinf. 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. Alyvuogių sodų baldakimo laidumo ir CWSI kartografavimas naudojant didelę skiriamąją gebą
šiluminio nuotolinio stebėjimo vaizdai. Nuotolinio jutiklio aplinka. 113 (11), 2380–2388. https://doi.org/10.1016/j.rse.2009.06.018.
Berni, JA, Zarco-Tejada, PJ, Suarez, ´L., Fereres, E., 2009b. Šiluminis ir siaurajuostis daugiaspektris nuotolinis stebėjimas augalijos stebėjimui iš nepilotuojamo orlaivio. IEEE Trans. Geosci. Remote Sens. 47 (3), 722–738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. Internet of Things in food safety: Literature review and a bibliometric analysis. Trends Food Sci. Techn. 94,54–64. https://doi.org/10.1016/j.tifs.2019.11.002.
Brewster, C., Roussaki, I., Kalatzis, N., Doolin, K., Ellis, K., 2017. IoT in agriculture: Designing a Europe-wide large-scale pilot. IEEE bendrija. Mag. 55 (9), 26–33.
Buters, TM, Belton, D., Cross, AT, 2019. Atskirų sodinukų ir sodinukų bendrijų kelių jutiklių UAV sekimas milimetro tikslumu. Dronai 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. Daugiaspektrinių vaizdų ir augalijos indeksų įvertinimas tiksliojo ūkininkavimo taikymams iš UAV vaizdų. Nuotolinis aptikimas 7 (4), 4026–4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. Cukrinių runkelių augimo rodiklių stebėjimas naudojant plataus dinaminio diapazono augmenijos indeksą (WDRVI), gautą iš UAV
daugiaspektriniai vaizdai. Comput. Elektronas. Agric. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. Šeimos verslo literatūros intelektinės struktūros raida: bibliometrinis FBR tyrimas. Šeimos verslas 20 (2), 141–162 red.
Cen, H., Wan, L., Zhu, J., Li, Y., Li, X., Zhu, Y., Weng, H., Wu, W., Yin, W., Xu, C., Bao, Y., Feng, L., Shou, J., He, Y., 2019. Dinaminis ryžių biomasės stebėjimas pagal
skirtingas azoto apdorojimas naudojant lengvą UAV su dviejų kadrų momentinių nuotraukų kameromis. Augalų metodai 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418 8.
Chamuah, A., Singh, R., 2019. Indijos žemės ūkio tvarumo užtikrinimas naudojant civilinius UAV: atsakinga inovacijų perspektyva. SN Appl. Sci. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. Atsakingas civilinių nepilotuojamų orlaivių (UAV) inovacijų valdymas Indijos pasėlių draudimo programoms. J. Atsakingas
Techn. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen, A., Orlov-Levin, V., Meron, M., 2019. Didelės skiriamosios gebos matomų kanalų vaizdų iš oro taikymas pasėlių baldakimu tiksliam drėkinimo valdymui. Agric. Vanduo
Vald. 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. Lengvas UAV su integruota fotogrametrija ir vieno dažnio GPS padėties nustatymu metrologijos programoms. ISPRS J. Fotograma. Nuotoliniai jutimai 127, 115–126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Blockchain pagrindu sukurta IoT platforma autonominių dronų operacijų valdymui. In: Proceedings of the 2nd ACM
„MobiCom“ seminaras apie bepiločius belaidžius ryšius, skirtus 5G ir ne tik, 31–36 p. https://doi.org/10.1145/3414045.3415939.
Day, RA, Gastel, B., 1998. Kaip parašyti ir publikuoti mokslinį darbą. Kembridžo universiteto leidykla. de Castro, AI, Pena, ˜ JM, Torres-Sanchez, ´ J., Jim´enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´ F., 2020. Mapping Cynodon Dactylon infesting uždenkite pasėlius naudodami automatinio sprendimų medžio-OBIA procedūrą ir UAV vaizdus, skirtus tiksliam vynuogių auginimui. Nuotolinis aptikimas 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. Automatinis atsitiktinis miško-OBIA algoritmas, skirtas ankstyvas piktžolių kartografavimas tarp pasėlių eilučių ir jų viduje naudojant UAV vaizdus. Nuotolinis aptikimas 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018. Automated Measurement of Plant Height of Wheat Genotypes using a DSM Derived from UAV Imagery. Proceedings 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020. Lengvas semantinis segmentavimo tinklas, skirtas piktžolių kartografavimui realiuoju laiku naudojant nepilotuojamus orlaivius. Appl. Sci. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. UAV-based multispectral remote sensing for precision agriculture: a palyginimas tarp skirtingų kamerų. ISPRS J. Fotograma. Nuotoliniai jutimai 146, 124–136.
Diaz-Gonzalez, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022. Mašininio mokymosi ir nuotolinio stebėjimo metodai, taikomi dirvožemio rodikliams įvertinti – apžvalga. Ecol. Ind. 135, 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Díaz-Varela, RA, De la Rosa, R., Leon, ´ L., Zarco-Tejada, PJ, 2015. Didelės skiriamosios gebos ore esantys UAV vaizdai alyvmedžių lajos parametrams įvertinti naudojant 3D nuotrauką
rekonstrukcija: taikymas veisimo bandymuose. Nuotolinis aptikimas 7 (4), 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. Oro uosto pajėgumų valdymas: apžvalga ir bibliometrinė analizė. J. Air Transp. Vald. 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 m.
RapidEye vaizdų naudojimas pasėlių augimo ir derliaus kintamumui nustatyti Ontarijuje, Kanadoje. Tikslioji žemdirbystė. 20 (6), 1231–1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. Žemės ūkio dronų ir kitų taikymas siekiant suprasti maisto tiekimo grandinę po COVID-19. In: Choudhury, A., Biswas, A., Prateek, M.,
Chakrabarti, A. (red.), Žemės ūkio informatika: automatizavimas naudojant daiktų internetą ir mašininį mokymąsi. Wiley, p. 67–87. van Eck, N., Waltman, L., 2009. Programinės įrangos tyrimas: VOSviewer, kompiuterinė bibliometrinio žemėlapių sudarymo programa. Scientometrics 84 (2), 523–538. https://doi.org/10.1007/s11192-009-0146-3.
Elijah, O., Rahman, TA, Orikumhi, I., Leow, CY, Hindia, MN, 2018. Daiktų interneto (IoT) ir duomenų analizės žemės ūkyje apžvalga: nauda ir iššūkiai.
IEEE Internet Things 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. Agronomijos patvirtinimas UAV ir laukas
pomidorų veislių išmatavimai. Comput. Elektronas. Agric. 158, 278–283. https://doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. Didelės skiriamosios gebos daugiaspektrinis ir šiluminio nuotolinio stebėjimo vandens įtempio įvertinimas
požeminės drėkinamos vynuogės. Remote Sensing 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Hiperspektrinio nuotolinio stebėjimo panaudojimas dirvožemio gradacijai. Remote Sensing 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. Daugiakalis bepiločių orlaivių daugiaspektrinio paviršiaus atspindžio ir augalijos indeksų įvertinimas eksploatavimo sąlygomis. Nuotolinis aptikimas 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. Belaidžio ryšio technologijų tyrimas daiktų internete tiksliajame žemės ūkyje. Bevielis asm. Komun. 108 (3),
1785 1802.
Ferreira, MP, Pinto, CF, Serra, FR, 2014. Transakcijų sąnaudų teorija tarptautiniuose verslo tyrimuose: trijų dešimtmečių bibliometrinis tyrimas. Scientometrics 98 (3), 1899–1922. https://doi.org/10.1007/s11192-013-1172-8.
Fisher, P., Abuzar, M., Rab, M., Best, F., Chandra, S., 2009. Tiksliojo žemės ūkio pažanga pietryčių Australijoje. I. regresijos metodika imituoti
erdvinis javų derliaus kitimas, naudojant ūkininkų istorinius aptvarų derlius ir normalizuotą augalijos indekso skirtumą. Crop Pasture Sci. 60 (9), 844–858.
Floreano, D., Wood, RJ, 2015. Mokslas, technologijos ir mažų autonominių dronų ateitis. Gamta 521 (7553), 460–466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. Daiktų internetas išmaniojo žemės ūkio ateičiai: išsami naujų technologijų apžvalga. IEEE CAA J. Autom. Sinica 8 (4), 718–752.
Fuentes-Pacheco, J., Torres-Olivares, J., Roman-Rangel, E., Cervantes, S., JuarezLopez, P., Hermosillo-Valadez, J., Rendon-Mancha, ´ JM, 2019. Fig plant segmentation iš oro vaizdų, naudojant gilų konvoliucinį kodavimo-dekoderio tinklą. Remote Sensing 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. UAV iššūkis įvertinti vandens įtampą
tvarus žemės ūkis. Agric. Vandens vadybininkas. 153, 9–19. 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. Šiluminis vaizdas gamykloje
lygiu, kad būtų galima įvertinti pasėlių ir vandens būklę migdoluose (Cv. Guara) taikant nepakankamo drėkinimo strategijas. Agric. Vandens vadybininkas. 208, 176–186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. Paviršiaus atspindžio ir saulės sukeltos fluorescencijos spektroskopijos matavimai naudojant mažą hiperspektrinę UAS. Nuotolinis aptikimas 9 (5), 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. Automatinis metodas, skirtas
piktžolių kartografavimas avižų laukuose, remiantis UAV vaizdais. Comput. Elektronas. Agric.
Gebbers, R., Adamchuk, VI, 2010. Tikslusis žemės ūkis ir maisto sauga. Mokslas 327 (5967), 828–831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. Kombinuotas spektrinis ir erdvinis kukurūzų derliaus modeliavimas remiantis vaizdais iš oro ir pasėlių paviršiaus modeliais, gautais naudojant nepilotuojamą orlaivių sistemą. Nuotolinis aptikimas 6 (11), 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. Tvarus dizainas vartotojams: literatūros apžvalga ir bibliometrinė analizė. Aplinka. Sci. Užteršti. Res. 27 (24), 29824–29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Spektrinio laiko atsako paviršių generavimas, derinant daugiaspektrinį palydovą ir hiperspektrinį
UAV vaizdai tiksliam žemės ūkiui. IEEE J. Sel. Į viršų. Appl. Žemės stebėjimas. Remote Sens. 8 (6), 3140–3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. IoT pagrįstas žemės ūkis kaip debesis ir didelė duomenų paslauga: skaitmeninės Indijos pradžia. J. Org. ir galutinio vartotojo kompiuteris. (JOEUC) 29 (4),
1 23.
Gmür, M., 2006. Kocitavimo analizė ir nematomų kolegijų paieška: metodologinis vertinimas. Scientometrics 57 (1), 27–57. https://doi.org/10.1023/
a:1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Skaitmeniniai kukurūzų augalų skaičiavimai pagal nepilotuojamus orlaivius (UAV). Nuotolinis aptikimas 9 (6). Https://doi.org/10.3390/rs9060544.
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. Sukamojo sparno nepilotuojama oro transporto priemonė, skirta vandens piktžolių stebėjimui ir
valdymas. J. Intell. Robotų sistema: Theor. Appl. 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. Nepilotuojamų orlaivių (UAV) vaizdų mozaikų tikslumo vertinimas tiksliojo žemės ūkio tikslais kviečiuose. Precis. Agric. 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. Vandens streso lauko fenotipų nustatymas medžio mastu UAV jutikliais vaizdais : naujos įžvalgos, skirtos
šilumos gavimas ir kalibravimas. Precis. Agric. 17 (6), 786–800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. Pasėlių vandens streso indekso, kaip vandens trūkumo rodiklio citrusinių vaisių soduose, naudojimo taikymas ir apribojimai. Agric. Dėl. Meteorolis. 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. Didelės raiškos UAV šiluminių vaizdų naudojimas
įvertinti penkių rūšių vaismedžių vandens būklės kintamumą komerciniame sode. Precis. Agric. 14 (6), 660–678. https://doi.org/10.1007/s11119-013-9322-9.
Goyal, K., Kumar, S., 2021. Finansinis raštingumas: sisteminė apžvalga ir bibliometrinė analizė. Tarpt. J. Consumer Studies 45 (1), 80–105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. Mažų sąnaudų uav fotogrammetrinis potencialas miškininkystėje ir žemės ūkyje. Tarptautinis fotogrammetrijos, nuotolinio stebėjimo ir erdvinės informacijos mokslų archyvas – ISPRS archyvas 37, 1207–1213. https://www.scopus.com/inward/record.uri?eid=2-s2.0-85039543258&partnerI D=40&md5=b4b2d639257e8ddb5a373d15959c4e1e.
Guan, S., Fukami, K., Matsunaka, H., Okami, M., Tanaka, R., Nakano, H., Sakai, T., Nakano, K., Ohdan, H., Takahashi, K., 2019. Aukštos raiškos koreliacijos vertinimas
NDVI su trąšų įterpimo lygiu ir ryžių bei kviečių pasėlių derliumi naudojant mažus UAV. Nuotolinis aptikimas 11 (2), 112.
Gundolf, K., Filser, M., 2013. Vadybos tyrimai ir religija: citavimo analizė. J. Autobusas. Etika 112 (1), 177–185.
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. CFD modeliavimas ir eksperimentinis erdvinio patikrinimas ir laiko pasiskirstymas
skraidančio keturių rotorių žemės ūkio UAV oro srautas žemyn. Comput. Elektronas. Agric. 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. , Lenkija, J., 2016 m.
Nepilotuojamų oro sistemų taikymas didelio našumo fenotipų nustatymui dideliuose kviečių auginimo daigynuose. Augalų metodai 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. Spectral imaging from UAVs under variing lighting conditions . Leidinyje GG Bill R. (Red.), Tarptautinis fotogrammetrijos, nuotolinio stebėjimo ir erdvinės informacijos mokslų archyvas – ISPRS archyvas (40 t., 1W2 leidimas, p. 189–194). Tarptautinė fotogrametrijos ir nuotolinio stebėjimo draugija. 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. Salų augmenijos kartografavimo iš nepilotuojamų oro metodų įvertinimas
transporto priemonių (UAV) vaizdai: pikselių klasifikavimas, vizualinis interpretavimas ir mašininio mokymosi metodai. Tarpt. J. Appl. Žemės stebėjimas. Geoinf. 89, 102085 https://doi.org/
10.1016/j.jag.2020.102085.
Haque, A., Islam, N., Samrat, NH, Dey, S., Ray, B., 2021. Sumanus ūkininkavimas atsakingai vadovaujant Bangladeše: galimybės, galimybės ir ne tik.
Tvarumas 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. Mažos apimties nuotoliniu būdu pilotuojamos transporto priemonės aplinkos tyrimuose. Geografijos kompasas 4 (9), 1297–1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin, PJ, Jensen, RR, 2011. Mažos apimties nepilotuojami orlaiviai aplinkos nuotolinio stebėjimo srityje: iššūkiai ir galimybės. GISci. Nuotoliniai jutikliai 48 (1), 99–111. https://doi.org/10.2747/1548-1603.48.1.99.
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Žemės ūkio daiktų internetas: technologijos ir programos, (1-asis leidimas, 2021 m. leidimas). Springeris.
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 m.
Vaizdo kūrimas iš nepilotuojamo orlaivio: žemės ūkio priežiūra ir sprendimų palaikymas. Comput. Elektronas. Agric. 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, Kviečių augalų aukščio ir augimo greičio didelio pralaidumo lauko fenotipų nustatymas lauko sklypų bandymuose naudojant UAV pagrįstą nuotolinį stebėjimą. Nuotolinis aptikimas 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. Apdorojimas ir vertinimas spektrometrinių, stereoskopinių vaizdų, surinktų naudojant lengvą UAV spektrinę kamerą tiksliam žemdirbystei. Nuotolinis aptikimas 5 (10), 5006–5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. Žemo aukščio nepilotuojami orlaiviai, pagrįsti daiktų internetu: išsami apklausa ir ateities perspektyvos. IEEE Internet Things J. 3 (6), 899–922. https://doi.org/10.1109/JIOT.2016.2612119.
Hrabar, S., Sukhatme, GS, Corke, P., Usher, K., Roberts, J., 2005. Kombinuota optinio srauto ir stereofoninė miesto kanjonų navigacija UAV. In: 2005 IEEE/RSJ
Tarptautinė intelektinių robotų ir sistemų konferencija, p. 3309–3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. Kūrybinga daiktų interneto žemės ūkio platforma debesų miglos kompiuterijai. Išlaikyti. Comput. Inf. Syst. 28, 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. Visiškai konvoliucinis nepilotuojamų orlaivių piktžolių kartografavimo tinklas ( UAV) vaizdai. PLoS ONE 13 (4), e0196302.
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020. Deep learning versus Object-based Image Analysis (OBIA) UAV vaizdų piktžolių žemėlapiuose. Tarpt. J.
Remote Sens. 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 m. Gilus spalvų kalibravimas UAV vaizdams stebint pasėlius
naudojant semantinio stiliaus perkėlimą su vietiniu ir pasauliniu dėmesiu. Tarpt. J. Appl. Žemės stebėjimas. Geoinf. 104, 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. Nepilotuojamų orlaivių technologijų kūrimas ir perspektyva žemės ūkio gamybai
valdymas. Tarpt. J. Agrič. Biol. inž. 6 (3), 1–10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. Purškimo sistemos kūrimas nepilotuojamų orlaivių platformai. Appl. inž. Agric. 25 (6), 803–809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. NIR-žalia-mėlyna skaitmeninių nuotraukų įsigijimas iš
nepilotuojami orlaiviai pasėlių stebėjimui. Nuotolinis aptikimas 2 (1), 290–305. https://doi. org/10.3390/rs2010290. Inoue, Y., 2020. Palydoviniu ir dronu pagrįstas pasėlių ir dirvožemio nuotolinis aptikimas protingam ūkininkavimui – apžvalga. Dirvožemis Sci. Augalų Nutr. 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. Daiktų interneto (IoT) taikomųjų programų ir komunikacijos technologijų apžvalga
Nepilotuojamais orlaiviais (UAV) pagrįstas tvarus išmanusis ūkininkavimas. Tvarumas 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. Didelės skiriamosios gebos skaitmeninių paviršių modelių tikslumo įvertinimas, apskaičiuotas pagal
PhotoScan® ir MicMac® neoptimaliomis tyrimo sąlygomis. Remote Sensing 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. Kiekybinis genėjimo poveikis alyvmedžių architektūrai ir metinis baldakimo augimas naudojant UAV pagrįstą 3D modeliavimą. Augalų metodai 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. Kviečių pasėlių augalų tankumo įvertinimai atsiradus iš labai mažo aukščio UAV vaizdų. Nuotoliniai jutikliai.
Aplinka. 198, 105–114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. Žemės ūkio produktų stebėjimo sistema, palaikoma debesų kompiuterijos. Cluster Comput. 22 (4), 8929–8938.
Ju, C. ir Son, HI 2018a. Kelių UAV sistemų, skirtų nuotoliniam stebėjimui žemės ūkyje, veikimo įvertinimas. Robotų vizijos ir veiksmų žemės ūkyje seminaro medžiaga IEEE tarptautinėje robotikos ir automatikos konferencijoje (ICRA), Brisbenas, Australija, 21–26 d.
Ju, C., Sūnus, HI, 2018b. Kelios UAV sistemos, skirtos žemės ūkiui: valdymas, įgyvendinimas ir įvertinimas. Electronics 7 (9), 162. https://doi.org/10.3390/
elektronika7090162.
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021. Nuotolinio stebėjimo ir dirbtinio intelekto potencialas kaip priemonės tobulinti
žemės ūkio gamybos sistemų atsparumas. Curr. Nuomonė. Biotechnol. 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. Patobulinta pasėlių žvalgymo technika, apimanti nepilotuojamą orlaivių padedamą daugiaspektrinį pasėlių vaizdą į tradicinę arbūzų gumbų stiebų maro tyrimo praktiką. Augalas Dis. 103 (7), 1642–1650.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. Socialinių tinklų tyrimų pažanga: praeitis, dabartis ir ateitis. Informuoti. Syst. Priekyje. 20
(3), 531-558.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: vynmedžių ligų aptikimo tinklas, pagrįstas daugiaspektriniais vaizdais ir gylio žemėlapiu. Nuotolinis stebėjimas 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. Palydovinių ir UAV pagrįstų daugiaspektrinių vaizdų palyginimas vynuogyne
kintamumo vertinimas. Nuotolinis aptikimas 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT blokų grandinė įgalino optimizuotą kilmės sistemą, skirtą maisto pramonei 4.0 naudojant pažangų giluminį mokymąsi. Jutikliai 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. Vaizdu pagrįstas augalų ligų aptikimas: nuo klasikinio mašininio mokymosi iki gilaus mokymosi kelionės. Belaidis ryšys. Mobilus kompiuteris. 2021, 1–13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. Nauja, pusiau prižiūrima UAV pagrįsto pasėlių ir (arba) piktžolių klasifikavimo sistema. PLoS ONE 16 (5), e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. Šiluminio nuotolinio stebėjimo dabartinių ir galimų pritaikymų tiksliajame žemės ūkyje apžvalga. Comput. Elektronas.
Agric. 139, 22–32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna, A., Kaur, S., 2019. Daiktų interneto (IoT) raida ir reikšmingas jos poveikis tiksliojo žemės ūkio srityje. Comput. Elektronas. Agric. 157, 218–231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. Darbuotojų įtraukimas tvariose organizacijose: raktinių žodžių analizė naudojant socialinių tinklų analizę ir seriją
aptikimo metodas. Tvarumas 8 (7), 631.
Kirsch, M., Lorenz, S., Zimmermann, R., Tusa, L., Mockel, ¨ R., Hodl, ¨ P., Booysen, R., Khodadadzadeh, M., Gloaguen, R., 2018. Integracija antžeminių ir bepiločių orlaivių
hiperspektriniai ir fotogrametriniai jutimo metodai žvalgymo kartografavimui ir kasybos stebėjimui. Remote Sensing 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. Kukurūzų augalų skaičiavimas naudojant giluminį mokymąsi ir UAV vaizdus. IEEE Geosci. Remote Sens. Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. Automatizuotas mašininis mokymasis, skirtas didelio našumo vaizdams pagrįsti augalų fenotipų nustatymui. Nuotolinis aptikimas 13 (5), 858. https://
doi.org/10.3390/rs13050858.
Kovalev, IV, Voroshilova, AA, 2020. Šiuolaikinės technologinės tendencijos krovininių UAV ekosistemos raidoje. J. Phys. Konf. Ser. 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Vizualinis SLAM, skirtas gyvulininkystei namuose ir ūkininkavimui naudojant nedidelį droną su monokulia kamera: galimybių studija.
Drones 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. Survey of drons for agriculture automation nuo pasodinimo iki
derlius. In: INES 2018 – IEEE 22nd International Conference on Intelligent Engineering Systems, p. 000353–358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. UAV IoT framework views and challenges: to protection drones as "Things". Sensors 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. Vaizdų apdorojimo ir klasifikavimo procedūros, skirtos subdecimetrinių vaizdų, gautų naudojant nepilotuojamą orlaivį virš sausumos, analizei
ganyklos. GISci. Nuotoliniai jutikliai 48 (1), 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. Nepilotuojami orlaiviai, skirti laukų kartografavimui ir stebėjimui: dviejų sistemų palyginimas. ASPRS metinės konferencijos pranešimų medžiaga.
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. Atvirojo kodo darbo eiga, skirta piktžolių kartografavimui vietinėse pievose
naudojant nepilotuojamą orlaivį: naudojant Rumex obtusifolius kaip atvejo tyrimą. Euras. 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. Tiksliojo ūkininkavimo duomenų priėmimas, pelningumas ir geresnis panaudojimas.
Darbo dokumentas. Purdue universitetas. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb´e, S., Baret, F., 2008. Nepilotuojamų orlaivių vaizdų vertinimas, skirtas kiekybiniam kviečių derliaus stebėjimui mažuose ploteliuose. Jutikliai 8 (5), 3557–3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. Išmaniojo žemės ūkio projektavimas, pagrįstas dideliais duomenimis ir daiktų internetu. Tarpt. J. Distrib. Sens. Netw. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Li, W., Niu, Z., Chen, H., Li, D., Wu, M., Zhao, W., 2016. Nuotolinis kukurūzų lajos aukščio ir antžeminės biomasės įvertinimas naudojant didelės raiškos stereo vaizdus iš nebrangi nepilotuojama orlaivių sistema. Ecol. Ind. 67, 637–648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. Mašinų mokymasis žemės ūkyje: apžvalga. Jutikliai 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. Kukurūzų savybių nuotolinis, oro fenotipų nustatymas naudojant mobilųjį kelių jutiklių metodą. Augalų metodai 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin, Z., Guo, W., 2020. Sorgo šerdies aptikimas ir skaičiavimas naudojant nepilotuojamos oro sistemos vaizdus ir gilų mokymąsi. Priekyje. Plant Sci. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Internet of Things monitoring system of modern eco-agriculture based on cloud computing. IEEE Access 7, 37050–37058.
Lopez-Granados, ´ F., 2011. Piktžolių aptikimas konkrečioje vietoje piktžolių valdymui: žemėlapių sudarymas ir realaus laiko metodai. Weed Res. 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. Objektinis ankstyvas žolės piktžolių stebėjimas žolės pasėlyje naudojant didelės raiškos UAV vaizdus. Agron. Išlaikyti. Dev. 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 m. Ankstyvojo sezono piktžolių kartografavimas saulėgrąžose naudojant UAV technologiją: gydymo herbicidais žemėlapių kintamumas atsižvelgiant į piktžolių slenksčius. Precis. Agric. 17 (2), 183–199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS – imaging spectroscopy from a multirotor unmanned aircraft system. J. Fieldas Robas. 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. Terrestrial laser scanning of žemės ūkio kultūros. JJ
Chen J. Maas H–G. (Red.), Tarptautinis fotogrammetrijos, nuotolinio stebėjimo ir erdvinės informacijos mokslų archyvas – ISPRS archyvas (t. 37, p. 563–566).
Tarptautinė fotogrametrijos ir nuotolinio stebėjimo draugija. 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. Supervised objectbased land-cover image classification apžvalga. ISPRS J. Fotograma. Nuotolinis jutiklis 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. Nuotolinio stebėjimo su nepilotuojamais orlaiviais perspektyvos tiksliajame žemės ūkyje. Trends Plant Sci. 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 m.
Nepilotuojama oro sistema (UAS) pagrįstas sojų pupelių fenotipų nustatymas naudojant kelių jutiklių duomenų sintezę ir ekstremalią mokymosi mašiną. ISPRS J. Fotograma. Remote Sens. 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 m.
Pasėlių stebėjimas naudojant palydovinį / UAV duomenų sintezę ir mašininį mokymąsi. Remote Sensing 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. Dėl nepilotuojamų oro sistemų naudojimo
aplinkos monitoringas. Nuotolinis aptikimas 10 (4), 641.
Marinko, RA, 1998. Citatos į moterų studijų žurnalus disertacijose, 1989 ir The Serials Librarian 35 (1–2), 29–44. https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021. Resursų valdymas UAV palaikomuose belaidžiuose tinkluose: optimizavimo perspektyva. Ad Hoc tinklas. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. Praktiniai kelių jutiklių UAV platformos taikymai, pagrįsti daugiaspektriniais, šiluminiais ir RGB didelės raiškos vaizdais.
vynuogininkystė. Agriculture 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. Be tradicinio NDVI indekso, kuris yra pagrindinis veiksnys, skatinantis UAV naudojimą tiksliojoje vynuogininkystėje. Sci. Rep. 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 m. UAV, orlaivių tarpusavio palyginimas
ir palydovinės nuotolinio aptikimo platformos tiksliam vynuogių auginimui. Nuotolinis aptikimas 7 (3), 2971–2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. UAV ir mašininiu mokymusi pagrįstas palydovinio varomo augalijos indekso tobulinimas tikslumui
Žemdirbystė. Sensors 20 (9), 2530. https://doi.org/10.3390/s20092530.
McCain, KW, 1990. Autorių žemėlapių sudarymas intelektinėje erdvėje: techninė apžvalga. J. Am. Soc. Informacija. Sci. 41 (6), 433–443.
Meinen, BU, Robinson, DT, 2021. Žemės ūkio erozijos modeliavimas: USLE ir WEPP lauko masto erozijos įverčių įvertinimas naudojant UAV laiko eilučių duomenis. Aplinka. Modell. Programinė įranga 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville, B., Lucieer, A., Aryal, J., 2019. Žemumų vietinių pievų bendruomenių klasifikavimas naudojant hiperspektrinius nepilotuojamų orlaivių sistemos (UAS) vaizdus
Tasmanijos midlands. Dronai 3 (1), 5.
Messina, G., Modica, G., 2020. UAV šiluminių vaizdų taikymas tiksliajame žemės ūkyje: naujausios technologijos ir ateities tyrimų perspektyvos. Remote Sensing 12 (9), https://doi.org/10.3390/rs12091491.
Mishra, D., Luo, Z., Jiang, S., Papadopoulos, T., Dubey, R., 2017. Didžiųjų duomenų bibliografinis tyrimas: koncepcijos, tendencijos ir iššūkiai. Verslo procesų vadybininkas. J. 23 (3),
555 573.
Mochida, K., Saisho, D., Hirayama, T., 2015. Pasėlių gerinimas naudojant gyvavimo ciklo duomenų rinkinius, gautus lauko sąlygomis. Priekyje. Plant Sci. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. Dronų sistemų taikymo tiksliajame žemės ūkyje apžvalga. Procedia Comput. Sci. 133, 502–509.
Moharana, S., Dutta, S., 2016. Ryžių chlorofilo ir azoto kiekio erdvinis kintamumas iš hiperspektrinių vaizdų. ISPRS J. Fotograma. Nuotoliniai jutimai 122, 17–29.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat, A.,
Nillaor, P., 2019. IoT ir žemės ūkio duomenų analizė protingam ūkiui. Comput. Elektronas. Agric. 156, 467–474.
Nansen, C., Elliott, N., 2016. Nuotolinis stebėjimas ir atspindžio profiliavimas entomologijoje. Annu. Kunigas Entomol. 61 (1), 139–158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia, J., Mondragon, I., Patino, D., Colorado, J., 2016. Multispectral mapping in agriculture: terrain mosaic using an autonomous quadcopter UAV. Tarpt. Konf.
Nepilotuojamų orlaivių sistema. (ICUAS) 2016, 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. Bepiločių daiktų internetas (Iodt): išmaniųjų dronų ateities vizija. Adv. Intell. Syst. Comput. 1045, 563–580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. Lengvas multispektrinis jutiklis, skirtas mikro UAV – labai didelės skiriamosios gebos nuotolinio aptikimo ore galimybės. Tarpt. Arch. Fotograma. Nuotolinis jutiklis. Inf. Sci 37 (B1), 1193–1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Emerging UAV Applications in agriculture. In: 2019 m. 7-oji tarptautinė robotų intelekto technologijų konferencija ir
Paraiškos (RiTA), 254–257 p. https://doi.org/10.1109/RITAPP.2019.8932853.
Nerur, SP, Rasheed, AA, Natarajan, V., 2008. Strateginio valdymo srities intelektualinė struktūra: autoriaus kocitavimo analizė. Strateg. Vald. J. 29 (3),
319 336.
Neupane, K., Baysal-Gurel, F., 2021. Automatinis augalų ligų identifikavimas ir stebėjimas naudojant nepilotuojamus orlaivius: apžvalga. Remote Sensing 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. UAV 3D kartografavimo programoms: apžvalga. Appl. Geomatika 6 (1), 1–15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Evapotranspiration estimation with small UAVs in precision agriculture. Jutikliai 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. Bibliometrija, citatų analizė ir kocitavimo analizė. Literatūros apžvalga 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. UAS, sensors and data processing in agroforestry: praktinių pritaikymų apžvalga. Tarpt. J. Remote Sens. 38 (8–10), 2349–2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, JAV, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. Drone pagrįstų duomenų sprendimų, skirtų grūdinėms kultūroms, apžvalga. Dronai 4 (3), 1–29. https://doi.org/10.3390/
dronai4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. Sezamo sėklų aliejaus ir baltymų kiekio įvertinimas naudojant vaizdo apdorojimą ir dirbtinį neuroninį tinklą. J. Am. Alyva
Chemikų soc. 97 (7), 691–702.
Pena, ˜ JM, Torres-S´anchez, J., de Castro, AI, Kelly, M., Lopez-Granados, ´F., Suarez, O., Piktžolių žemėlapis ankstyvojo sezono kukurūzų laukuose naudojant objektinę analizę apie
nepilotuojamų orlaivių (UAV) vaizdai. PLoS ONE 8 (10), e77151.
P'erez-Ortiz, M., Pena, ˜ JM, Guti'errez, PA, Torres-S' anchez, J., Herv' as-Martínez, C.,
Lopez-Granados, ´ F., 2015. Pusiau prižiūrima piktžolių kartografavimo sistema saulėgrąžų pasėliuose naudojant nepilotuojamus orlaivius ir pasėlių eilių aptikimo metodą. Appl. Minkštas kompiuteris. J. 37, 533–544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. Ekonomiškai efektyvūs daiktų interneto įrenginiai kaip patikimi duomenų šaltiniai blokų grandinės pagrindu veikiančiai vandens valdymo sistemai tiksliajame žemės ūkyje. Comput. Elektronas. Agric. 180, 105889.
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. Pažangi UAV–WSN sistema, skirta pažangiam tiksliojo žemės ūkio stebėjimui. Sensors 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Blockchain taikymas tiekimo grandinėse, transporte ir logistikoje: sisteminė literatūros apžvalga. Tarpt. J. Prod. Res. 58 (7), 2063–2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. Lankstus nepilotuojamas orlaivis tiksliam žemės ūkiui.
Precis. Agric. 13 (4), 517–523. https://doi.org/10.1007/s11119-012-9257-6.
Pritchard, A., 1969. Statistinė bibliografija arba bibliometrija. J. Dokumentas. 25 (4), 348–349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. Nepilotuojamo orlaivio (UAV) tinkamumas eksperimentiniams laukams ir pasėliams įvertinti. Žemės ūkis 99 (4), 431–436.
Puri, V., Nayyar, A., Raja, L., 2017. Žemės ūkio dronai: modernus tiksliojo žemės ūkio proveržis. J. Statis. Vald. Syst. 20 (4), 507–518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. UAV programų rinkinys tiksliajai žemdirbystei. Comput. Tinklas 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Didžiųjų duomenų analizės ir dirbtinio intelekto taikymas agronominiuose tyrimuose. Indas J. Agronas. 65 (4), 383–395.
Raparelli, E., Bajocco, S., 2019. Nepilotuojamų orlaivių naudojimo žemės ūkio ir miškininkystės studijose bibliometrinė analizė. Tarpt. J. Remote Sens. 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 m.
Galimas mažų nepilotuojamų orlaivių sistemų (UAS) panaudojimas piktžolių tyrimuose. Weed Res. 53 (4), 242–248.
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., Ar augmenijos indeksai, gauti iš vartotojų klasės kamerų, sumontuotų ant
UAV pakankamai patikimi eksperimentiniams sklypams įvertinti? Euras. J. Agronas. 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. Skaitmeninimas maisto tiekimo grandinėse: bibliometrinė apžvalga ir pagrindinis maršrutas
analizė. Tvarumas 14 (1), 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a. Dronai tiekimo grandinės valdymui ir logistikai: apžvalga ir tyrimų darbotvarkė. Tarpt. J. Logistas. Res. Appl.
1–24. https://doi.org/10.1080/13675567.2021.1981273.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021b. Blockchain technologijos logistikoje ir tiekimo grandinės valdyme: bibliometrinė apžvalga. Logistika 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021c. Humanitariniai dronai: apžvalga ir tyrimų darbotvarkė. Daiktų internetas 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb, A., Treiblmaier, H., Rejeb, K., Zailani, S., 2021d. Blockchain tyrimai sveikatos priežiūros srityje: bibliometrinė apžvalga ir dabartinės tyrimų tendencijos. J. of Data, Inf. ir
Vald. 3 (2), 109–124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Daiktų interneto tyrimai tiekimo grandinės valdyme ir logistikoje: bibliometrinė analizė. internetas
12 dalykų, 100318.
ReportLinker, 2021 m. Pasaulinė žemės ūkio dronų rinka pasieks 15.2 milijardo JAV dolerių per YearGlobeNewswire naujienų kambarį. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- Metai-2027.html.
Ribeiro-Gomes, K., Hernandez-L ´ opez, ´ D., Ortega, JF, Ballesteros, R., Poblete, T., Moreno, MA, 2017. Neaušintos šiluminės kameros kalibravimas ir optimizavimas
fotogrametrijos procesas UAV pritaikymui žemės ūkyje. Sensors (Šveicarija) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. Svetingumo tyrimų pažanga: „From Rodney Dangerfield to Aretha Franklin“. Tarpt. J. Šiuolaikinis. Ligoninė. Vald. 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. Mini-UAV pagrįsta sensorinė sistema, skirta aplinkos kintamiesiems matuoti šiltnamiuose. Jutikliai 15 (2), 3334–3350. https://doi.org/10.3390/s150203334.
Rozenberg, G., Kent, R., Blank, L., 2021. Vartotojų klasės UAV, naudojamas aptikti ir analizuoti vėlyvojo sezono piktžolių erdvinio pasiskirstymo modelius komerciniuose svogūnų laukuose. Precis. Agric. 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. Unmanned orlaivių (UAV) valdoma spektrinių kamerų sistema, skirta miško ir žemės ūkio reikmėms. Tęskite. SPIE – Tarpt. Soc. Pasirinkti inž. 8174 https://doi.org/10.1117/12.897585.
Sah, B., Gupta, R., Bani-Hani, D., 2021. Dronų logistikos diegimo kliūčių analizė. Tarpt. J. Logistas. Res. Appl. 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, IOT pagrindu sukurtas dronas, skirtas pasėlių kokybei gerinti žemės ūkio lauke. SH
N. Chakrabarti S. (Red.), 2018 IEEE 8th Annual Computing and Communication Workshop and Conference, CCWC 2018 (t. 2018-sausis, p. 612–615). institutas
of Electrical and Electronics Engineers Inc. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: naujoviška ir efektyvi LED pagrįsta komunikacija tiksliajam žemės ūkiui. IEEE konf. Informacija. Komun. Techn. 2019, 1–5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. UAV skrydžio eksperimentai, taikomi nuotoliniam augmenijos plotų stebėjimui. Nuotolinis aptikimas 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 m.
Žemo aukščio, didelės raiškos oro vaizdavimo sistemos, skirtos eilučių ir lauko kultūrų fenotipams nustatyti: apžvalga. Euras. J. Agronas. 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. Didelės skiriamosios gebos UAV pagrįstas terminis vaizdas, siekiant įvertinti
momentinis ir sezoninis augalų vandens būklės kintamumas vynuogyne. Agric. Vandens vadybininkas. 183, 49–59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. Beyond citation analysis: A model for assessment of research effect. J. Med. Bibliotekos doc. : 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. Su Žemės sistemos mokslu susijusi vaizdo spektroskopija – įvertinimas. Nuotolinio jutiklio aplinka. 113, S123–S137.
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016. Žieminių kviečių pasėlių agronominių parametrų stebėjimas su pigių UAV
vaizdiniai. Nuotolinis aptikimas 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. Autonominio nepilotuojamo orlaivio kūrimas ir taikymas tiksliam aerobiologiniam mėginių ėmimui.
žemės ūkio laukai. J. Fieldas Robas. 25 (3), 133–147. https://doi.org/10.1002/rob.20232.
Shadrin, D., Menščikovas, A., Somovas, A., Bornemann, G., Hauslage, J., Fedorov, M.,
Tiksliojo žemės ūkio įgalinimas naudojant integruotą jutimą su dirbtiniu intelektu. IEEE Trans. Instrum. Meas. 69 (7), 4103–4113.
Shakhatreh, H., Sawalmeh, AH, Al-Fuqaha, A., Dou, Z., Almaita, E., Khalil, I.,
Othman, NS, Khreishah, A., Guizani, M., 2019. Nepilotuojami orlaiviai (UAV): civilinio pritaikymo ir pagrindinių mokslinių tyrimų iššūkių apklausa. IEEE Access 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. Dideliais duomenimis grindžiamas žemės ūkis: didelių duomenų analizė augalų veisime, genomika ir nuotolinio stebėjimo naudojimas
technologijas, didinančias pasėlių produktyvumą. Augalų reiškinys J. 2 (1), 1–8.
Sharma, BK, Chandra, G., Mishra, VP, 2019. UAV ir AI lyginamoji analizė ir įtaka teismo medicinos tyrimams. In: Proceedings – 2019 Amity International
Dirbtinio intelekto konferencija. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. Dirbtinio intelekto vaidmuo tiekimo grandinės valdyme: teritorijos žemėlapių sudarymas. Tarpt. J.
Prod. Res. 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., McCutchen, BF,
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016. Nepilotuojami orlaiviai didelio našumo fenotipų nustatymui ir agronominiams tyrimams. PLoS ONE
11 (7), e0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. Kukurūzų medynų heterogeniškumo fiksavimas derliaus stabilumo zonose naudojant nepilotuojamą orą
Transporto priemonės (UAV). Sensors 19 (20), 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. Bendracitavimas mokslinėje literatūroje: naujas dviejų dokumentų santykio matas. J. Am. Soc. Informacija. Sci. 24 (4), 265–269.
Small, H., Rorvig, ME, Lunin, LF, 1999. Mokslo vizualizavimas citavimo žemėlapiu. J. Am. Soc. Informacija. Sci. 50 (9), 799–813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. Laukinių galvijų skaičiavimas, naudojant geografinius vaizdus iš oro didelėse ganyklos vietose. Comput. Elektronas. Agric. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. Maršruto optimizavimo metodas tiksliajame žemės ūkyje naudojant UAV. Drones 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
Stafford, JV, 2000. Tiksliojo žemės ūkio įgyvendinimas XXI amžiuje. J. Agrič. inž. Res. 21 (76), 3–267.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. Kviečių sausros vertinimas nuotolinio stebėjimo vaizdais naudojant nepilotuojamą orlaivį. 2018 m. 37-oji Kinijos kontrolės konferencija (CCC).
Su, J., Liu, C., Coombes, M., Hu, X., Wang, C., Xu, X., Li, Q., Guo, L., Chen, W.-H., 2018 m. Kviečių geltonųjų rūdžių stebėjimas mokantis iš daugiaspektrinių UAV oro vaizdų.
Comput. Elektronas. Agric. 155, 157–166. https://doi.org/10.1016/j. compag.2018.10.017.
Su, Y., Wang, X., 2021. Žemės ūkio ekonomikos valdymo inovacijos kuriant išmanųjį žemės ūkį pagal didžiuosius duomenis. Tvarus kompiuteris. Inf. Syst. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. Nepilotuojamos šiluminės infraraudonųjų spindulių antenos sistemos jautrumo įvertinimas, siekiant nustatyti vandens įtampą medvilniniame stogelyje. Trans. ASABE 50 (6), 1955–1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. RGB pagrįsto augalijos indekso, pasėlių paviršiaus modelio ir objektinės vaizdo analizės metodo integravimas cukranendrių derliui įvertinti naudojant nepilotuojamą orlaivį. Comput. Elektronas. Agric. 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. Lengvo svorio hiperspektrinio kartografavimo sistema, skirta
nepilotuojami orlaiviai – pirmieji rezultatai. In: 2013 5th Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS), p. 1–4. https://doi.org/10.1109/WHISPERS.2013.8080721.
Suomalainen, J., Anders, N., Iqbal, S., Roerink, G., Franke, J., Wenting, P., Hünniger, D., Bartholomeus, H., Becker, R., Kooistra, L., 2014. Lengvas hiperspektras
nepilotuojamų orlaivių kartografavimo sistema ir fotogrametrinio apdorojimo grandinė. Nuotolinis aptikimas 6 (11), 11013–11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021. Išplėstinės valdymo strategijos naudojant vaizdo apdorojimą, UAV ir AI žemės ūkyje: apžvalga. Pasaulio J. Inž. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998. Informacijos apdorojimas naudojant citatas tiriant žurnalo įtaką apskaitoje. Inf. Procesas. Tvarkyti. 34 (2–3), 341–359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. Apklausa apie 5G tinklą ir jo poveikį žemės ūkiui: iššūkiai ir galimybės. Comput.
Elektronas. Agric. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. Data-driven Decision making in precision agriculture: the rise of big data in agriculture systems. J. Agrič. Informacija apie maistą.
20 (4), 344–380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. Žieminių kviečių derlingumo ir augalų aukščio įvertinimas naudojant UAV- pagrįsti hiperspektriniais vaizdais.
Jutikliai 20 (4), 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. Koordinuotas aerobiologinis augalų patogeno mėginių ėmimas žemutinėje atmosferoje naudojant du autonominius nepilotuojamus orlaivius. J. Fieldas Robas. 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. Sojų pupelių kenkėjų aptikimas ir klasifikavimas naudojant giluminį mokymąsi
su UAV vaizdais. Comput. Elektronas. Agric. 179, 105836.
Thamm, H.-P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013. Uas naudojimas žemės ūkio sistemų vertinimui AN pelkėje Tanzanijoje Ir WetSeason už tvarų žemės ūkį ir pagrindinę tiesą Terra-Sar X duomenims. In: ISPRS – International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, p. 401–406. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Bibliometrics to webometrics. J. Informacija. Sci. 34 (4), 605–621.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ˜ JM, 2015. Automatinis objektas pagrįstas metodas optimaliam UAV vaizdų slenksčiui nustatyti: taikymas augalijos aptikimui žoliniuose pasėliuose. Comput. Elektronas. Agric. 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. Didelio našumo 3-D žemės ūkio medžių plantacijų stebėjimas su Nepilotuojamų orlaivių (UAV) technologija. PLoS ONE 10 (6), e0130479.
Torres-Sanchez, ´ J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´ F., 2014. Daugialaikis vegetacijos frakcijos žemėlapis ankstyvojo sezono kviečių laukuose naudojant UAV vaizdus. Comput. Elektronas. Agric. 103, 104–113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. UAV pagrįstų pritaikymų tiksliajam žemės ūkiui apžvalga. Informacija (Šveicarija) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. Bepiločių orlaivių skrydžio planavimo optimizavimas sodininkystės medžių pasėlių struktūros matavimui. ISPRS J. Fotograma.
Remote Sens. 160, 83–96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Internet of Things in agriculture, latest advances and future challenges. Biosyst. inž. 164, 31–48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A., Singh, VK, Pinto, D., Olmos, I., 2015. Scientometric mapping of computer science research in Mexico. Scientometrics 105 (1), 97–114.
UN., 2019. Pasaulio populiacijos perspektyvos 2019. https://population.un.org/wpp/ (Žiūrėta 15-04-2022).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. Ryžių laukų apibūdinimas UAV montuojama miniatiūrine hiperspektrinio jutiklio sistema. IEEE J. Sel. Į viršų. Appl. Žemės stebėjimas.
Remote Sens. 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 m. Dronai
Žemdirbystė. Adv. Agron. 162, 1–30.
Velusamy, P., Rajendran, S., Mahendran, RK, Naseer, S., Shafiq, M., Choi, J.-G., 2022 m.
Nepilotuojami orlaiviai (UAV) tiksliajame žemės ūkyje: pritaikymas ir iššūkiai. Energies 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. Ekologiškai jautrių jūrinių buveinių žemėlapis ir klasifikavimas naudojant nepilotuojamą orą
Transporto priemonės (UAV) vaizdai ir objektinė vaizdo analizė (OBIA). Remote Sensing 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Žaliojo ploto indeksas iš nepilotuojamos oro sistemos virš kviečių ir rapsų pasėlių . Nuotolinio jutiklio aplinka. 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. Keturių optinių UAV jutiklių diegimas pievose: iššūkiai ir
apribojimai. Biogeosciences 12 (1), 163–175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Internet of Underground things in precision agriculture: architektūra ir technologijų aspektai. Ad Hoc tinklas. 81,
160–173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. Atsakingas dirbtinis intelektas kaip slaptas skaitmeninės sveikatos ingredientas: bibliometrinė analizė, įžvalgos ir tyrimų kryptys.
Informacija. Syst. Priekyje. 1–16.
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019. Bibliometric analysis of remote sensing research trend in crop growth monitoring: A case study in China. Nuotolinis aptikimas 11 (7). https://doi.org/10.3390/rs11070809.
White, HD, Griffith, BC, 1981. Autoriaus kocitavimas: literatūrinis intelektinės struktūros matas. J. Am. Soc. Informacija. Sci. 32 (3), 163–171.
Xiang, H., Tian, L., 2011. Nebrangios žemės ūkio nuotolinio stebėjimo sistemos, pagrįstos autonominiu nepilotuojamu orlaiviu (UAV), kūrimas. Biosyst. inž. 108 (2), 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. Apžvalga apie augalų didelio našumo fenotipų nustatymo bruožus naudojant UAV pagrindu veikiančius jutiklius. Comput. Elektronas. Agric. 178, 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. Nepilotuojamas orlaivis nuotolinio stebėjimo programoms – apžvalga. Nuotolinis aptikimas 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. Judančių žmonių sekimas ir klaidingų pėdsakų pašalinimas naudojant infraraudonųjų spindulių terminį vaizdą naudojant multirotori. Drones 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. Pasėlių parametrų įvertinimo palyginimas naudojant vaizdus iš UAV montuojamas
momentinis hiperspektrinis jutiklis ir didelės raiškos skaitmeninė kamera. Remote Sensing 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. Žieminių kviečių antžeminės biomasės įvertinimas naudojant nepilotuojamą orlaivį- pagrįsta momentine nuotrauka
hiperspektrinio jutiklio ir pasėlių aukščio patobulinti modeliai. Nuotolinis aptikimas 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. Lengvų nepilotuojamų orlaivių naudojimas atogrąžų miškų atsigavimui stebėti. Biol.
Konservuoti. 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 m.
Išmaniojo ūkininkavimo IoT platforma, pagrįsta krašto ir debesų kompiuterija. Biosyst. inž. 177,
4 17.
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014. Medžių aukščio kiekybinis nustatymas naudojant labai didelės raiškos vaizdus, gautus iš nepilotuojamos antenos
transporto priemonės (UAV) ir automatiniai 3D nuotraukų atkūrimo metodai. Euras. J. Agronas. 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. Vaizdu pagrįstas žydėjimo intensyvumo fenotipų nustatymas šaltojo sezono pasėliuose. Sensors 20 (5), 1450. https://doi.org/10.3390/s20051450.
Zhang, C., Kovacs, JM, 2012. Mažų nepilotuojamų oro sistemų taikymas tiksliajam žemės ūkiui: apžvalga. Precis. Agric. 13 (6), 693–712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. Kukurūzų vandens streso kartografavimas remiantis UAV multispektriniu nuotoliniu stebėjimu. Nuotolinis aptikimas 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. Giliai mokymusi pagrįstas automatizuotų geltonųjų rūdžių metodas
ligos aptikimas iš didelės raiškos hiperspektrinių UAV vaizdų. Nuotolinis aptikimas 11 (13), 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. Arbatos augalų ligų ir vabzdžių streso aptikimas ir atskyrimas naudojant hiperspektrinį vaizdą kartu su bangelių analize. Comput. Elektronas. Agric. 193, 106717 https://doi.org/10.1016/j. compag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. Entropy guided adversarial domain adaptation for aerial image semantic segmentation. IEEE Trans. G
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Ryžių fenologijos aptikimas atliekant antžeminio spektro laiko eilučių analizę indekso duomenis. Field Crops Res. 198, 131–139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. Tiksliosios žemės ūkio nuotėkio sėjos sistemos, pagrįstos belaidžiais jutikliais, projektavimas. Tarpt. J. Online inž. 14 (05), 184.
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. Augalų aukščio pokyčių analizė naudojant UAV-LiDAR duomenis. Žemės ūkis 10 (5), 146. https://
doi.org/10.3390/agriculture10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Kukurūzai-IAS: Kukurūzų vaizdo analizės programinė įranga, naudojanti gilų mokymąsi didelio našumo augalų fenotipams nustatyti . Augalų metodai 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. Grūdų derliaus numatymas ryžiai naudojant daugialaikę augmeniją
indeksai iš UAV pagrįstų daugiaspektrinių ir skaitmeninių vaizdų. ISPRS J. Fotograma. Nuotoliniai jutimai 130, 246–255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. Šiltnamių stebėjimo sistemos, pagrįstos belaidžiu jutiklių tinklu, pagrindinės technologijos modeliavimas. Tarpt. J. Online inž. 12 (05),
43.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021. Pasėlių vandens streso įvertinimas naudojant infraraudonųjų spindulių šilumines nuotraukas tiksliajame žemės ūkyje: apžvalga
ir gilaus mokymosi programų ateities perspektyvas. Comput. Elektronas. Agric. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.