عبد الرحمن رجب a علي رضا عبدالله b كريم رجب c هورست تريبلماير d,
- a قسم الإدارة والقانون ، كلية الاقتصاد ، جامعة روما تور فيرغاتا ، عبر كولومبيا ، 2 ، روما 00133 ، إيطاليا
- b قسم إدارة الأعمال ، كلية الإدارة ، جامعة خرازمي ، 1599964511 طهران ، إيران
- c كلية العلوم ببنزرت ، جامعة قرطاج ، زرزونة ، 7021 بنزرت ، تونس
- d كلية الإدارة الدولية ، جامعة مودول فيينا ، آم كاهلينبيرج 1 ، 1190 فيينا ، النمسا
معلومات المقالة | الملخص |
: الكلمات المفتاحية طائرات بدون طيار UAV الزراعة الدقيقة إنترنت الأشياء القياسات الببليومترية | شهدت الطائرات بدون طيار ، التي تسمى أيضًا الطائرات بدون طيار (UAV) ، تطورًا ملحوظًا في العقود الأخيرة. في الزراعة ، قاموا بتغيير ممارسات الزراعة من خلال توفير وفورات كبيرة في التكاليف للمزارعين كفاءة تشغيلية وربحية أفضل. على مدى العقود الماضية ، كان موضوع الطائرات بدون طيار الزراعية جذبت اهتمامًا أكاديميًا ملحوظًا. لذلك نجري مراجعة شاملة بناءً على القياسات الببليومترية لتلخيص وتنظيم المؤلفات الأكاديمية الموجودة والكشف عن اتجاهات البحث الحالية والنقاط الساخنة. نحن تطبيق التقنيات الببليومترية وتحليل الأدبيات المتعلقة بالطائرات بدون طيار الزراعية لتلخيصها و تقييم البحث السابق. يشير تحليلنا إلى أن الاستشعار عن بعد والزراعة الدقيقة والتعلم العميق والتعلم الآلي وإنترنت الأشياء هي مواضيع مهمة تتعلق بالطائرات بدون طيار الزراعية. الاقتباس المشترك يكشف التحليل عن ستة مجموعات بحثية واسعة في الأدبيات. هذه الدراسة هي واحدة من أولى المحاولات لتلخيص أبحاث الطائرات بدون طيار في الزراعة واقتراح اتجاهات بحثية مستقبلية. |
المُقدّمة
تمثل الزراعة مصدر الغذاء الأساسي للعالم (Friha وآخرون ، 2021) ، وقد واجهت تحديات شديدة بسبب
زيادة الطلب على المنتجات الغذائية وسلامة الأغذية والمخاوف الأمنية بالإضافة إلى دعوات حماية البيئة والحفاظ على المياه و
الاستدامة (Inoue ، 2020). من المتوقع أن يستمر هذا التطور حيث من المتوقع أن يصل عدد سكان العالم إلى 9.7 مليار بحلول عام 2050
(2019). وبما أن الزراعة تشكل أبرز مثال على استهلاك المياه على مستوى العالم ، فمن المتوقع أن يكون الطلب على الغذاء والمياه
سوف يزيد الاستهلاك بشكل كبير في المستقبل المنظور. علاوة على زيادة استهلاك الأسمدة والمبيدات
إلى جانب تكثيف الأنشطة الزراعية يمكن أن يؤدي إلى تحديات بيئية في المستقبل. وبالمثل ، فإن الأراضي الصالحة للزراعة محدودة ، و
عدد المزارعين يتناقص في جميع أنحاء العالم. تبرز هذه التحديات الحاجة إلى حلول زراعية مبتكرة ومستدامة (إيليا
وآخرون ، 2018 ؛ Friha وآخرون ، 2021 ؛ إينو ، 2020 ؛ Tzounis وآخرون ، 2017).
تم تحديد دمج التقنيات الجديدة كحل واعد لمواجهة هذه التحديات. الزراعة الذكية (بروستر وآخرون ،
2017 ؛ Tang et al.، 2021) والزراعة الدقيقة (Feng et al.، 2019؛ Khanna & Kaur، 2019) نتيجة لمثل هذه المناقشات. ال
السابق هو فكرة عامة لتبني تقنيات المعلومات والاتصالات (ICT) وغيرها من الابتكارات المتطورة في الأنشطة الزراعية لزيادة الكفاءة والفعالية (Haque et al. ، 2021). يركز الأخير على الإدارة الخاصة بالموقع والتي يتم فيها تقسيم الأرض
أجزاء متجانسة ، ويحصل كل جزء على المقدار المحدد من المدخلات الزراعية لتحسين غلة المحاصيل عن طريق التقنيات الجديدة (Feng et al.، 2019؛ Khanna & Kaur، 2019). تشمل التقنيات البارزة التي جذبت انتباه العلماء في هذا المجال شبكات الاستشعار اللاسلكية (WSNs) (J. Zheng & Yang ، 2018 ؛ Y. Zhou et al. ، 2016) ، وإنترنت الأشياء (IoT) (Gill et al.، 2017؛ He et al.، 2021؛ Liu et al.، 2019) ،
تقنيات الذكاء الاصطناعي (AI) ، بما في ذلك التعلم الآلي والتعلم العميق (Liakos et al.، 2018؛ Parsaeian et al.، 2020؛ Shadrin et al.،
2019) ، تقنيات الحوسبة (Hsu et al.، 2020؛ Jinbo et al.، 2019؛ Zamora-Izquierdo et al.، 2019) والبيانات الضخمة (Gill et al.، 2017؛ Tantalaki
وآخرون ، 2019) و blockchain (PW Khan et al.، 2020؛ Pincheira et al.، 2021).
بالإضافة إلى التقنيات المذكورة أعلاه ، يعتبر الاستشعار عن بعد أداة تكنولوجية ذات إمكانات عالية للتحسين
الزراعة الذكية والدقيقة. تعد الأقمار الصناعية والطائرات المأهولة والطائرات بدون طيار من تقنيات الاستشعار عن بعد الشائعة (Tsouros et al.، 2019).
الطائرات بدون طيار ، المعروفة باسم الطائرات بدون طيار (UAVs) ، وأنظمة الطائرات بدون طيار (UAS) ، والطائرات الموجهة عن بعد ، هي من
أهمية كبيرة لما لها من مزايا متعددة بالمقارنة مع تقنيات الاستشعار عن بعد الأخرى. على سبيل المثال ، يمكن للطائرات بدون طيار أن تقدم
صور عالية الجودة وعالية الدقة في الأيام الملبدة بالغيوم (Manfreda et al.، 2018). كما أن توفرها وسرعة نقلها يشكلان أمورًا أخرى
الفوائد (Radoglou-Grammatikis et al. ، 2020). مقارنة بالطائرات ، تعد الطائرات بدون طيار عالية الكفاءة من حيث التكلفة وسهلة الإعداد والصيانة (Tsouros et al.، 2019). على الرغم من استخدامها في البداية للأغراض العسكرية ، يمكن للطائرات بدون طيار الاستفادة من العديد من التطبيقات المدنية ، على سبيل المثال في إدارة سلسلة التوريد (A. Rejeb ، Rejeb ، وآخرون ، 2021a) ، للأغراض الإنسانية (A. Rejeb ، Rejeb ، وآخرون ، 2021c) ، والزراعة الذكية ، والمسح ورسم الخرائط ، وتوثيق التراث الثقافي ، وإدارة الكوارث ، والحفاظ على الغابات والحياة البرية (Panday ، Pratihast ، وآخرون ، 2020). في الزراعة ، توجد مجالات تطبيق متعددة للطائرات بدون طيار حيث يمكن دمجها مع التقنيات الجديدة ، والقدرات الحاسوبية ، وأجهزة الاستشعار على متن الطائرة لدعم إدارة المحاصيل (على سبيل المثال ، رسم الخرائط ، والرصد ، والري ، وتشخيص النباتات) (H. Huang et al. ، 2021) ، والحد من الكوارث ، وأنظمة الإنذار المبكر ، والحفاظ على الحياة البرية والغابات على سبيل المثال لا الحصر (Negash et al. ، 2019). وبالمثل ، يمكن الاستفادة من الطائرات بدون طيار في العديد من الأنشطة الزراعية ، بما في ذلك مراقبة المحاصيل والنمو ، وتقدير الغلة ، وتقييم الإجهاد المائي ، والأعشاب الضارة ، والآفات ، واكتشاف الأمراض (Inoue ، 2020 ؛ Panday ، Pratihast ، وآخرون ، 2020). لا يمكن استخدام الطائرات بدون طيار فقط لأغراض المراقبة والتقدير والكشف بناءً على بياناتها الحسية ، ولكن أيضًا للري الدقيق وإدارة الأعشاب الضارة والآفات والأمراض. بمعنى آخر ، الطائرات بدون طيار قادرة على رش المياه والمبيدات بكميات دقيقة بناءً على البيانات البيئية. يتم تلخيص فوائد الطائرات بدون طيار في الزراعة في الجدول 1.
الفوائد الرئيسية للطائرات بدون طيار في الزراعة.
بينيفت كوزميتيكس | مراجع) |
تعزيز الوقت والمكان قرارات الاستشعار | (Gago et al.، 2015؛ Niu et al.، 2020؛ Srivastava وآخرون ، 2020) |
تسهيل الزراعة الدقيقة | (L. Deng et al.، 2018؛ Kalischuk et al.، 2019؛ ميميتيجيانغ وآخرون ، 2017) |
تصنيف واستكشاف المحاصيل | (Inoue، 2020؛ Kalischuk et al.، 2019؛ Lopez- ´ Granados et al. ، 2016 ؛ Maimaitijiang et al. ، 2017 ؛ ملفيل وآخرون ، 2019 ؛ Moharana & Dutta، 2016) |
استخدام الأسمدة | (L. Deng et al.، 2018؛ Guan et al.، 2019) |
مراقبة الجفاف | (Fawcett et al.، 2020؛ Panday، Pratihast، et al.، 2020 ؛ سو وآخرون ، 2018) |
تقدير الكتلة الحيوية | (بنديج وآخرون ، 2014) |
تقدير العائد | (Inoue، 2020؛ Panday، Shrestha، et al.، 2020؛ Tao وآخرون ، 2020) |
الحد من الكوارث | (نيجاش وآخرون ، 2019) |
الحفاظ على الحياة البرية و الغابات | (Negash et al.، 2019؛ Panday، Pratihast، et al.، 2020) |
تقييم الإجهاد المائي | (Inoue، 2020؛ J. Su، Coombes، et al.، 2018؛ L. تشانغ وآخرون ، 2019) |
الآفات والأعشاب الضارة والأمراض كشف | (Gaˇsparovi´c et al.، 2020؛ Inoue، 2020؛ J. Su، Liu، وآخرون ، 2018 ؛ X. Zhang et al.، 2019) |
من ناحية أخرى ، تواجه الطائرات بدون طيار قيودًا أيضًا. مشاركة الطيار ، قوة المحرك ، الاستقرار والموثوقية ، جودة المستشعرات بسبب الحمولة الصافية
من بينها قيود الوزن وتكاليف التنفيذ وتنظيم الطيران (C. Zhang & Kovacs ، 2012). نقارن أوجه القصور
من تقنيات الاستشعار عن بعد الثلاث في الجدول 2. تقنيات الاستشعار عن بعد الأخرى ، مثل مستشعرات التربة ، هي خارج نطاق تركيز هذه الدراسة.
أوجه القصور في مختلف تقنيات الاستشعار عن بعد المتنقلة.
الاستشعار عن بعد تكنولوجيات | نقائص | مراجع حسابات |
طائرة بدون طيار (بدون طيار) | مشاركة تجريبية الصور الجودة (متوسط) ؛ تكاليف التنفيذ (متوسط) ؛ الاستقرار والقدرة على المناورة و الموثوقية؛ التوحيد. قوة المحرك قوة محدودة المصادر (عمر البطارية) ؛ مدة طيران محدودة ، تصادم والهجمات الإلكترونية ؛ محدود وزن الحمولة مجموعات البيانات الكبيرة ومعالجة البيانات المحدودة قدرات؛ نقص التنظيم نقص الخبرة ، دخول عالية الحواجز أمام الوصول إلى طائرات بدون طيار الزراعية | (باكو وآخرون ، 2018 ؛ دواليبي وآخرون ، 2020 ؛ هاردن & هاردين ، 2010 ؛ هاردن & جنسن ، 2011 ؛ Lagkas وآخرون. 2018 ؛ Laliberte وآخرون ، 2007 ؛ Laliberte & Rango ، 2011 ؛ مانفريدا وآخرون ، 2018 ، 2018 ؛ نيبيكر وآخرون ، 2008 ؛ بوري وآخرون ، 2017 ؛ Velusamy et al. ، 2022 ؛ سي. تشانغ وكوفاكس ، 2012) |
الأقمار الصناعية | تغطية دورية للأقمار الصناعية ، دقة طيفية محدودة قابلية التعرض لقضايا الرؤية (على سبيل المثال ، السحب) ؛ عدم التوفر وسرعة نقل منخفضة ؛ التوجيه والتظليل آثار البيانات المكانية المكلفة مجموعة؛ بطء تسليم البيانات حان الوقت للمستخدمين النهائيين | (أبوعليبي وآخرون ، 2019 ؛ Cen وآخرون ، 2019 ؛ Chen et al. ، 2019 ؛ نانسن وإليوت ، 2016 ؛ بانداي ، براتيهاست ، وآخرون ، 2020 ؛ ساي فينيث وآخرون ، 2019) |
الطائرات | تكاليف اعتماد عالية ؛ إعداد معقد تكاليف الصيانة؛ عدم توفر موثوق الطائرات هندسة الصور. بيانات غير منتظمة استحواذ؛ عدم المرونة؛ حوادث مميتة بيانات الاستشعار الاختلافات بسبب الاهتزازات. قضايا الإسناد الجغرافي | (أرمسترونج وآخرون ، 2011 ؛ أتكينسون وآخرون ، 2018 ؛ Barbedo & Koenigkan، 2018 ؛ كوفاليف وفوروشيلوفا ، 2020 ؛ Suomalainen et al. ، 2013 ؛ Thamm et al.، 2013) |
باعتبارها تقنية متعددة التخصصات ومتعددة الأغراض في الزراعة ، فقد تم فحص الطائرات بدون طيار من وجهات نظر مختلفة. على سبيل المثال ، درس العلماء تطبيقات الطائرات بدون طيار في الزراعة (Kulbacki et al. ، 2018 ؛ Mogili & Deepak ، 2018) ، ومساهمتهم في الزراعة الدقيقة (Puri et al. ، 2017 ؛ Tsouros et al. ، 2019) ، وتكاملها مع غيرها. أحدث التقنيات (Al-Thani et al.، 2020؛ Dutta & Mitra، 2021؛ Nayyar et al.، 2020؛ Saha et al.، 2018) وإمكانيات تطوير قدراتهم الملاحية والاستشعارية (Bareth et al. ، 2015 ؛ Suomalainen et al. ، 2014). منذ أن أصبح البحث عن تطبيقات الطائرات بدون طيار في الزراعة سائدًا (Khan et al. ، 2021)) ، هناك حاجة لتلخيص الأدبيات الموجودة وكشف البنية الفكرية للمجال. علاوة على ذلك ، كمجال عالي التقنية مع تحسينات مستمرة ، يجب إجراء مراجعات منظمة لتلخيص الأدبيات الموجودة بشكل دوري وتحديد الثغرات البحثية الهامة. إلى
حتى الآن ، هناك عدد قليل من المراجعات التي تناقش تطبيقات الطائرات بدون طيار في القطاع الزراعي. على سبيل المثال ، قام موغيلي وديباك (2018) بمراجعة موجزة لتأثيرات الطائرات بدون طيار على مراقبة المحاصيل ورش المبيدات. يجري Inoue (2020) مراجعة لاستخدام الأقمار الصناعية والطائرات بدون طيار في الاستشعار عن بعد في الزراعة. يستكشف المؤلف التحديات التكنولوجية لاعتماد الزراعة الذكية ومساهمات الأقمار الصناعية والطائرات بدون طيار بناءً على دراسات الحالة وأفضل الممارسات. تسوروس وآخرون. (2019) يلخص أنواعًا مختلفة من الطائرات بدون طيار وتطبيقاتها الرئيسية في الزراعة ، ويسلط الضوء على طرق الحصول على البيانات المختلفة ومعالجتها. في الآونة الأخيرة ، أصلان وآخرون. أجرى (2022) مراجعة شاملة لتطبيقات الطائرات بدون طيار في الأنشطة الزراعية وأكد على أهمية التوطين ورسم الخرائط المتزامنة لطائرة بدون طيار في الدفيئة. دياز غونزاليس وآخرون. (2022) استعرض الدراسات الحديثة لإنتاج غلة المحاصيل بناءً على تقنيات التعلم الآلي المختلفة والنائية
أنظمة الاستشعار. أشارت النتائج التي توصلوا إليها إلى أن الطائرات بدون طيار مفيدة لتقدير مؤشرات التربة وتتفوق على أنظمة الأقمار الصناعية من حيث الدقة المكانية والمعلومات الزمنية والمرونة. البصيري وآخرون قام (2022) بمراجعة شاملة للمناهج والأساليب المختلفة للتغلب على تحديات تخطيط المسار للطائرات بدون طيار متعددة الدوارات في سياق الزراعة الدقيقة. علاوة على ذلك ، عويس وآخرون. لخص (2022) تطبيق بيانات الاستشعار عن بعد للطائرات بدون طيار في المحاصيل لتقدير حالة المياه وقدم توليفًا متعمقًا للقدرة المحتملة للاستشعار عن بُعد للطائرات بدون طيار لتطبيق الإجهاد المبذر. أخيرًا ، أكويلاني وآخرون. (2022) استعرض تقنيات الزراعة السابقة المطبقة في أنظمة الثروة الحيوانية القائمة على المراعي واستنتج أن الاستشعار عن بعد الذي تم تمكينه بواسطة الطائرات بدون طيار مفيد لتقييم الكتلة الحيوية وإدارة القطيع.
أيضًا ، تم الإبلاغ مؤخرًا عن محاولات لاستخدام الطائرات بدون طيار في مراقبة وتتبع وحشد الماشية.
على الرغم من أن هذه المراجعات تسفر عن رؤى جديدة ومهمة ، إلا أنه لا يمكن العثور على مراجعة شاملة وحديثة تستند إلى المقاييس الببليومترية في الأدبيات ، مما يمثل فجوة معرفية واضحة. علاوة على ذلك ، فقد ذكر أنه عندما ينمو الإنتاج العلمي في مجال علمي ، يصبح من الضروري للباحثين استخدام مناهج المراجعة الكمية لفهم بنية المعرفة للمجال (ريفيرا وبيزام ، 2015). وبالمثل ، فيريرا وآخرون. (2014) أنه مع نضوج مجالات البحث وتصبح معقدة ، يجب أن يهدف العلماء في بعض الأحيان إلى فهم المعرفة المتولدة والمجمعة للكشف عن مساهمات جديدة ، والتعرف على تقاليد واتجاهات البحث ، وتحديد الموضوعات التي تتم دراستها ، والتعمق في بنية المعرفة المجال واتجاهات البحث المحتملة. بينما أجرى Raparelli and Bajocco (2019) تحليلًا ببليومتري لفحص مجال المعرفة لتطبيقات الطائرات بدون طيار في الزراعة والغابات ، فإن دراستهم لا تتناول سوى البحث العلمي المنشور بين عامي 1995 و 2017 ، والذي لا يعكس ديناميكيات هذه المنطقة سريعة الحركة. علاوة على ذلك ، لم يحاول المؤلفون تحديد المساهمات الأكثر تأثيرًا في هذا المجال ، وتجميع الأدبيات ، وتقييم البنية الفكرية باستخدام تحليل الاقتباس المشترك. نتيجة لذلك ، من الضروري تلخيص الأدبيات للكشف عن بؤر واتجاهات البحث الحالية.
لسد هذه الفجوة المعرفية ، نستفيد من المنهجية الكمية والأساليب الببليومترية الصارمة لفحص الحالة الحالية للبحث عند تقاطع الطائرات بدون طيار والزراعة. نجادل بأن الدراسة الحالية تقدم العديد من المساهمات في الأدبيات الحالية من خلال فحص التكنولوجيا الناشئة التي تشتد الحاجة إليها في الزراعة لأنها توفر إمكانات هائلة لتغيير العديد من الجوانب في هذا القطاع. يتم الشعور بالحاجة إلى تحليل ببليومتري للطائرات الزراعية بدون طيار بشكل أكبر نظرًا للمعرفة المتناثرة والمجزأة حول الطائرات بدون طيار في سياق الزراعة. وبالمثل ، فإن الأدبيات المتعلقة بالطائرات بدون طيار الزراعية يجب أن يتم تجميعها بشكل منهجي ، مع الأخذ في الاعتبار الدراسات الأكثر تأثيرًا التي تبني أساس هذا المجال البحثي. تتضمن الجدارة في التحليل أيضًا توضيح موضوعات البحث الرئيسية الممثلة في الأدبيات. بالنظر إلى الإمكانات التحويلية للتكنولوجيا ، نفترض أن تحليل الشبكة المتعمق ينتج رؤى جديدة من خلال تحديد الأعمال المؤثرة والكشف عن الموضوعات المتعلقة بإمكانيات الطائرات بدون طيار للزراعة.
لذلك نسعى جاهدين لتحقيق أهداف البحث التالية:
- تحديد المطبوعات المؤثرة ذات المساهمات البارزة في تطبيقات الطائرات بدون طيار في مجال الزراعة.
- تجميع الأدبيات ، وتحديد بؤر البحث ، ورسم خرائط لدراسات "البنية الفكرية" الرئيسية بناءً على التشابه الدلالي باستخدام تحليل الاقتباس المشترك.
- فهم تطور الروابط وشبكات الاستشهاد بمرور الوقت بين المنشورات المختلفة في هذا المجال وتحديد اتجاهات البحث المستقبلية والمواضيع الساخنة.
تم تنظيم بقية الورقة على النحو التالي: يلخص القسم 2 منهجية وخطوات جمع البيانات ؛ يقدم القسم 3 نتائج التحليلات ؛ ويناقش القسم 4 النتائج ويختتم بالمساهمات البحثية والآثار والتوجهات المستقبلية.
آلية العمل
في هذه الدراسة البحثية الحالية ، نجري تحليلًا ببليومتريًا لاستكشاف تطبيقات الطائرات بدون طيار في الزراعة. يكشف هذا النهج الكمي عن البنية الفكرية لمجال المعرفة (Arora & Chakraborty ، 2021) والوضع الحالي والموضوعات الساخنة واتجاهات البحث المستقبلية التي يمكن التحقيق فيها من خلال تطبيق هذه الطريقة (Kapoor et al.، 2018؛ Mishra et al. Rejeb، Rejeb، et al.، 2017b؛ A. Rejeb et al.، 2021d؛ MA Rejeb et al.، 2021). بشكل عام ، يفحص التحليل الببليومتري الأدبيات الموجودة لتلخيص وكشف الأنماط المخفية للاتصال المكتوب وتطور النظام بناءً على الإحصائيات والأساليب الرياضية ، وينطبق على مجموعات البيانات الكبيرة (بريتشارد ، 2020 ؛ صغير ، 1969 ؛ Tahai & Rigsby ، 1999). باستخدام القياسات الببليومترية ، نطمح إلى فهم أفضل للنماذج الحالية وبؤر البحث التي تساهم في المجال على أساس التشابه (Thelwall ، 1998). توفر القياسات الببليومترية رؤى جديدة مدعومة بالقوة الكمية الموضوعية للمنهجية (Casillas & Acedo ، 2008). أجرى العديد من العلماء في السابق دراسات ببليومترية في المجالات ذات الصلة ، بما في ذلك الزراعة والاستشعار عن بعد والتحول الرقمي (Armenta-Medina et al.، 2007؛ Bouzembrak et al.، 2020؛ A. Rejeb، Treiblmaier، et al.، 2019؛ Wamba & Queiroz ، 2021 ؛ Wang et al. ، 2021).
تحليل الاقتباس
يكشف تحليل الاقتباس عن رؤى مختلفة في مجال بحث معين. بادئ ذي بدء ، يساعد في الكشف عن المؤلفين والمنشورات الأكثر نفوذاً التي تساهم في مجال بحثي معين ولها تأثير كبير (Gundolf & Filser ، 2013). ثانيًا ، يمكن الكشف عن تدفق المعرفة وروابط الاتصال بين المؤلفين. أخيرًا ، من خلال تتبع الروابط بين الأعمال المقتبس منها والمقتبس منها ، يمكن للمرء استكشاف التغييرات والتطور في مجال المعرفة بمرور الوقت (Pournader
وآخرون ، 2020). تعكس أعداد الاستشهادات العالية لمنشور ما مدى ملاءمته ومساهماته الجوهرية في مجال البحث (Baldi، 1998؛ Gundolf & Filser، 2013؛ Marinko، 1998). يساعد تحليل الاقتباس من المنشورات أيضًا في تحديد الأعمال ذات الصلة وتتبع شعبيتها والتقدم مع مرور الوقت.
تحليل الاقتباس المشترك المستند
يعد تحليل الاقتباس المشترك طريقة قيمة لاستكشاف العلاقات بين المنشورات وتصوير البنية الفكرية للمجال (نيرور وآخرون ، 2008). بعبارة أخرى ، من خلال تحديد المنشورات الأكثر اقتباسًا وارتباطاتها ، تقوم الطريقة بتجميع المنشورات في مجموعات بحثية متميزة حيث تشارك المنشورات في مجموعة أفكارًا متشابهة بانتظام (ماكين ، 1990 ؛ سمول ، 1973). من الضروري الإشارة إلى أن التشابه لا يعني أن نتائج المنشورات صحيحة
متماسكة وتتفق مع بعضها البعض ؛ تنتمي المنشورات إلى نفس المجموعة بسبب تشابه الموضوع ، ولكن يمكن أن يكون لها وجهات نظر متناقضة.
جمع البيانات وتحليلها
باتباع المنهجية التي اقترحها White and Griffith (1981) ، أجرينا بحثًا شاملاً في مقالات المجلات لتغطية نطاق البحث الكامل لتطبيقات الطائرات بدون طيار في الزراعة ، باتباع الخطوات الخمس التالية:
- كانت الخطوة الأولى هي جمع البيانات. تم اختيار Scopus كواحدة من أكثر قواعد البيانات شمولاً وموثوقية مع نتائج موحدة. تم استرداد البيانات الوصفية للمنشورات المتعلقة بجميع تطبيقات الطائرات بدون طيار في الزراعة. ثم قمنا بتحليل المقالات المحددة وإزالة المقالات الخارجة عن الموضوع من التحليل.
- قمنا بتحليل الأدبيات وتحديد أهم الكلمات الرئيسية المستخدمة في مجال البحث.
- باستخدام تحليل الاقتباس ، اكتشفنا العلاقة بين المؤلفين والوثائق للكشف عن أنماط الاقتباس الأساسية. حددنا أيضًا المؤلفين والمطبوعات الأكثر تأثيرًا الذين لديهم مساهمات كبيرة في مجال الطائرات بدون طيار الزراعية.
- أجرينا تحليل اقتباس مشترك لتجميع المنشورات المماثلة في مجموعات.
- أخيرًا ، قمنا بتحليل الروابط والروابط بين البلدان والمؤسسات والمجلات لتصوير شبكة التعاون.
تحديد مصطلحات البحث المناسبة
طبقنا سلاسل البحث التالية لتجميع البيانات: (طائرة بدون طيار * أو "مركبة جوية بدون طيار" أو طائرة بدون طيار * أو "نظام طائرة بدون طيار"أو UAS أو "الطائرات الموجهة عن بعد”) و (الزراعة أو الزراعة أو الزراعة أو المزارع). تم إجراء البحث في سبتمبر 2021. الطائرات بدون طيار لها العديد من التعيينات ، بما في ذلك الطائرات بدون طيار ، والطائرات بدون طيار ، والطائرات الموجهة عن بعد (ساه وآخرون ، 2021). تم تحديد مصطلحات البحث المحددة المتعلقة بالزراعة بناءً على دراسة عبد الله وآخرون. (2021). من أجل الوضوح والشفافية ، تم تقديم الاستعلام الدقيق الذي استخدمناه في الملحق 1. بعد عملية تنظيف البيانات ، أنشأنا ملفًا نصيًا تم تحميله لاحقًا في BibExcel ، وهي أداة شائعة لتحليل الاستشهاد والاقتباس المشترك. توفر هذه الأداة أيضًا تفاعلًا بسيطًا مع البرامج الأخرى وتوفر درجة كبيرة من الحرية في معالجة البيانات وتحليلها. تم استخدام الإصدار 1.6.16 من VOSviewer لتصور النتائج وإنشاء الشبكات الببليومترية (Eck & Waltman ، 2009). يقدم VOSviewer مجموعة من التصور البديهي ، خاصة لتحليل الخرائط الببليومترية (Geng et al. ، 2020). علاوة على ذلك ، فهو يساعد في توفير نتائج بصرية واضحة تساعد في فهم النتائج بشكل أفضل (عبد الله وآخرون ، 2021). بتطبيق سلاسل البحث كما هو مذكور أعلاه ، قمنا بجمع وتخزين جميع المنشورات ذات الصلة. أسفرت نتائج البحث الأولى عن إجمالي 5,085،4,700 وثيقة. لضمان جودة العينة المختارة ، تم النظر فقط في مقالات المجلات التي تمت مراجعتها من قبل الزملاء في البحث ، مما أدى إلى استبعاد أنواع الوثائق الأخرى ، مثل الكتب والفصول ووقائع المؤتمرات والملاحظات التحريرية. أثناء عملية الفرز ، تم استبعاد المنشورات غير ذات الصلة (أي خارج نطاق هذا العمل) والمكررة (أي النسخ المكررة الناشئة من الفهرسة المزدوجة) والمنشورات غير الناطقة باللغة الإنجليزية. نتج عن هذه العملية إدراج XNUMX وثيقة في التحليل النهائي.
النتائج والمناقشة
للبدء ، قمنا بتحليل التطورات في مخرجات المنشورات في الأدبيات الحالية حول الطائرات الزراعية بدون طيار. يوضح الشكل 1. التوزيع الزمني للبحث العلمي. ونلاحظ زيادة سريعة في المنشورات من عام 2011 (30 منشورًا) فصاعدًا ؛ لذلك قررنا تقسيم فترة التحليل إلى مرحلتين مختلفتين. نشير إلى الفترة بين عامي 1990 و 2010 بمرحلة البناء ، والتي كان لها ما يقرب من سبع أوراق بحثية تنشر سنويًا. سميت فترة ما بعد عام 2010 بمرحلة النمو منذ أن شهدت الأبحاث حول تطبيقات الطائرات بدون طيار في الزراعة طفرة هائلة خلال هذه الفترة. بعد عام 2010 ، يؤكد العدد المتزايد من المنشورات الاهتمام المتزايد بين الباحثين ، مما يعكس أيضًا أن الطائرات بدون طيار قد تم تطبيقها على الاستشعار عن بعد واستخدامها في الزراعة الدقيقة (Deng et al.، 2018؛ Maes & Steppe، 2019؛ Messina & Modica، 2020 ). على وجه التحديد ، ارتفع عدد المنشورات من 108 في عام 2013 إلى 498 في عام 2018 وبلغ ذروته عند 1,275،2020 في عام 935. وتم نشر ما مجموعه 2021 مقالة بين يناير ومنتصف سبتمبر XNUMX. بعد ذلك ، اخترنا تركيز تحليلنا أكثر على مرحلة النمو لأن هذه الفترة تعكس أحدث وأهم التفاصيل الدقيقة للطائرات بدون طيار الزراعية.
تحليل الكلمات المفتاحية
الكلمات الرئيسية التي يختارها المؤلفون للنشر لها تأثير حاسم على كيفية تمثيل الورقة وكيفية توصيلها داخل المجتمعات العلمية. إنهم يحددون الموضوعات الرئيسية للبحث ويحددون قدرته على الازدهار أو الفشل (Day & Gastel ، 1998 ؛ Kim et al. ، 2016 ؛ Uddin et al. ، 2015). يشير تحليل الكلمات الرئيسية ، وهو أداة للكشف عن اتجاهات واتجاهات البحث الأوسع ، إلى تجميع الكلمات الرئيسية لجميع المنشورات ذات الصلة في المجال (Dixit & Jakhar ، 2021). في الدراسة الحالية ، قمنا بتقسيم الكلمات الرئيسية المجمعة إلى مجموعتين (على سبيل المثال ، حتى 2010 و2011-2021) لاستكشاف الموضوعات الأكثر شيوعًا. من خلال القيام بذلك ، يمكننا تتبع الكلمات الرئيسية الحاسمة في كلتا المجموعتين والتأكد من أننا حصلنا على جميع البيانات اللازمة. لكل مجموعة ، يتم عرض الكلمات الرئيسية العشر الأولى في الجدول 3. لقد أزلنا التناقضات من خلال دمج كلمات رئيسية متطابقة لغويًا ، مثل "طائرة بدون طيار" و "طائرات بدون طيار" أو ، بالمثل ، "إنترنت الأشياء" و "إنترنت الأشياء".
يوضح الجدول 3 أن "مركبة جوية بدون طيار" هي الكلمة الأساسية الأكثر استخدامًا مقارنةً بـ "طائرة بدون طيار" و "نظام جوي بدون طيار" في كلتا الفترتين الزمنيتين. كما احتلت "الاستشعار عن بعد" و "الزراعة الدقيقة" و "الزراعة" مرتبة عالية في كلتا الفترتين. في الفترة الأولى ، احتلت "الزراعة الدقيقة" المرتبة الخامسة ، واحتلت المرتبة الثانية في الفترة الثانية ، مما يوضح كيف أصبحت الطائرات بدون طيار ذات أهمية متزايدة في تحقيق الزراعة الدقيقة لأنها يمكن أن تجعل المراقبة ،
عمليات الكشف والتقدير أسرع وأرخص وأسهل في الأداء مقارنةً بأنظمة الاستشعار عن بعد والأنظمة الأرضية الأخرى. أيضًا ، يمكنهم رش الكمية الدقيقة من المدخلات (على سبيل المثال ، الماء أو مبيدات الآفات) عند الحاجة (Guo et al. ، 2020 ؛ Inoue ، 2020 ؛ Panday ، Pratihast ، وآخرون ، 2020).
قائمة الكلمات الرئيسية الأكثر استخداما.
مرتبة | 1990-2010 | رقم مرات الحدوث | 2011-2021 | رقم مرات الحدوث |
1 | جوية بدون طيار المثالية | 28 | غير مزود بالرجال مركبة جوية | 1628 |
2 | الاستشعار عن بعد | 7 | دقة زراعة | 489 |
3 | زراعة | 4 | الاستشعار عن بعد | 399 |
4 | محمول جوا | 4 | أزيز | 374 |
5 | دقة زراعة | 4 | غير مزود بالرجال النظام الجوي | 271 |
6 | جوية بدون طيار | 4 | زراعة | 177 |
7 | فائق الطيفية مدخل بطاقة الذاكرة : نعم | 3 | التعلم العميق | 151 |
8 | عصبي اصطناعي الشبكات | 2 | آلة تعلم | 149 |
9 | طيران مستقل | 2 | الحياة النباتية فهرس | 142 |
10 | قهوة | 2 | إنترنت الأشياء | 124 |
ميزة أخرى مثيرة للاهتمام هي وجود التقنيات التكميلية. في المرحلة الأولى ، تعد "Hyperspectral Sensor" و "الشبكات العصبية الاصطناعية" (ANN) من بين الكلمات الرئيسية العشرة الأولى. أحدث التصوير الفائق الطيف ثورة في التصوير التقليدي من خلال جمع عدد كبير من الصور بأطوال موجية مختلفة. عند القيام بذلك ، يمكن لأجهزة الاستشعار جمع معلومات مكانية وطيفية أفضل في وقت واحد مقارنة بالتصوير متعدد الأطياف ، والتحليل الطيفي ، وصور RGB (Adao ˜ et al. ،
2017). يشير حدوث "ANN" في المرحلة الأولى و "التعلم العميق" (DL) و "التعلم الآلي" (ML) في المرحلة الثانية إلى أن معظم الأعمال المنشورة ركزت على فحص إمكانات تقنيات الذكاء الاصطناعي للطائرات بدون طيار- الزراعة القائمة. على الرغم من أن الطائرات بدون طيار قادرة على الطيران بشكل مستقل ، إلا أنها لا تزال تتطلب مشاركة طيار ، مما يعني انخفاض مستوى ذكاء الجهاز. ومع ذلك ، يمكن حل هذه المشكلة بسبب تقدم تقنيات الذكاء الاصطناعي ، والتي يمكن أن توفر وعيًا أفضل بالموقف ودعمًا مستقلًا للقرار. مجهزة بالذكاء الاصطناعي ، يمكن للطائرات بدون طيار تجنب الاصطدامات أثناء الملاحة ، وتحسين إدارة التربة والمحاصيل (Inoue ، 2020) ، وتقليل العمالة والإجهاد للبشر (BK Sharma et al. ، 2019).
نظرًا لمرونتها وقدرتها على التعامل مع كميات هائلة من البيانات غير الخطية ، فإن تقنيات الذكاء الاصطناعي هي طرق مناسبة لتحليل البيانات المرسلة بواسطة الطائرات بدون طيار وغيرها من أنظمة الاستشعار عن بعد والأنظمة الأرضية للتنبؤ واتخاذ القرار (علي وآخرون ، 2015 ؛ Inoue ، 2020). علاوة على ذلك ، يشير وجود إنترنت الأشياء في الفترة الثانية إلى دورها الناشئ في الزراعة. يُحدث إنترنت الأشياء ثورة في الزراعة من خلال ربط التقنيات الأخرى ، بما في ذلك الطائرات بدون طيار و ML و DL و WSNs والبيانات الضخمة. تتمثل إحدى الفوائد الرئيسية لتطبيق إنترنت الأشياء في قدرته على دمج المهام المختلفة بكفاءة وفعالية (الحصول على البيانات وتحليل البيانات ومعالجتها واتخاذ القرار والتنفيذ) في الوقت الفعلي تقريبًا (Elijah et al.، 2018؛ Feng et al. ، 2019 ؛ Muangprathub et al. ، 2019). علاوة على ذلك ، تعتبر الطائرات بدون طيار أدوات فعالة لالتقاط البيانات اللازمة لحساب قوة الغطاء النباتي وخصائص الغطاء النباتي (Candiago et al.، 2015). يوضح الشكل 2 أ و 2 ب الكلمات الأساسية شبكات التكرار لكلتا الفترتين الزمنيتين.
المؤلفون المؤثرون
في هذا القسم ، نحدد المؤلفين المؤثرين ونفحص كيف يمكن لشبكات اقتباس المؤلفين تصور الأدبيات الحالية وتنظيمها. يوضح الشكل 3 التراكب الزمني لجميع الباحثين الذين لديهم أكبر عدد من الاستشهادات. يعكس مقياس اللون تباين اقتباسات المؤلفين على مدار العام. نقوم بفحص هيكل الاقتباس للباحثين الذين نشروا دراسات حول الطائرات الزراعية بدون طيار باستخدام حد أدنى من 50 اقتباسًا وعشرة منشورات. بعيدا عن المكان
12,891 مؤلفًا ، فقط 115 استوفوا هذا الشرط. يسرد الجدول 4 أهم عشرة مؤلفين مؤثرين ، مرتبة حسب الحد الأقصى لعدد الاستشهادات. Lopez- Granados F. يتصدر القائمة بـ 1,963،1,909 استشهادًا ، يليه Zarco-Tejada PJ مع XNUMX،XNUMX استشهادًا.
قائمة أكثر المؤلفين استشهادا.
تصنيف | المعلن / كاتب التعليق | الاستشهادات |
1 | لوبيز جرانادوس ´ F. | 1,963 |
2 | Zarco-Tejada PJ | 1,909 |
3 | بينا ˜ جم | 1,644 |
4 | توريس سو أنشيز ج. | 1,576 |
5 | فيريريس إي | 1,339 |
6 | ريموندينو ف | 1,235 |
7 | بولتن أ | 1,160 |
8 | باريث ج | 1,155 |
9 | بيرني جا | 1,132 |
10 | دي كاسترو AI | 1,036 |
عندما يتعلق الأمر بالمنشورات الفردية ، فإن مقال Zhang and Kovacs (2012) كان أكثر الدراسات التي تم الاستشهاد بها والتي نُشرت في Precision Agriculture. هنا ، استعرض المؤلفون تطبيق أنظمة الطائرات بدون طيار في الزراعة الدقيقة. تشير نتائج بحثهم إلى أن هناك حاجة لتطوير تصميم المنصة ، والإنتاج ، وتوحيد الإسناد الجغرافي للصور ، وسير عمل استرجاع المعلومات لتزويد المزارعين بمنتجات نهائية موثوقة. بالإضافة إلى ذلك ، يوصون بإشراك المزارع بقوة أكبر ، لا سيما في التخطيط الميداني ، والتقاط الصور ، وكذلك تفسير البيانات وتحليلها. الأهم من ذلك ، كانت هذه الدراسة من بين أولى الدراسات التي أظهرت أهمية الطائرات بدون طيار في رسم الخرائط الميدانية ، ورسم الخرائط النشطة ، وقياس المحتوى الكيميائي ، ومراقبة الإجهاد النباتي ، وتقييم آثار الأسمدة على نمو النبات. تشمل التحديات المتعلقة بالتكنولوجيا أيضًا التكاليف الباهظة ، وقدرة المستشعر ، واستقرار النظام الأساسي وموثوقيته ، ونقص التوحيد القياسي ، والإجراءات المتسقة لتحليل كميات هائلة من البيانات.
تحليل الاقتباس
يمثل تحليل الاقتباس دراسة تأثير المقالات ، وإن كانت عرضة للتدفقات (على سبيل المثال ، تحيز الاقتباس ، والاستشهاد الذاتي) وتعتبر واحدة من الأدوات القياسية لتقييم الأثر (Osareh، 1996؛ A. Rejeb et al.، 2022؛ سارلي وآخرون ، 2010). تعكس الاقتباسات أيضًا أهمية وحيوية مساهمات الأوراق في الأدبيات حول موضوع معين (R. Sharma et al. ، 2022). أجرينا تحليل الاقتباس لتحديد أكثر الدراسات تأثيرًا على الطائرات بدون طيار الزراعية ولخصنا المحتويات. يقدم الجدول 5 قائمة بأكثر خمس عشرة ورقة تأثيرًا للفترتين 1990-2010 و2011-2021. المقالات التي كتبها بيرني وآخرون. (2009) b و Austin (2010) كانا أكثر الاستشهادات خلال عامي 1990 و 2010 ، مع 831 و 498 استشهادًا ، على التوالي. بيرني وآخرون. (2009) (ب) إمكانية تطوير منتجات كمي للاستشعار عن بعد عبر طائرة بدون طيار تعتمد على طائرات الهليكوبتر ومجهزة بأجهزة استشعار حرارية وضيقة النطاق متعددة الأطياف. بالمقارنة مع المستشعرات التقليدية المحمولة جواً ، فإن نظام الطائرات بدون طيار منخفض التكلفة للزراعة قادر على تحقيق تقديرات قابلة للمقارنة للمعلمات الفيزيائية الحيوية للمحاصيل ، إن لم يكن أفضل. التكلفة المعقولة والمرونة التشغيلية ، جنبًا إلى جنب مع الدقة الطيفية والمكانية والزمنية العالية المتاحة في وقت سريع ، تجعل الطائرات بدون طيار مناسبة لمجموعة من التطبيقات التي تتطلب إدارة الوقت الحرجة ، بما في ذلك جدولة الري والزراعة الدقيقة. الورقة من بيرني وآخرون. (2009) b تم الاستشهاد به بشدة لأنه دمج بشكل فعال منصة ذات أجنحة دوارة بدون طيار وأجهزة استشعار رقمية وحرارية مع آليات المعايرة اللازمة للتطبيقات الزراعية. ثاني أكثر المنشورات التي يتم الاستشهاد بها هو كتاب من تأليف أوستن (2010) ، والذي ناقش الطائرات بدون طيار من منظور التصميم والتطوير والنشر. في الزراعة ، تدعم الطائرات بدون طيار مراقبة المحاصيل من خلال الكشف عن الأمراض في وقت مبكر من خلال تغير لون المحاصيل ، وتسهيل بذر المحاصيل ورشها ، ومراقبة وقيادة القطعان.
دراسات سوليفان وآخرون. (2007) ، Lumme et al. (2008) ، و Gokto ¨ an et al. (2010) أنهى قائمة الخمسة عشر مقالة الأكثر اقتباسًا. توضح هذه المقالات تطوير الأنظمة القائمة على الطائرات بدون طيار لدعم الزراعة. يقدمون حلولًا للعديد من المشكلات ، مثل مراقبة المحاصيل ومسحها ، ومراقبة الأعشاب الضارة وإدارتها ، ودعم القرار. كما يقترحون ويناقشون قدرة الطائرات بدون طيار على زيادة كفاءة أخذ العينات ومساعدة المزارعين في ابتكار دقيق وفعال
استراتيجيات الزراعة. تم تأليف ورقتين من قبل بيرني (بيرني وآخرون ، 2009 ب ؛ بيرني وآخرون ، 2009 أ) ، مما يؤكد تأثيره الكبير على البحوث الزراعية ذات الصلة بالطائرات بدون طيار. الورقة من Zarco-Tejada et al. كان (2014) من بين الدراسات الرائدة لتوضيح الحاجة إلى استخدام صور الطائرات بدون طيار منخفضة التكلفة في تقدير ارتفاع الشجرة.
قائمة بأكثر المنشورات التي تم الاستشهاد بها.
مرتبة | من 1990 ل2010 | من 2011 ل2021 | ||
وثيقة | تنويه | وثيقة | تنويه | |
1 | (بيرني وآخرون ، 2009 ب) | 831 | (سي. تشانغ وكوفاكس ، 2012) | 967 |
2 | (أوستن ، 2010) | 498 | (نيكس وريموندينو ، 2014) | 893 |
3 | (هانت وآخرون ، 2010) | 331 | (فلوريانو آند وود ، 2015) | 552 |
4 | (SR Herwitz et al. ، 2004) | 285 | (حسين مطلاغ وآخرون ، 2016) | 391 |
5 | (CCD Lelong وآخرون ، 2008) | 272 | (شخاترة وآخرون ، 2019) | 383 |
6 | (بيرني وآخرون ، 2009 ب) | 250 | (ما وآخرون ، 2017) | 373 |
7 | (جرينزدورفر وآخرون ، 2008) | 198 | (بنديج وآخرون ، 2014) | 360 |
8 | (هرابار وآخرون ، 2005) | 175 | (زاركو تيجادا وآخرون ، 2014) | 347 |
9 | (واي هوانغ وآخرون ، 2009) | 129 | (ميلادي ao وآخرون ، 2017) | 335 |
10 | (شمالي الثالث وآخرون ، 2008) | 119 | (Honkavaara et al. ، 2013a) | 331 |
11 | (عبد الرحمن وآخرون ، 2005) | 79 | (كاندياغو وآخرون ، 2015) | 327 |
12 | (تيكي وآخرون ، 2010) | 69 | (شيانغ وتيان ، 2011) | 307 |
13 | (سوليفان وآخرون ، 2007) | 51 | (ماتيسي وآخرون ، 2015) | 303 |
14 | (لوم وآخرون ، 2008) | 42 | (جاجو وآخرون ، 2015) | 275 |
15 | (جوكتو ¨an وآخرون ، 2010) | 40 | (آسين وآخرون ، 2015 أ) | 269 |
في الفترة الثانية (2011-2021) ، أسفر البحث الذي أجراه Zhang and Kovacs (2012) و Nex and Remondino (2014) عن المنشورات الأكثر الاستشهاد بها. يجادل Zhang and Kovacs (2012) بأن الزراعة الدقيقة يمكن أن تستفيد من تنفيذ تقنيات ومستشعرات جغرافية مكانية ، مثل أنظمة المعلومات الجغرافية ، ونظام تحديد المواقع العالمي (GPS) ، والاستشعار عن بعد ، لالتقاط الاختلافات في المجال والتعامل معها من خلال استخدام استراتيجيات بديلة. كمغير لقواعد اللعبة في الزراعة الدقيقة ، أدى اعتماد الطائرات بدون طيار إلى عصر جديد في الاستشعار عن بعد ، وتبسيط المراقبة الجوية ، والتقاط بيانات نمو المحاصيل ، وظروف التربة ، ومناطق الرش. تعد مراجعة Zhang and Kovacs (2012) أساسية لأنها تقدم رؤى حول الطائرات بدون طيار من خلال الكشف عن الاستخدامات والتحديات الحالية لهذه الأجهزة في المراقبة البيئية والزراعة الدقيقة ، مثل قيود النظام الأساسي والكاميرا ، وتحديات معالجة البيانات ، ومشاركة المزارعين ، وأنظمة الطيران . الثاني
استعرضت معظم الدراسات التي تم الاستشهاد بها من Nex و Remondino (2014) حالة فن الطائرات بدون طيار لالتقاط ومعالجة وتحليل صور الأرض.
قدم عملهم أيضًا نظرة عامة على العديد من الأنظمة الأساسية للطائرات بدون طيار والتطبيقات وحالات الاستخدام ، مما يعرض أحدث التطورات في معالجة الصور بدون طيار. في الزراعة ، يمكن للمزارعين استخدام الطائرات بدون طيار لاتخاذ قرارات فعالة لتحقيق وفورات في التكلفة والوقت ، والحصول على سجل سريع ودقيق للأضرار ، وتوقع المشاكل المحتملة. على عكس المنصات الجوية التقليدية ، يمكن للطائرات بدون طيار خفض النفقات التشغيلية وتقليل خطر الوصول في المواقع القاسية مع الحفاظ على إمكانات عالية الدقة. يلخص بحثهم المزايا المختلفة للطائرات بدون طيار ، لا سيما من حيث الدقة والقرار.
من بين المنشورات الثلاثة عشر المتبقية التي تم الاستشهاد بها بين عامي 2011 و 2021 ، لاحظنا تركيزًا أكبر على الأبحاث المرتبطة بتطبيقات الطائرات بدون طيار في بعثات التصوير (Bendig et al. ، 2014 ؛ Ma et al. ، 2017 ؛ Zarco-Tejada et al. ، 2014) ، الزراعة الدقيقة (Candiago et al.، 2015؛ Honkavaara et al.، 2013a)، زراعة الكروم الدقيقة (Matese et al.، 2015) وتقييم الإجهاد المائي (Gago et al.، 2015) ورصد الغطاء النباتي (Aasen et al. ، 2015 أ). في السنوات الأولى ، ركز الباحثون
المزيد عن تطوير أنظمة تعتمد على الطائرات بدون طيار منخفضة التكلفة وخفيفة الوزن ودقيقة للزراعة ؛ ركزت الأبحاث الحديثة بشكل أكبر على مراجعات تطبيقات الطائرات بدون طيار لأغراض الزراعة والمسح الميداني. باختصار ، يكشف هذا التحليل أن المنشورات المؤثرة قدمت في الغالب مراجعات للدراسات السابقة لتقييم الوضع العلمي والتكنولوجي الحالي للطائرات بدون طيار وأنظمة الطائرات بدون طيار المتقدمة لدعم الزراعة الدقيقة. ومن المثير للاهتمام أننا لم نجد دراسات تستخدم تجريبية
منهجيات أو دراسات حالة وصفية ، مما يشكل فجوة معرفية كبيرة ويستدعي مزيدًا من البحث حول هذا الموضوع.
تحليل الاقتباس المشترك
وفقًا لـ Gmür (2006) ، يحدد تحليل الاقتباس المشترك المنشورات المماثلة ويجمعها. يمكن أن يكشف الفحص الدقيق للعنقود عن مجال بحث مشترك بين المنشورات. نحن نحقق في الاقتباس المشترك للأدبيات المتعلقة بالطائرات بدون طيار الزراعية لتوضيح المجالات ذات الصلة والكشف عن الأنماط الفكرية للمنشورات. في هذا الصدد ، أوصى Small (1973) باستخدام تحليل coitation لدراسة أكثر الأبحاث تأثيراً والأكثر تأثيراً
ضمن تخصص. لتقييد المجموعة بالمقالات الأكثر أهمية (Goyal & Kumar ، 2021) ، قمنا بتعيين حد اقتباس مشترك يبلغ 25 ، مما يعني أنه يجب الاستشهاد بمقالتين معًا في قوائم المراجع المكونة من 25 منشورًا مختلفًا أو أكثر. تم إجراء التجميع أيضًا بحد أدنى لحجم الكتلة 1 وبدون أي طريقة لدمج الكتل الأصغر مع المجموعات الأكبر. نتيجة لذلك ، تم إنشاء ست مجموعات بناءً على تشابه الدراسات وبنيتها الفكرية. يوضح الجدول 6 توزيع المنشورات في كل مجموعة.
المجموعة 1: تحتوي هذه المجموعة على ثمانية عشر وثيقة تم نشرها بعد أن تناقش المنشورات في هذه المجموعة دور الطائرات بدون طيار في دعم المراقبة البيئية وإدارة المحاصيل وإدارة الأعشاب الضارة. على سبيل المثال ، مانفريدا وآخرون. (2018) يقدم لمحة عامة عن الأبحاث والتطبيقات الحالية للطائرات بدون طيار في مراقبة النظام البيئي الزراعي الطبيعي ويجادل بأن التكنولوجيا توفر إمكانات هائلة لتعزيز المراقبة البيئية بشكل كبير وتقليلها
الفجوة القائمة بين المراقبة الميدانية والاستشعار عن بعد الجوي والفضائي التقليدي. يمكن القيام بذلك من خلال توفير سعة جديدة لتحسين الاسترجاع الزمني والرؤى المكانية في مناطق كبيرة بطريقة ميسورة التكلفة. يمكن للطائرات بدون طيار الشعور بالبيئة باستمرار وإرسال البيانات الناتجة إلى كيانات ذكية مركزية / لامركزية تتحكم في أجهزة الاستشعار لتحديد المشكلات المحتملة ، مثل نقص الأمراض أو اكتشاف المياه (Padua et al. ، 2017). Adao ˜ وآخرون. (2017) يفترض أن الطائرات بدون طيار مثالية لتقييم ظروف النباتات من خلال التقاط حجم هائل من البيانات الأولية المتعلقة بحالة المياه وتقدير الكتلة الحيوية وتقييم القوة. يمكن أيضًا نشر أجهزة الاستشعار المثبتة على الطائرات بدون طيار على الفور في ظروف بيئية مناسبة للسماح بالتقاط بيانات الاستشعار عن بعد في الوقت المناسب (Von Bueren et al. ، 2015). عن طريق الطائرات بدون طيار ، يمكن للمزارعين تنفيذ أنشطة الزراعة الداخلية من خلال الحصول على قياسات من أي مكان عمليًا في الفضاء ثلاثي الأبعاد لبيئات الزراعة الداخلية (على سبيل المثال ، الصوبات الزراعية) ، وبالتالي ضمان التحكم المحلي في المناخ ومراقبة النبات (Roldan ´ et al. . ، 2015). في سياق الدقة
تتطلب قرارات الزراعة وإدارة المحاصيل بيانات محاصيل دقيقة وموثوقة مع دقة زمنية ومكانية مناسبة (Gebbers & Adamchuk، 2010؛ Gevaert et al.، 2015؛ Maes & Steppe، 2019). لهذا السبب ، أجويرا فيغا وآخرون. (2015) نظام استشعار متعدد الأطياف مُثبَّت على الطائرات بدون طيار للحصول على صور لمحصول عباد الشمس خلال موسم النمو. وبالمثل ، فإن Huang et al. (2009) لاحظ أن الاستشعار عن بعد القائم على الطائرات بدون طيار يمكن أن يسهل قياس المحاصيل والتربة من البيانات الطيفية التي تم جمعها. Verger et al. (2014) طور واختبر تقنية لتقدير مؤشر المنطقة الخضراء (GAI) من قياسات انعكاس الطائرات بدون طيار في تطبيقات الزراعة الدقيقة ، مع التركيز على محاصيل القمح وبذور اللفت. لذلك ، توفر الطائرات بدون طيار إمكانيات جديدة لاسترداد معلومات حالة المحاصيل مع مراجعات متكررة ودقة مكانية عالية (Dong et al.، 2019؛ Garzonio et al.، 2017؛ H. Zheng et al.، 2016).
تجميع المنشورات المؤثرة على الطائرات بدون طيار الزراعية.
كتلة | موضوع واسع | مراجع حسابات |
1 | المراقبة البيئية للمحاصيل إدارة ، إدارة الحشائش | (ميلادي آو وآخرون ، 2017 ؛ أجيرا فيجا وآخرون ، 2015 ؛ دي كاسترو وآخرون ، 2018 ؛ Gomez-Cand ´ on ´ et al.، 2014 ؛ YB Huang وآخرون ، 2013 ؛ خانال وآخرون 2017 ؛ لوبيز جرانادوس ، 2011 ؛ مانفريدا وآخرون ، 2018 ؛ ص أدوا وآخرون 2017 ؛ بينا وآخرون ، 2013 ؛ بيريز أورتيز وآخرون ، 2015 ؛ Rasmussen et al.، 2013، 2016 ؛ توريس سو anchez وآخرون ، 2014 ؛ توريس سانشيز ، لوبيز جرانادوس ، ´ & بينا ، 2015 ؛ Verger وآخرون ، 2014 ؛ فون بورين وآخرون ، 2015 ؛ سي. تشانغ و كوفاكس ، 2012) |
2 | النمط الظاهري البعيد ، العائد تقدير ، نموذج سطح المحاصيل ، عد النباتات | (Bendig et al.، 2013، 2014؛ Geipel وآخرون ، 2014 ؛ Gnadinger ¨ & شميدهالتر ، 2017 ؛ Haghighattalab وآخرون ، 2016 ؛ هولمان وآخرون ، 2016 ؛ جين وآخرون ، 2017 ؛ دبليو لي وآخرون ، 2016 ؛ Maimaitijiang et al. ، 2017 ؛ سانكاران وآخرون ، 2015 ؛ Schirrmann وآخرون ، 2016 ؛ شي وآخرون ، 2016 ؛ يو وآخرون ، 2017 ؛ X. Zhou وآخرون ، 2017) |
3 | التصوير الحراري للمياه ، التصوير متعدد الأطياف | (Baluja et al.، 2012؛ Berni et al.، 2009 ب ؛ بيرني وآخرون ، 2009 أ ؛ كاندياغو وآخرون ، 2015 ؛ Gago وآخرون ، 2015 ؛ Gonzalez-Dugo et al.، 2013، 2014 ؛ Grenzdorffer ¨ et al.، 2008؛ خالق وآخرون ، 2019 ؛ ماتيسي وآخرون ، 2015 ؛ Ribeiro-Gomes et al. ، 2017 ؛ سانتيستيبان وآخرون ، 2017 ؛ أوتو وآخرون 2013) |
4 | التصوير فوق الطيفي ، الطيفي التصوير | (آسين وآخرون ، 2015 أ ؛ باريث وآخرون ، 2015 ؛ هاكالا وآخرون ، 2013 ؛ Honkavaara et al.، 2013a ؛ لوسير وآخرون ، 2014 ؛ Saari وآخرون ، 2011 ؛ Suomalainen et al.، 2014) |
5 | تطبيقات رسم الخرائط ثلاثية الأبعاد | (Jim´enez-Brenes et al. ، 2017 ؛ Nex & ريموندينو ، 2014 ؛ سالامي وآخرون 2014 ؛ توريس سو أنشيز ، لوبيز- ´ Granados، Serrano، et al.، 2015؛ الزهاوي وآخرون ، 2015 ؛ زاركو تيجادا وآخرون ، 2014) |
6 | مراقبة الزراعة | (SR Herwitz et al.، 2004؛ Hunt وآخرون ، 2010 ؛ CCD Lelong et al. ، 2008 ؛ Primicerio وآخرون ، 2012 ؛ شيانغ & تيان ، 2011) |
علاوة على ذلك ، تعد الطائرات بدون طيار مفيدة للمهام الصعبة في الزراعة ، بما في ذلك رسم خرائط الأعشاب الضارة. أثبتت الصور التي تم التقاطها بواسطة الأجهزة فائدتها في الكشف المبكر عن الحشائش في الحقول (de Castro et al.، 2018؛ Jim´enez-Brenes et al.، 2017؛ Lam et al.، 2021؛ Lopez-Granados ´ et al.، 2016 ؛ روزنبرغ وآخرون ، 2021). في هذا الصدد ، دي كاسترو وآخرون. (2018) يفترض أن دمج صور الطائرات بدون طيار وتحليل الصور المستند إلى الكائنات (OBIA) قد مكّن الممارسين من التغلب على مشكلة أتمتة الكشف المبكر في محاصيل الأراضي العشبية في بداية الموسم ، وهي خطوة كبيرة إلى الأمام في أبحاث الحشائش. وبالمثل ، بينا وآخرون. (2013) يشير إلى أن استخدام الصور عالية الدقة المكانية من الطائرات بدون طيار بالتزامن مع إجراء OBIA يجعل من الممكن إنشاء خرائط الأعشاب في محاصيل الذرة المبكرة التي يمكن استخدامها في التخطيط لتنفيذ تدابير مكافحة الحشائش في الموسم ، مهمة تتجاوز قدرة الصور الفضائية والتقليدية المحمولة جواً. مقارنةً بتصنيف الصور أو خوارزميات اكتشاف الكائنات ، تعد تقنيات التجزئة الدلالية أكثر فاعلية في مهام رسم خرائط الحشائش (J. وآخرون ، 2020). يمكن أن يوفر التقسيم الدلالي القائم على التعلم العميق أيضًا قياسًا دقيقًا للغطاء النباتي من الصور الجوية عالية الدقة (Ramesh et al. ، 2020 ؛ A. Zheng et al. ، 2020). على الرغم من قدرتها على التحكم عن بعد
تصنيف بكسل الاستشعار ، تتطلب تقنيات التجزئة الدلالية حسابًا كبيرًا وذاكرة GPU عالية جدًا (J. Deng et al. ، 2020).
استنادًا إلى التعلم الآلي والطائرات بدون طيار ، P´erez-Ortiz et al. (2015) مقاربة لرسم خرائط الحشائش لتوفير استراتيجيات مكافحة الحشائش الخاصة بالموقع عندما يتبنى المزارعون مكافحة الحشائش في وقت مبكر بعد ظهورها. أخيرًا ، راسموسن وآخرون. أكد (2013) أن الطائرات بدون طيار توفر استشعارًا رخيصًا مع مرونة كبيرة في الدقة المكانية. بشكل عام ، تركز المنشورات في هذه المجموعة على استكشاف إمكانات الطائرات بدون طيار لدعم الاستشعار عن بعد ، ومراقبة المحاصيل ، ورسم خرائط الأعشاب. هناك حاجة إلى مزيد من البحوث المتعمقة لمزيد من التحقيق في كيف يمكن لتطبيقات الطائرات بدون طيار في المراقبة البيئية وإدارة المحاصيل ورسم خرائط الأعشاب أن تحقق زراعة أكثر استدامة (Chamuah & Singh، 2019؛ Islam et al.، 2021؛ Popescu et al.، 2020؛ J Su، Liu، et al.، 2018) وتناول قضايا حوكمة هذه التكنولوجيا في تطبيقات التأمين على المحاصيل (Basnet & Bang، 2018؛ Chamuah & Singh، 2019، 2022؛ Meinen & Robinson، 2021). يجب أن يركز الباحثون على التحقق من صحة القياسات التي تم جمعها بدون طيار باستخدام تقنيات معالجة فعالة لتعزيز الجودة النهائية للبيانات المعالجة (مانفريدا وآخرون ، 2018). علاوة على ذلك ، هناك حاجة إلى تطوير خوارزميات مناسبة تتعرف على وحدات البكسل التي تعرض الأعشاب في الصور الرقمية وتزيل الخلفية غير ذات الصلة أثناء رسم خرائط الأعشاب بدون طيار (Gaˇsparovi´c et al.، 2020؛ Hamylton et al.، 2020؛ H. Huang et al. ، 2018 ، 2020 ؛ لوبيز- ´ Granados et al. ، 2016). نرحب ببحوث إضافية حول اعتماد تقنيات التجزئة الدلالية في التعرف على النباتات ، وتصنيف الأوراق ، ورسم خرائط المرض (Fuentes-Pacheco et al. ، 2019 ؛ Kerkech et al. ، 2020).
المجموعة 2. ركزت المنشورات في هذه المجموعة على العديد من جوانب الطائرات بدون طيار الزراعية. فيما يتعلق بالتنميط الظاهري عن بعد ، Sankaran et al. (2015) استعرض إمكانية استخدام التصوير الجوي على ارتفاعات منخفضة وعالية الدقة باستخدام الطائرات بدون طيار من أجل التنميط الظاهري السريع للمحاصيل في الحقل ، وزعموا أنه مقارنة بمنصات الاستشعار الأرضية ، فإن الطائرات بدون طيار الصغيرة المزودة بأجهزة استشعار مناسبة تقدم العديد من المزايا ، مثل سهولة الوصول إلى الميدان ، والبيانات عالية الدقة ، وجمع البيانات بكفاءة ،
تقييمات سريعة لظروف النمو الميداني ، وانخفاض تكاليف التشغيل. ومع ذلك ، لاحظ المؤلفون أيضًا أن التطبيق الفعال للطائرات بدون طيار للنمط الظاهري الميداني يعتمد على عنصرين أساسيين ، وهما ميزات الطائرات بدون طيار (على سبيل المثال ، السلامة ، والاستقرار ، وتحديد المواقع ، والاستقلالية) وخصائص المستشعر (على سبيل المثال ، الدقة ، والوزن ، وأطوال الموجات الطيفية ، والمجال. للعرض). Haghighattalab et al. (2016) اقترح خط أنابيب معالجة الصور شبه الآلي لاسترداد البيانات على مستوى قطعة الأرض من صور الطائرات بدون طيار وتسريع عملية التكاثر. هولمان وآخرون. (2016) المتقدمة عالية
نظام التنميط الظاهري لمجال الإنتاجية وسلط الضوء على أن الطائرات بدون طيار قادرة على جمع بيانات النمط الظاهري عالية الجودة والحجمية ، وأن الجهاز فعال في مناطق واسعة وعبر مواقع ميدانية مختلفة.
نظرًا لأن تقدير العائد يعد جزءًا مهمًا للغاية من المعلومات ، لا سيما عندما يكون متاحًا في الوقت المحدد ، فهناك إمكانية للطائرات بدون طيار لتوفير جميع القياسات الميدانية والحصول على بيانات عالية الجودة بكفاءة (Daakir et al.، 2017؛ Demir et al.، 2018 ؛ Enciso et al. ، 2019 ؛ Kulbacki et al. ، 2018 ؛ Pudelko et al. ، 2012). في هذا الصدد ، جين وآخرون. استفاد (2017) من الصور عالية الدقة التي حصلت عليها الطائرات بدون طيار على ارتفاعات منخفضة جدًا لتطوير وتقييم طريقة لتقدير كثافة نبات القمح في مرحلة الظهور. وفقًا للمؤلفين ، تغلبت الطائرات بدون طيار على قيود أنظمة المركبات الجوالة المجهزة بكاميرات وتمثل طريقة غير غازية لتقدير كثافة النباتات في المحاصيل ، مما يسمح للمزارعين بتحقيق الإنتاجية العالية اللازمة للنمط الظاهري للحقل بغض النظر عن قابلية المرور للتربة. لي وآخرون. (2016) جمع مئات الصور المجسمة بدقة عالية للغاية باستخدام نظام قائم على الطائرات بدون طيار لتقدير معلمات الذرة ، بما في ذلك ارتفاع المظلة والكتلة الحيوية فوق الأرض. أخيرًا ، يو وآخرون. وجد (2017) أن ارتفاع المحاصيل المحدد من الطائرات بدون طيار يمكن أن يعزز تقدير الكتلة الحيوية فوق الأرض (AGB).
تتمثل إحدى طرق مراقبة نمو المحاصيل في فكرة تطوير نماذج سطح المحاصيل (Bendig et al.، 2014، 2015؛ Holman et al.، 2016؛ Panday، Shrestha، et al.، 2020؛ Sumesh et al.، 2021). سلطت العديد من الدراسات الضوء على جدوى الصور المأخوذة من الطائرات بدون طيار لالتقاط ارتفاع النباتات ومراقبة نموها. على سبيل المثال ، Bendig et al. (2013) وصف تطوير نماذج سطح المحاصيل متعددة الأوقات بدقة عالية جدًا تقل عن 0.05 متر باستخدام الطائرات بدون طيار. كانوا يهدفون إلى الكشف عن المحاصيل
تقلبات النمو واعتمادها على معالجة المحاصيل ، والصنف ، والإجهاد. بنديج وآخرون (2014) استخدم الطائرات بدون طيار لتقدير الكتلة الحيوية الطازجة والجافة بناءً على ارتفاع النبات المستخرج من نماذج سطح المحاصيل ووجد أنه ، على عكس المنصات المحمولة جواً والمسح بالليزر الأرضي ، يمكن للصور عالية الدقة من الطائرات بدون طيار أن تزيد بشكل كبير من دقة نمذجة ارتفاع النبات للنمو المختلف مراحل. على نفس المنوال ، Geipel et al. (2014) استخدموا الطائرات بدون طيار في أبحاثهم للحصول على الصور
مجموعات البيانات الخاصة بالتنبؤ بإنتاجية حبوب الذرة في ثلاث مراحل نمو مختلفة من بداية الموسم وحتى منتصفه وخلصت إلى أن الجمع بين النمذجة الطيفية والمكانية على أساس الصور الجوية ونماذج سطح المحاصيل طريقة مناسبة للتنبؤ بإنتاجية الذرة في منتصف الموسم. أخيرًا ، قام Gnadinger ¨ و Schmidhalter (2017) بفحص فائدة الطائرات بدون طيار في التنميط الظاهري الدقيق وأبرزوا أن استخدام هذه التكنولوجيا يمكن أن يعزز إدارة المزرعة ويمكّن من إجراء التجارب الميدانية للتربية والأغراض الزراعية. بشكل عام ، نلاحظ أن المنشورات في المجموعة 2 تركز على المزايا الرئيسية للطائرات بدون طيار في جهاز التحكم عن بعد
التنميط الظاهري وتقدير الغلة ونمذجة سطح المحاصيل وعد النباتات. يمكن للدراسات المستقبلية أن تتعمق أكثر من خلال تطوير طرق جديدة للتنميط الظاهري عن بُعد يمكنها أتمتة وتحسين معالجة البيانات المستشعرة عن بُعد (Barabaschi et al. ، 2016 ؛ Liebisch et al. ، 2015 ؛ Mochida et al. ، 2015 ؛ S. Zhou et al. . ، 2021). بالإضافة إلى ذلك ، يجب البحث في أداء مستشعرات إنترنت الأشياء المثبتة على الطائرات بدون طيار والمفاضلة بين التكاليف والعمالة ودقة تقدير العائد في
المستقبل (Ju & Son، 2018a، 2018b؛ Xie & Yang، 2020؛ Yue et al.، 2018). في النهاية ، هناك حاجة لتطوير طرق فعالة لمعالجة الصور يمكنها توليد معلومات موثوقة ، وتعظيم الكفاءة في الإنتاج الزراعي ، وتقليل أعمال العد اليدوي للمزارعين (RU Khan et al. ، 2021 ؛ Koh et al. ، 2021 ؛ Lin & Guo، 2020؛ C. Zhang et al.، 2020).
المجموعة 3. تناقش المنشورات في هذه المجموعة الأنواع المختلفة لأنظمة التصوير للاستشعار عن بعد للموارد الزراعية المستخدمة على منصات الطائرات بدون طيار. في هذا الصدد ، يسمح التصوير الحراري بمراقبة درجات حرارة السطح لمنع تلف المحاصيل واكتشاف إجهاد الجفاف مبكرًا (Awais et al.، 2022؛ García-Tejero et al.، 2018؛ Sankaran et al.، 2015؛ Santesteban et al.، 2017 ؛ يوم ، 2021). Baluja et al. (2012) أكد أن استخدام الكاميرات متعددة الأطياف والحرارية على متن
مكنت الطائرات بدون طيار الباحثين من الحصول على صور عالية الدقة وتقييم حالة مياه الكروم. قد يكون هذا مفيدًا لتطوير نماذج جديدة لجدولة المياه باستخدام بيانات الاستشعار عن بعد (Baluja et al. ، 2012). بسبب ال
قدرة تحميل محدودة للطائرات بدون طيار ، Ribeiro-Gomes et al. (2017) نظر في دمج الكاميرات الحرارية غير المبردة في الطائرات بدون طيار لتحديد الإجهاد المائي في المصانع ، مما يجعل هذا النوع من الطائرات بدون طيار أكثر كفاءة وفعالية من الاستشعار عن بعد القائم على الأقمار الصناعية والطائرات بدون طيار المزودة بكاميرات حرارية مبردة. وفقًا للمؤلفين ، فإن الكاميرات الحرارية غير المبردة أخف من الكاميرات المبردة ، وتتطلب معايرة مناسبة. غونزاليس دوغو وآخرون. (2014) أن الصور الحرارية تولد بشكل فعال خرائط مكانية لمؤشرات الإجهاد المائي للمحاصيل لتقييم حالة المياه وقياس الإجهاد المائي بين بساتين الحمضيات وداخلها. غونزاليس دوغو وآخرون. (2013) و Santesteban et al. قام (2017) بالتحقيق في استخدام صور حرارية عالية الدقة للطائرات بدون طيار لتقدير تقلب حالة المياه لبستان تجاري وكروم.
يمكن أن يوفر التصوير متعدد الأطياف بيانات ضخمة مقارنة بصور RGB التقليدية (الأحمر والأخضر والأزرق) (Ad˜ ao et al. ، 2017 ؛ Navia et al. ، 2016). يمكن أن تساعد هذه البيانات الطيفية ، إلى جانب البيانات المكانية ، في التصنيف ورسم الخرائط والتنبؤ والتنبؤ وأغراض الكشف (بيرني وآخرون ، 2009 ب). وفقًا لـ Candiago et al. (2015) ، يمكن للتصوير متعدد الأطياف القائم على الطائرات بدون طيار أن يساهم بشكل كبير في تقييم المحاصيل والزراعة الدقيقة كمورد موثوق وفعال. ايضا،
خالق وآخرون. (2019) أجرى مقارنة بين التصوير متعدد الأطياف القائم على الأقمار الصناعية والطائرات بدون طيار. نتج عن الصور المستندة إلى الطائرات بدون طيار أن تكون أكثر دقة في وصف تنوع مزارع الكروم بالإضافة إلى الخرائط النشطة لتمثيل مظلات المحاصيل. باختصار ، تناقش المقالات في هذه المجموعة دمج مجسات التصوير الحراري ومتعدد الأطياف في الطائرات بدون طيار الزراعية. وفقًا لذلك ، هناك حاجة إلى مزيد من البحث لفهم كيف يمكن دمج التصوير الحراري ومتعدد الأطياف مع الذكاء الاصطناعي
تقنيات (مثل التعلم العميق) لاكتشاف إجهاد النبات (Ampatzidis et al.، 2020؛ Ampatzidis & Partel، 2019؛ Jung et al.، 2021؛ Santesteban et al.، 2017؛ Syeda et al.، 2021). ستساعد هذه الرؤى في ضمان اكتشاف أكثر كفاءة ودقة بالإضافة إلى مراقبة نمو النبات والإجهاد وعلم الفينولوجيا (Buters et al.، 2019؛ Cao et al.، 2020؛ Neupane & BaysalGurel، 2021؛ L. Zhou et al.، 2020).
المجموعة 4. تتكون هذه المجموعة من سبع ورقات تدور حول الدور الحاسم للتصوير الطيفي والتصوير فوق الطيفي في دعم الممارسات الزراعية. لقد أثبت التصوير الفائق الطيف نفسه كطريقة للاستشعار عن بعد تمكن من التقييم الكمي لنظام الأرض (Schaepman et al. تخصيص نسب مكونات السطح
ضمن وحدات بكسل مختلطة (Kirsch et al. ، 2018 ؛ Zhao et al. ، 2022). بعبارة أخرى ، تتيح الدقة الطيفية الأعلى التي توفرها الأنظمة الفائقة الطيفية تقديرات أكثر دقة للمعلمات المختلفة ، مثل الخصائص النباتية أو محتوى ماء الأوراق (Suomalainen et al. ، 2014). قام الباحثون في هذه المجموعة بالتحقيق في جوانب مختلفة من هذه الأنظمة. من بين أمور أخرى ، Aasen et al. قدم (2015b) نهجًا فريدًا لاشتقاق معلومات فائق الطيف ثلاثي الأبعاد من الوزن الخفيف
كاميرات اللقطة المستخدمة في الطائرات بدون طيار لرصد الغطاء النباتي. Lucieer et al. (2014) ناقش التصميم والتطوير والعمليات الجوية لنظام UAS جديد فائق الطيف بالإضافة إلى معايرة وتحليل وتفسير بيانات الصورة التي تم جمعها معها. أخيرًا ، Honkavaara et al. (2013b) طور نهج معالجة شامل للصور الطيفية القائمة على مقياس التداخل FabryPerot وأظهر استخدامه في إجراء تقدير الكتلة الحيوية للزراعة الدقيقة. تشمل المسارات المستقبلية المحتملة لهذه المجموعة الحالية التأكيد على الحاجة إلى تحسينات تقنية في تقنيات الاستشعار (Aasen et al.، 2015b) بالإضافة إلى الحاجة إلى دمج وتعزيز التقنيات التكميلية ، وتحديداً البيانات الضخمة والتحليلات (Ang & Seng ، 2021 ؛ Radoglou -Grammatikis et al.، 2020؛ Shakoor et al.، 2019). ينبع هذا الأخير بشكل أساسي من البيانات المتزايدة باستمرار الناتجة عن أجهزة الاستشعار المختلفة المطبقة في الزراعة الذكية (C. Li & Niu، 2020؛ A. Rejeb et al.، 2022؛ Y. Su & Wang، 2021).
المجموعة 5. فحصت المنشورات في هذه المجموعة تطبيقات الخرائط ثلاثية الأبعاد المستندة إلى الطائرات بدون طيار. يمكن أن يؤدي استخدام الطائرات بدون طيار لرسم الخرائط ثلاثية الأبعاد إلى تخفيف العمل الميداني المعقد وزيادة الكفاءة بشكل كبير (Torres-Sanchez ´ et al. ، 3). ركزت المقالات الخمس في المجموعة بشكل أساسي على تطبيقات مراقبة المصنع. على سبيل المثال ، للحصول على بيانات ثلاثية الأبعاد حول مساحة المظلة وارتفاع الشجرة وحجم التاج ، Torres-Sanchez ´ et al. (3) استخدم تقنية الطائرات بدون طيار لإنشاء نماذج سطح رقمية ومن ثم نُهج تحليل الصور القائمة على الكائن (OBIA). علاوة على ذلك ، زاركو تيجادا وآخرون. (2015) قياس ارتفاع الشجرة من خلال دمج تقنية الطائرات بدون طيار وطرق إعادة بناء الصورة ثلاثية الأبعاد. Jim´enez-Brenes Lopez-Granados ، ´ De Castro ، et al. أظهر (2015) عملية جديدة للرصد متعدد الأوقات ثلاثي الأبعاد لعشرات أشجار الزيتون من خلال دمج تقنية الطائرات بدون طيار مع منهجية OBIA المتقدمة. تشمل المسارات المثيرة للاهتمام للأعمال المستقبلية في هذه المجموعة إما تحسين التيار
المنهجيات (Zarco-Tejada et al. ، 2014) لأغراض النمذجة الرقمية السطحية (Ajayi et al. ، 2017 ؛ Jaud et al. ، 2016) ، مثل OBIA (de Castro et al. ، 2018 ، 2020 ؛ Ventura et al. ، 2018) ، وإعادة بناء الصور أو تطوير أساليب جديدة (Díaz-Varela et al. ، 2015 ؛ Torres-S´ anchez et al. ، 2015).
المجموعة 6. تناقش هذه المجموعة دور الطائرات بدون طيار في المراقبة الزراعية. يمكن للطائرات بدون طيار أن تكمل أوجه القصور في التصوير بالأقمار الصناعية والطائرات وتتغلب عليها. على سبيل المثال ، يمكن أن توفر تصويرًا عالي الدقة قريبًا من الوقت الفعلي مع وقود أقل أو تحديات تجريبية ، مما يؤدي إلى مراقبة مستمرة وفي الوقت الحقيقي وتحسينات في اتخاذ القرار (S. Herwitz et al. ، 2004). مساهمة رئيسية أخرى للطائرات بدون طيار هي قدرتها على توفير بيانات خاصة بالموقع للزراعة الدقيقة أو الزراعة الخاصة بالموقع كدقة عالية ، وتمكن البيانات التفصيلية حول المعلمات المختلفة المزارعين من تقسيم الأرض إلى أجزاء متجانسة ومعالجتها وفقًا لذلك (Hunt et al. ، 2010 ؛ CC Lelong et al. ، 2008 ؛ Primicerio et al. ، 2012). يمكن أن تدعم هذه المراقبة الزراعية القائمة على الطائرات بدون طيار مراقبة الأمن الغذائي واتخاذ القرار (SR Herwitz et al.، 2004). لتعزيز البحث في مجال المراقبة الزراعية ، لا يلزم فقط إدخال تحسينات على أجهزة الاستشعار والطائرات بدون طيار وغيرها من التقنيات ذات الصلة وطرق الاتصال ونقل البيانات الخاصة بها (Ewing et al.، 2020؛ Shuai et al.، 2019) ، ولكن أيضًا دمج الطائرات بدون طيار مع مختلف تقنيات لتحسين المهام المختلفة فيما يتعلق بالزراعة الذكية ، مثل المراقبة والمراقبة الزراعية واتخاذ القرار ، هي مجال بحثي ذو إمكانات عالية (Alsamhi et al.، 2021؛ Popescu et al.، 2020؛ Vuran et al.، 2018). في هذا الصدد ، توفر إنترنت الأشياء وشبكات WSN والبيانات الضخمة إمكانات تكميلية مثيرة للاهتمام (van der Merwe et al. ، 2020). تعد تكاليف التنفيذ ، وتوفير التكاليف ، وكفاءة الطاقة ، وأمن البيانات من بين المجالات التي لم يتم البحث عنها جيدًا لهذا التكامل (مسرور وآخرون ، 2021).
الدول والمؤسسات الأكاديمية
تضمنت الخطوة الأخيرة التحقيق في بلد المنشأ والانتماءات الأكاديمية للمؤلفين. من خلال هذا التحليل ، نهدف إلى فهم التوزيع الجغرافي للباحثين الذين يساهمون في تطبيقات الطائرات بدون طيار في الزراعة بشكل أفضل. وتجدر الإشارة إلى تنوع الدول والمؤسسات الأكاديمية. من منظور قطري ، تحتل الولايات المتحدة الأمريكية والصين والهند وإيطاليا أعلى القائمة من حيث عدد المنشورات (الجدول 7). الحالي
تتركز الأبحاث حول الطائرات بدون طيار الزراعية إلى حد كبير في بلدان أمريكا الشمالية وآسيا ، ويرجع ذلك أساسًا إلى مشاركتها الكبيرة في التطبيقات الزراعية الدقيقة. على سبيل المثال ، في الولايات المتحدة الأمريكية ، قُدر سوق الطائرات بدون طيار الزراعية بنحو 841.9 مليون دولار أمريكي في عام 2020 ، وهو ما يمثل حوالي 30٪ من حصة السوق العالمية (ReportLinker ، 2021). تم تصنيف الصين كأكبر اقتصاد في العالم ، ومن المتوقع أن تصل إلى حجم سوق تقريبي يبلغ 2.6 مليار دولار أمريكي في عام 2027. هذا البلد يناشد الطائرات بدون طيار الزراعية للتغلب على مشكلات الإنتاجية وتحقيق عوائد أفضل ، وتخفيف العمالة ، ومدخلات إنتاج أقل. ومع ذلك ، فإن اعتماد التكنولوجيا في الصين مدفوع أيضًا بعوامل مثل حجم السكان والحاجة إلى الابتكار وتحسين ممارسات إدارة المحاصيل الحالية.
الدول والجامعات / المنظمات الأكثر إنتاجية التي تساهم في
البحوث الزراعية ذات الصلة بالطائرات بدون طيار.
مرتبة | البلدان |
1 | الولايات المتحدة الأميركية |
2 | الصين |
3 | الهند |
4 | إيطاليا |
5 | إسبانيا |
6 | ألمانيا |
7 | البرازيل |
8 | أستراليا |
9 | اليابان |
10 | المملكة المتحدة |
مرتبة | الجامعات / المنظمات |
1 | الأكاديمية الصينية للعلوم |
2 | وزارة الزراعة بجمهورية الصين الشعبية |
3 | كونسيجو سوبيريور دي إنفستيغاسيونيس سينتيفيكاس |
4 | جامعة تكساس ايه اند ام |
5 | جامعة الصين الزراعية |
6 | خدمة البحوث الزراعية التابعة لوزارة الزراعة الأمريكية |
7 | CSIC - Instituto de Agriculture Sostenible IAS |
8 | جامعة بوردو |
9 | المجلس القومي للبحوث |
10 | جامعة جنوب الصين الزراعية |
من منظور جامعي وتنظيمي ، تتصدر الأكاديمية الصينية للعلوم القائمة من حيث عدد المنشورات ، تليها وزارة الزراعة في جمهورية الصين الشعبية و Consejo Superior de Investigaciones Científicas. يمثل الأكاديمية الصينية للعلوم المؤلفان Liao Xiaohan و Li Jun ؛ يمثل هان وينتينغ وزارة الزراعة في جمهورية الصين الشعبية ؛ ويمثل Consejo Superior de Investigaciones Científicas من قبل Lopez-Granados، ´ F. and Pena، ˜ Jos´e María S. من الولايات المتحدة الأمريكية ، تجد جامعات مثل جامعة Texas A&M وجامعة Purdue
أشير. يوضح الشكل 4 الجامعات التي لديها أكبر عدد من المنشورات وعلاقاتها. بالإضافة إلى ذلك ، تشمل هذه القائمة مؤسسات مثل Consiglio Nazionale delle Ricerche و Consejo Superior de Investigaciones Científicas التي تنشط في البحث العلمي ولكنها ليست مؤسسات أكاديمية .
تضمن اختيارنا مجموعة متنوعة من المجلات ، تشمل جميع البيانات المتاحة تقريبًا. كما هو مبين في الجدول 8 ، يحتل الاستشعار عن بعد 258 مقالة في الأعلى ، يليه مجلة الأنظمة الذكية والروبوتية: النظرية والتطبيقات مع 126 ، وأجهزة الكمبيوتر والإلكترونيات في الزراعة بـ 98 مقالة. بينما يركز الاستشعار عن بعد في الغالب على تطبيق وتطوير الطائرات بدون طيار ، تغطي أجهزة الكمبيوتر والإلكترونيات في الزراعة بشكل أساسي التطورات في أجهزة الكمبيوتر والبرامج والإلكترونيات وأنظمة التحكم في الزراعة. المنافذ عبر المناطق ، مثل IEEE Robotics and Automation Letters مع 87 مطبوعة و IEEE Access مع 34 مطبوعة ، هي أيضًا منافذ رئيسية في هذا المجال. ساهمت المنافذ الخمسة عشر الأولى في الأدب بـ 959 وثيقة ، أي ما يقرب من 20.40٪ من جميع المنشورات. يتيح لنا تحليل الاقتباس المشترك في المجلة فحص الأهمية والتشابه بين المنشورات. ينتج عن تحليل الاقتباس المشترك ثلاث مجموعات ، كما هو موضح في الشكل 5. تتكون المجموعة الحمراء من مجلات مثل الاستشعار عن بعد ، والكمبيوتر والإلكترونيات في الزراعة ، وأجهزة الاستشعار ،
والمجلة الدولية للاستشعار عن بعد. كل هذه المنافذ من المجلات ذات السمعة الطيبة في مجالات الاستشعار عن بعد والزراعة الدقيقة. تحتوي المجموعة الخضراء على مجلات تتعامل مع الروبوتات ، مثل مجلة الأنظمة الذكية والروبوتية: النظرية والتطبيقات ، IEEE Robotics and Automation Letters ، IEEE Access ، والطائرات بدون طيار. تنشر هذه المنافذ في الغالب أوراقًا عن الأتمتة وهي مفيدة للمهندسين الزراعيين. تتكون المجموعة النهائية من المجلات المتعلقة بالهندسة الزراعية والهندسة الزراعية ، مثل الهندسة الزراعية والمجلة الدولية للهندسة الزراعية والبيولوجية.
أهم 15 مجلة في البحوث المتعلقة بالطائرات بدون طيار الزراعية.
مرتبة | مجلة | العد التنازلي |
1 | الاستشعار عن بعد | 258 |
2 | مجلة الأنظمة الذكية والروبوتية: نظرية و التطبيقات | 126 |
3 | أجهزة الكمبيوتر والإلكترونيات في الزراعة | 98 |
4 | IEEE الروبوتات وأتمتة الحروف | 87 |
5 | أجهزة الاستشعار | 73 |
6 | المجلة الدولية للاستشعار عن بعد | 42 |
7 | الزراعة الدقيقة | 41 |
8 | طائرات بدون طيار | 40 |
9 | الهندسة الزراعية | 34 |
10 | وصول IEEE | 34 |
11 | المجلة الدولية للأنظمة الروبوتية المتقدمة | 31 |
12 | المجلة الدولية للهندسة الزراعية والبيولوجية | 25 |
13 | بلوس ONE | 25 |
14 | مجلة مجال الروبوتات | 23 |
15 | هندسة النظم الحيوية | 23 |
وفي الختام
نبذة عامة
في هذه الدراسة ، قمنا بتلخيص وتحليل الأبحاث الموجودة حول الطائرات الزراعية بدون طيار. بتطبيق تقنيات قياس ببليومتري مختلفة ، سعينا جاهدين للحصول على فهم أفضل للبنية الفكرية للبحوث الزراعية ذات الصلة بالطائرات بدون طيار. باختصار ، تقدم مراجعتنا العديد من المساهمات من خلال تحديد ومناقشة الكلمات الرئيسية في الأدبيات ، والكشف عن مجموعات المعرفة أثناء تكوين مجتمعات متشابهة لغويًا في مجال الطائرات بدون طيار ، وتحديد الأبحاث السابقة ، واقتراح اتجاهات البحث المستقبلية. أدناه ، نحدد النتائج الرئيسية للمراجعة حول تطوير الطائرات بدون طيار الزراعية:
• نمت الأدبيات العامة بشكل سريع وجذبت اهتمامًا هائلاً على مدار العقد الماضي ، كما يتضح من ارتفاع عدد المقالات بعد عام 2012. على الرغم من أن مجال المعرفة هذا لم يصل بعد إلى مرحلة النضج الكامل (Barrientos et al.، 2011؛ Maes) & Steppe ، 2019) ، لا تزال هناك عدة أسئلة بدون إجابة. على سبيل المثال ، لا تزال فائدة الطائرات بدون طيار في الزراعة الداخلية مفتوحة للنقاش (Aslan et al. ، 2022 ؛ Krul وآخرون ، 2021 ؛ Rold´ an et al. ، 2015). يمكن أن يؤدي تعقيد مشاهد الحقول وظروف التصوير المختلفة (مثل الظلال والإضاءة) إلى تباين طيفي أعلى في فئته (Yao et al. ، 2019). حتى في مراحل البحث اللاحقة ، واجه الباحثون تحديًا لتحديد خطط الطيران المثلى وفقًا لسيناريوهات معينة وجودة الصورة المطلوبة (Soares et al. ، 2021 ؛ Tu et al. ،
2020).
• نلاحظ أن المجال قد تقدم من تطوير أنظمة فعالة للطائرات بدون طيار إلى دمج تقنيات الذكاء الاصطناعي ، مثل التعلم الآلي والتعلم العميق في تصميم الطائرات بدون طيار الزراعية (Bah et al. ، 2018 ؛ Kitano et al. ، 2019 ؛ Maimaitijiang et al. ، 2020؛ Mazzia et al.، 2020؛ Tetila et al.، 2020).
• ناقش البحث على الطائرات بدون طيار في الغالب الاستشعار عن بعد من خلال استكشاف إمكانات التكنولوجيا في المراقبة البيئية وإدارة المحاصيل وإدارة الأعشاب الضارة (المجموعة 1) وكذلك التنميط الظاهري وتقدير الغلة (المجموعة 2). مجموعة من الدراسات المؤثرة على الطائرات بدون طيار الزراعية تشمل أوستن (2010) ، بيرني وآخرون. (2009) أ ، هيرويتز وآخرون. (2004) و Nex and Remondino (2014) و Zhang and Kovacs (2012). طورت هذه الدراسات الأساس المفاهيمي للبحوث المتعلقة بالطائرات بدون طيار في سياق الزراعة.
• فيما يتعلق بالمنهجية ، لاحظنا أن معظم الأبحاث التي تم إجراؤها حتى الآن كانت تتألف إما من تصميم نظام أو دراسات مفاهيمية أو دراسات قائمة على المراجعة (Inoue، 2020؛ Nex & Remondino، 2014؛ P´erez-Ortiz et al. ، 2015 ؛ ياو وآخرون ، 2019). نلاحظ أيضًا نقصًا في الأساليب التجريبية والنوعية والقائمة على دراسة الحالة في العمل في التحقيق في الطائرات بدون طيار الزراعية.
• في الآونة الأخيرة ، جذبت الموضوعات المتعلقة بالزراعة الدقيقة وتقنيات الذكاء الاصطناعي وزراعة الكروم الدقيقة وتقييم الإجهاد المائي اهتمامًا كبيرًا (إسبينوزا وآخرون ، 2017 ؛ جوميز كاند أون وآخرون ، 2016 ؛ ماتيزي وآخرون ، 2015 ؛ Matese & Di Gennaro، 2018، 2021؛ Zhou et al.، 2021). يكشف الفحص الدقيق لمجموعات البحث في حقبتين منفصلتين ، 1990-2010 و2011-2021 ، عن تقدم البنية الفكرية للمجال. شكلت الفترة من 1990 إلى 2010 تراكمًا لمفاهيم ومفاهيم مركزية للطائرات بدون طيار ، وهو ما يتضح من مناقشة تصميم وتطوير وتنفيذ الطائرات بدون طيار. في الحقبة الثانية ، توسع تركيز البحث على الدراسات السابقة ، وبذل جهدًا لتجميع حالات استخدام الطائرات بدون طيار في الزراعة. وجدنا أيضًا العديد من الدراسات التي تناقش تطبيقات الطائرات بدون طيار في مهام التصوير والزراعة الدقيقة.
مرتبة | مجلة | العد التنازلي |
1 | الاستشعار عن بعد | 258 |
2 | مجلة الأنظمة الذكية والروبوتية: نظرية و | 126 |
التطبيقات | ||
3 | أجهزة الكمبيوتر والإلكترونيات في الزراعة | 98 |
4 | IEEE الروبوتات وأتمتة الحروف | 87 |
5 | أجهزة الاستشعار | 73 |
6 | المجلة الدولية للاستشعار عن بعد | 42 |
7 | الزراعة الدقيقة | 41 |
8 | طائرات بدون طيار | 40 |
9 | الهندسة الزراعية | 34 |
10 | وصول IEEE | 34 |
11 | المجلة الدولية للأنظمة الروبوتية المتقدمة | 31 |
12 | المجلة الدولية للهندسة الزراعية والبيولوجية | 25 |
13 | بلوس ONE | 25 |
14 | مجلة مجال الروبوتات | 23 |
15 | هندسة النظم الحيوية | 22 |
الآثار
تم تصميم المراجعة الببليومترية الخاصة بنا وإجرائها مع وضع العلماء والمزارعين والخبراء الزراعيين ومستشاري المحاصيل ومصممي أنظمة الطائرات بدون طيار في الاعتبار. وفقًا لأفضل معرفة للمؤلفين ، تعد هذه واحدة من أولى المراجعات الأصلية التي أجرت تحليلًا ببليومتريًا متعمقًا لـ
تطبيقات الطائرات بدون طيار في الزراعة. لقد أجرينا مراجعة شاملة لهيئة المعرفة هذه ، مستخدمين تحليلات الاقتباس والاقتباس المشترك للمنشورات. تقدم محاولاتنا لوصف البنية الفكرية لأبحاث الطائرات بدون طيار رؤى جديدة للأكاديميين. تكشف المراجعة الدقيقة للكلمات الرئيسية المستخدمة بمرور الوقت عن النقاط الساخنة ومجالات البحث المحورية في الأدبيات المتعلقة بالطائرات بدون طيار. علاوة على ذلك ، نقدم قائمة بأكثر الدراسات التي تم الاستشهاد بها لتحديد الأعمال البحثية الأكثر تأثيرًا التي تم إكمالها في هذا المجال. وبالتالي يمكن أن يوفر تحديد المقالات والكلمات الرئيسية نقطة انطلاق قوية للكشف عن العديد من السبل للدراسات المستقبلية.
الأهم من ذلك ، كشفنا عن مجموعات تصنف الأعمال المماثلة وتوسع في النتائج. تساعد الدراسات المصنفة في مجموعات في فهم البنية الفكرية لأبحاث الطائرات بدون طيار. والجدير بالذكر أننا اكتشفنا ندرة الدراسات التي تبحث في عوامل تبني الطائرات بدون طيار
والحواجز في الأنشطة الزراعية (انظر الجدول 9). يمكن للباحثين في المستقبل معالجة هذه الفجوة المحتملة من خلال إجراء تحقيقات تجريبية لتقييم عوامل تبني الطائرات بدون طيار في الأنشطة الزراعية المختلفة والظروف المناخية. علاوة على ذلك ، ينبغي دعم البحث القائم على دراسة الحالة بشأن فعالية الطائرات بدون طيار ببيانات حقيقية من الميدان. أيضًا ، سيكون إشراك المزارعين والمديرين في البحث الأكاديمي مفيدًا للتقدم النظري والعملي لأبحاث الطائرات بدون طيار. تمكنا أيضًا من تحديد أبرز الباحثين ومساهماتهم ، وهو أمر ذو قيمة لأن الوعي بالأعمال الحديثة الأساسية يمكن أن يقدم بعض الإرشادات للمساعي الأكاديمية المستقبلية.
الجدول 9
حواجز اعتماد الطائرات بدون طيار.
حاجز | الوصف |
أمن البيانات | الأمن السيبراني هو التحدي الرئيسي للتنفيذ حلول إنترنت الأشياء (مسرور وآخرون ، 2021). |
إمكانية التشغيل البيني و التكامل | تقنيات مختلفة مثل UAV و WSN و IoT وما إلى ذلك. يجب أن تتكامل وتنقل البيانات التي زيادة مستوى التعقيد (السمحي وآخرون ، 2021 ؛ Popescu وآخرون ، 2020 ؛ فوران وآخرون ، 2018). |
تكاليف التنفيذ | هذا هو الحال على وجه التحديد بالنسبة لصغار المزارعين ولأجلهم دمج مختلف التقنيات المتطورة ( مسرور وآخرون ، 2021). |
معرفة العمل و خبرة | هناك حاجة إلى طيارين مهرة بدون طيار لتشغيل الطائرات بدون طيار. أيضا ، تنفيذ مختلف المتطورة تتطلب التقنيات عمالة ماهرة (YB Huang وآخرون ، 2013 ؛ Tsouros et al.، 2019). |
قوة المحرك والرحلة مدة الأقامة | لا يمكن تشغيل الطائرات بدون طيار لساعات طويلة وتغطية مساحات كبيرة (Hardin & Hardin ، 2010 ؛ Laliberte et al. ، 2007). |
الاستقرار والموثوقية و القدرة على المناورة | الطائرات بدون طيار ليست مستقرة أثناء الظروف الجوية السيئة (هاردن وهاردن ، 2010 ؛ لاليبرتي وآخرون ، 2007). |
قيود الحمولة و جودة المستشعرات | يمكن للطائرات بدون طيار فقط حمل أحمال محدودة تؤدي إلى القدرة على تحميل أجهزة استشعار منخفضة الجودة (Nebiker وآخرون، 2008). |
اللائحة | نظرًا لأن الطائرات بدون طيار يمكن أن تكون خطيرة أيضًا ، فهناك خطر شديد اللوائح في بعض المناطق (Hardin & Jensen ، 2011 ؛ Laliberte & Rango ، 2011). |
معرفة المزارعين و مصلحة | مثل التقنيات المتطورة الأخرى ، فإن الطائرات بدون طيار يحتاج التنفيذ الناجح إلى الخبرة وأيضًا مصحوبًا بأوجه عدم يقين (فيشر وآخرون ، 2009 ؛ لامبرت وآخرون ، 2004 ؛ ستافورد ، 2000). |
نظرًا لوجود حاجة مستمرة لاستخدام الموارد المتاحة بكفاءة لزيادة الغلة إلى أقصى حد ، يمكن للمزارعين الاستفادة من الطائرات بدون طيار لضمان المسح السريع والدقيق والفعال من حيث التكلفة لحقولهم. يمكن أن تدعم التكنولوجيا المزارعين لتحديد حالة محاصيلهم وتقييم حالة المياه ، ومرحلة النضج ، وتفشي الحشرات ، والاحتياجات الغذائية. يمكن أن توفر قدرات الاستشعار عن بعد للطائرات بدون طيار للمزارعين بيانات مهمة لتوقع المشكلات في مرحلة مبكرة والقيام بالتدخلات المناسبة على الفور. ومع ذلك ، لا يمكن تحقيق فوائد التكنولوجيا إلا إذا تم التعامل مع التحديات بشكل صحيح. في ضوء ال
المشاكل الحالية المتعلقة بأمن البيانات ، وقضايا تكنولوجيا الاستشعار (على سبيل المثال ، موثوقية أو دقة القياسات) ، وتعقيد التكامل ، وتكاليف التنفيذ الكبيرة ، يجب أن تدرس الدراسات المستقبلية أيضًا الجدوى الفنية والاقتصادية والتشغيلية لدمج الطائرات بدون طيار الزراعية وغيرها من القطع- تقنيات الحافة.
القيود
دراستنا لديها العديد من القيود. أولاً ، يتم تحديد النتائج من خلال المنشورات المختارة للتحليل النهائي. من الصعب التقاط جميع الدراسات ذات الصلة بالطائرات بدون طيار الزراعية ، لا سيما تلك غير المفهرسة في قاعدة بيانات Scopus. علاوة على ذلك ، تقتصر عملية جمع البيانات على تحديد كلمات البحث الأساسية ، والتي قد لا تكون شاملة وتؤدي إلى نتائج غير حاسمة. وبالتالي ، يجب أن تولي الدراسات المستقبلية مزيدًا من الاهتمام للمسألة الأساسية المتعلقة بجمع البيانات
استنتاجات أكثر موثوقية. هناك قيد آخر يتعلق بالمنشورات الجديدة مع عدد قليل من الاستشهادات. التحليل الببليومتري منحاز نحو المنشورات السابقة لأنها تميل إلى تلقي المزيد من الاستشهادات على مر السنين. تحتاج الدراسات الحديثة إلى قدر معين من الوقت لجذب الانتباه وتجميع الاستشهادات. وبالتالي ، فإن الدراسات الحديثة التي أحدثت نقلة نوعية لن تصنف ضمن أفضل عشرة أعمال مؤثرة. هذا القيد سائد في فحص المجالات البحثية الناشئة بسرعة مثل الطائرات بدون طيار الزراعية. نظرًا لأننا استشرنا Scopus لدراسة الأدبيات الخاصة بهذا العمل ، يمكن للباحثين المستقبليين النظر بشكل مختلف
قواعد البيانات ، مثل Web of Science و IEEE Xplore ، لتوسيع الأفق وتعزيز هيكل البحث.
قد تنظر الدراسات الببليومترية المحتملة في مصادر المعرفة الحيوية الأخرى مثل أوراق المؤتمرات والفصول والكتب لتوليد رؤى جديدة. على الرغم من رسم الخرائط والتحقيق في المنشورات العالمية عن الطائرات الزراعية بدون طيار ، إلا أن نتائجنا لم تكشف عن الأسباب الكامنة وراء المخرجات العلمية للجامعات. هذا يمهد الطريق إلى مجال جديد من البحث في الشرح النوعي لماذا تكون بعض الجامعات أكثر إنتاجية من غيرها عندما يتعلق الأمر بالبحث عن الزراعة
طائرات بدون طيار. بالإضافة إلى ذلك ، يمكن أن توفر الدراسات المستقبلية رؤى حول إمكانات الطائرات بدون طيار لزيادة استدامة الزراعة بعدة طرق مثل المراقبة البيئية وإدارة المحاصيل ورسم خرائط الأعشاب كما أشار العديد من الباحثين (Chamuah & Singh، 2019؛ Islam et al.، 2021؛ Popescu et al.، 2020؛ J. Su، Liu، et al.، 2018b). نظرًا لأن التحليل النصي لم يكن ممكنًا بسبب العدد الكبير من الأوراق المختارة ، فهناك حاجة لمراجعات الأدبيات المنهجية التي تفحص
طرق البحث المستخدمة وإشراك المزارعين في الدراسات السابقة. باختصار ، يكشف تحليلنا لأبحاث الطائرات بدون طيار الروابط غير المرئية لهيئة المعرفة هذه. لذلك تساعد هذه المراجعة في الكشف عن العلاقات بين المنشورات واستكشاف البنية الفكرية لمجال البحث. كما يصور الروابط بين مختلف جوانب الأدب ، مثل الكلمات الرئيسية للمؤلفين ، والانتماءات ، والبلدان.
إعلان تضارب المصالح
يعلن المؤلفون أنه ليس لديهم مصالح مالية متنافسة معروفة أو علاقات شخصية يمكن أن يبدو أنها تؤثر على العمل الوارد في هذه الورقة.
التذييل 1
TITLE-ABS-KEY (((طائرة بدون طيار * أو "مركبة جوية بدون طيار" أو طائرة بدون طيار * أو "نظام طائرات بدون طيار)"أو UAS أو "الطائرات الموجهة عن بعد”) و (الزراعة أو الزراعة أو الزراعة أو المزارع))) و (استثناء (PUBYEAR ، 2022)) و (حد-إلى (اللغة ، "الإنجليزية")).
مراجع حسابات
Aasen، H.، Burkart، A.، Bolten، A.، Bareth، G.، 2015. إنشاء معلومات ثلاثية الأبعاد فائقة الطيف باستخدام كاميرات التصوير بدون طيار خفيفة الوزن لرصد الغطاء النباتي: من
معايرة الكاميرا لضمان الجودة. ISPRS J. Photogramm. أجهزة الاستشعار عن بعد .108 ، 245-259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
عبد الرحمن ، أ ، بيرلستين ، إل ، بيرسيفال ، ف. ، 2005. تطوير خوارزمية التعرف على الأنماط للكشف التلقائي عن الطيور من صور المركبات الجوية بدون طيار.
الدراسة الاستقصائية. معلومات الأرض. علوم. 65 (1) ، 37-45.
عبد الله ، أ ، رجب ، ك ، رجب ، أ ، مصطفى ، م.م ، زيلاني ، س ، 2021. شبكات الاستشعار اللاسلكية في الزراعة: رؤى من التحليل الببليومتري. الاستدامة 13 (21) ،
12011
م. أبو عليبي ، توريس-روا ، AF ، كوستاس ، WP ، Nieto ، H. ، Coopmans ، C. ، McKee ، M. ، تقييم الطرق المختلفة لاكتشاف الظل في الصور البصرية عالية الدقة وتقييم تأثير الظل على الحساب من NDVI ، والتبخر. الري. علوم. 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. Hyperspectral imaging: a review on UAV-based sensor، data المعالجة و
تطبيقات للزراعة والغابات. الاستشعار عن بعد 9 (11). https://doi.org/10.3390 / rs9111110.
Agüera Vega، F.، Ramírez، FC، Saiz، MP، Rosúa، FO، 2015. تصوير متعدد الأوقات باستخدام مركبة جوية بدون طيار لمراقبة محصول عباد الشمس. بيوسيست. م.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi، OG، Salubi، AA، Angbas، AF، Odigure، MG، 2017. حصل إنشاء نماذج ارتفاع رقمية دقيقة من الطائرات بدون طيار على صور متداخلة منخفضة النسبة المئوية. كثافة العمليات
ياء الاستشعار عن بعد .38 (8-10) ، 3113-3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Ali، I.، Greifeneder، F.، Stamenkovic، J.، Neumann، M.، Notarnicola، C.، 2015. مراجعة مناهج التعلم الآلي للكتلة الحيوية واسترجاع رطوبة التربة من بيانات الاستشعار عن بعد. الاستشعار عن بعد 7 (12) ، 16398–16421.
السمحي ، ش ، أفغا ، ف ، سهل ، ر ، حوباني ، أ ، القناص ، م أ ، لي ، ب ، قيزاني ، م ، إنترنت الأشياء الأخضر باستخدام الطائرات بدون طيار في شبكات B5G: مراجعة للتطبيقات
والاستراتيجيات. ميلادي. خاص. نتو. 117 ، 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
آل ثاني ، ن. ، البوعينين ، أ ، النعيمي ، ف ، زوربا ، إن. ، 2020. طائرات بدون طيار لرصد مواشي الأغنام. في: المؤتمر الكهرتقني المتوسطي العشرون IEEE. https: // دوى.
org / 10.1109 / MELECON48756.2020.9140588.
Ampatzidis، Y.، Partel، V.، 2019. التنميط الظاهري عالي الإنتاجية المستند إلى الطائرات بدون طيار في الحمضيات باستخدام التصوير متعدد الأطياف والذكاء الاصطناعي. الاستشعار عن بعد 11 (4) ، https://doi.org/10.3390/rs11040410.
Ampatzidis، Y.، Partel، V.، Costa، L.، 2020. Agroview: تطبيق قائم على السحابة لمعالجة وتحليل وتصور البيانات المجمعة من الطائرات بدون طيار لتطبيقات الزراعة الدقيقة باستخدام الذكاء الاصطناعي. حاسوب. إلكترون. الزراعية. 174، 105457 https: // doi. org / 10.1016 / j.compag.2020.105457.
Ang، K.-L.-M.، Seng، JKP، 2021. البيانات الضخمة والتعلم الآلي باستخدام المعلومات الفائقة الطيفية في الزراعة. IEEE Access 9، 36699–36718. https://doi.org/10.1109/
الوصول. 2021.3051196.
Aquilani، C.، Confessore، A.، Bozzi، R.، Sirtori، F.، Pugliese، C.، 2022. مراجعة: تقنيات تربية المواشي الدقيقة في أنظمة الثروة الحيوانية المعتمدة على المراعي. الحيوان 16 (1) ، https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina، D.، Ramirez-Delreal، TA، Villanueva-Vasquez، ´ D.، Mejia-Aguirre، C.، Trends on Advanced Information and Communication Technologies for
تحسين الإنتاجية الزراعية: تحليل ببليومتري. الهندسة الزراعية 10 (12) ، المادة 12. https://doi.org/10.3390/agronomy10121989.
أرمسترونج ، آي ، بيروني بروس ، إم ، سميث ، جادود ، م ، 2011. التمساح الطائر: نحو الروبوتات الجوية في أوكام- π. كومون. مهندس عمليات. 2011 ، 329-340. https: // دوى. org / 10.3233 / 978-1-60750-774-1-329.
Arora، SD، Chakraborty، A.، 2021. التركيب الفكري لأبحاث سلوك المستهلك المتذمر (CCB): تحليل ببليومتري. J. الأعمال Res. 122 ، 60-74.
أصلان ، إم إف ، دوردو ، إيه ، سابانشي ، ك ، روبليوسكا ، إي ، جولتكين ، إس إس ، 2022.
مسح شامل للدراسات الحديثة مع الطائرات بدون طيار للزراعة الدقيقة في الحقول المفتوحة والصوبات الزراعية. تطبيق علوم. 12 (3) ، 1047. https://doi.org/10.3390/
التطبيق 12031047.
Atkinson، JA، Jackson، RJ، Bentley، AR، Ober، E.، & Wells، DM (2018). التنميط الظاهري الميداني للمستقبل. في مراجعات المصنع السنوية عبر الإنترنت (ص 719-736). جون
Wiley & Sons، Ltd. doi: 10.1002 / 9781119312994.apr0651.
أوستن ، ر. ، 2010. أنظمة الطائرات بدون طيار: تصميم وتطوير ونشر الطائرات بدون طيار. في: أنظمة الطائرات بدون طيار: تصميم وتطوير و
تعيين. جون وايلي وأولاده. https://doi.org/10.1002/9780470664797.
Awais، M.، Li، W.، Cheema، MJM، Zaman، QU، شاهين، A.، Aslam، B.، Zhu، W.، Ajmal، M.، Faheem، M.، Hussain، S.، Nadeem، AA ، Afzal ، MM ، Liu ، C. ، 2022. الاستشعار عن بعد باستخدام الطائرات بدون طيار في إجهاد النبات تخيل استخدام مستشعر حراري عالي الدقة لممارسات الزراعة الرقمية: مراجعة تلوية. كثافة العمليات J. البيئة. علوم. تكنول. https: // دوى.
org/10.1007/s13762-021-03801-5.
باكو ، إم ، بيرتون ، إيه ، فيرو ، إي ، جينارو ، سي ، جوتا ، إيه ، ماتيولي ، إس ، باونيسا ، إف ، روجيري ، إم ، فيروني ، جي ، زانيلا ، إيه ، 2018. الزراعة الذكية: الفرص والتحديات
والعوامل التمكينية التكنولوجية. 2018 IoT عمودي و. مؤتمر القمة المواضيعي حول الزراعة - توسكانا (IOT Tuscany) 1-6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah، MD، Hafiane، A.، Canals، R.، 2018. التعلم العميق مع وضع العلامات على البيانات غير الخاضعة للإشراف للكشف عن الأعشاب الضارة في المحاصيل الخطية في صور الطائرات بدون طيار. الاستشعار عن بعد 10 (11) ، 1690.
https://doi.org/10.3390/rs10111690.
Baldi، S.، 1998. العمليات المعيارية مقابل العمليات البنائية الاجتماعية في تخصيص الاستشهادات: نموذج تحليلي للشبكة. أكون. سوسيول. القس 63 (6) ، 829-846. https: // دوى.
غزاله / 10.2307 / 2657504.
Baluja، J.، Diago، MP، Balda، P.، Zorer، R.، Meggio، F.، Morales، F.، Tardaguila، J.، 2012. تقييم تقلب حالة مياه الكروم من خلال الحرارة ومتعددة الأطياف
الصور باستخدام مركبة جوية بدون طيار (UAV). الري. علوم. 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.، تربية الجيل القادم. علوم النبات. 242 ، 3-13. https://doi.org/10.1016/j.
نباتات ci.2015.07.010.
Barbedo، JGA، Koenigkan، LV، 2018. وجهات نظر حول استخدام الأنظمة الجوية غير المأهولة لرصد الماشية. آفاق أجريك. 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. Low-weight and UAV-based superpectral كاميرات كاملة الإطار
لرصد المحاصيل: المقارنة الطيفية بقياسات مقياس الطيف المحمول. Photogrammetrie ، Fernerkundung ، المعلومات الجغرافية 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.، الاستشعار الجوي عن بعد في الزراعة: نهج عملي لتغطية المنطقة
وتخطيط المسار لأساطيل الروبوتات الجوية الصغيرة. جيه. فيلد روب. 28 (5) ، 667-689. https://doi.org/10.1002/rob.20403.
Basiri، A.، Mariani، V.، Silano، G.، Aatif، M.، Iannelli، L.، Glielmo، L.، 2022. مسح حول تطبيق خوارزميات تخطيط المسار للطائرات بدون طيار متعددة الدوارات بدقة
الزراعة. J. Navig. 75 (2) ، 364-383.
Basnet، B.، Bang، J.، 2018. أحدث ما توصلت إليه الزراعة كثيفة المعرفة: مراجعة لأنظمة الاستشعار التطبيقية وتحليلات البيانات. J. سينس. 2018، 1-13.
Bendig، J.، Bolten، A.، Bareth، G.، 2013. التصوير القائم على الطائرات بدون طيار لنماذج أسطح المحاصيل متعددة الأوقات وعالية الدقة لمراقبة تقلب نمو المحاصيل. Photogrammetrie ، Fernerkundung ، المعلومات الجغرافية 2013 (6) ، 551-562. https: // دوى. org / 10.1127 / 1432-8364 / 2013/0200.
Bendig، J.، Bolten، A.، Bennertz، S.، Broscheit، J.، Eichfuss، S.، Bareth، G.، 2014. تقدير الكتلة الحيوية للشعير باستخدام نماذج سطح المحاصيل (CSMs) المشتقة من تصوير RGB القائم على الطائرات بدون طيار. الاستشعار عن بعد 6 (11) ، 10395-10412.
Bendig، J.، Yu، K.، Aasen، H.، Bolten، A.، Bennertz، S.، Broscheit، J.، Gnyp، ML، Bareth، G.، 2015. عارضات ازياء،
مؤشرات الغطاء النباتي بالأشعة تحت الحمراء المرئية والقريبة لرصد الكتلة الحيوية في الشعير. كثافة العمليات J. أبل. الأرض Obs. Geoinf. 39 ، 79-87. https://doi.org/10.1016/j.jag.2015.02.012.
بيرني ، جا ، زاركو تيجادا ، بي جيه ، سيبولكري كانتو ، ´ G. ، Fereres ، E. ، Villalobos ، F. ، 2009a. رسم خرائط توصيل المظلة و CWSI في بساتين الزيتون باستخدام دقة عالية
صور الاستشعار عن بعد الحرارية. البيئة الاستشعار عن بعد. 113 (11) ، 2380-2388. https://doi.org/10.1016/j.rse.2009.06.018.
بيرني ، جا ، زاركو تيجادا ، بي جيه ، سواريز ، ´ L. ، Fereres ، E. ، 2009b. الاستشعار عن بعد متعدد الأطياف حراريًا وضيق النطاق لرصد الغطاء النباتي من مركبة جوية بدون طيار. IEEE Trans. Geosci. أجهزة الاستشعار عن بعد .47 (3) ، 722-738.
Bouzembrak، Y.، Klüche، M.، Gavai، A.، Marvin، HJP، 2019. إنترنت الأشياء في سلامة الأغذية: مراجعة الأدبيات والتحليل الببليومتري. اتجاهات علوم الغذاء. تكنول. 94,54،64 - 10.1016. https://doi.org/2019.11.002/j.tifs.XNUMX.
Brewster، C.، Roussaki، I.، Kalatzis، N.، Doolin، K.، Ellis، K.، 2017. إنترنت الأشياء في الزراعة: تصميم مشروع تجريبي واسع النطاق على مستوى أوروبا. IEEE Commun. ماج. 55 (9) ، 26-33.
Buters ، TM ، Belton ، D. ، Cross ، AT ، 2019. تتبع الطائرات بدون طيار متعددة الاستشعار للشتلات الفردية ومجتمعات الشتلات بدقة ملليمتر. طائرات بدون طيار 3 (4) ، 81.
https://doi.org/10.3390/drones3040081.
Candiago، S.، Remondino، F.، De Giglio، M.، Dubbini، M.، Gattelli، M.، 2015. تقييم الصور متعددة الأطياف ومؤشرات الغطاء النباتي لتطبيقات الزراعة الدقيقة من صور الطائرات بدون طيار. الاستشعار عن بعد 7 (4) ، 4026-4047. https://doi.org/10.3390/rs70404026.
Cao، Y.، Li، GL، Luo، YK، Pan، Q.، Zhang، SY، 2020. مراقبة مؤشرات نمو بنجر السكر باستخدام مؤشر الغطاء النباتي واسع النطاق (WDRVI) المشتق من الطائرات بدون طيار
صور متعددة الأطياف. حاسوب. إلكترون. الزراعية. 171، 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas، J.، Acedo، F.، 2007. تطور البنية الفكرية لأدب الشركات العائلية: دراسة ببليومترية لـ FBR. القس 20 (2) ، 141-162.
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. المراقبة الديناميكية للكتلة الحيوية للأرز تحت
علاجات نيتروجين مختلفة باستخدام طائرة بدون طيار خفيفة الوزن مزودة بكاميرات لقطة ثنائية الإطار. طرق النبات 15 (1) ، 32. https://doi.org/10.1186/s13007-019-
0418-8.
Chamuah، A.، Singh، R.، 2019. تأمين الاستدامة في الزراعة الهندية من خلال الطائرات بدون طيار المدنية: منظور ابتكار مسؤول. SN أبل. علوم. 2 (1) ، 106. https: //
doi.org/10.1007/s42452-019-1901-6.
Chamuah، A.، Singh، R.، 2022. الحوكمة المسؤولة لابتكارات المركبات الجوية المدنية غير المأهولة (UAV) لتطبيقات التأمين على المحاصيل الهندية. J. المسؤول
تكنول. 9، 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen، A.، Orlov-Levin، V.، Meron، M.، 2019. تطبيق التصوير الجوي عالي الدقة للقناة المرئية لمظلة المحاصيل لإدارة الري الدقيقة. الزراعية. ماء
ماناج. 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. خفيفة الوزن بدون طيار مع المسح التصويري على متن الطائرة وتحديد موقع GPS بتردد واحد لتطبيقات المقاييس. ISPRS J. Photogramm. أجهزة الاستشعار عن بعد 127 ، 115 - 126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby، S.، Aberkane، A.، Bradai، A.، 2020. منصة إنترنت الأشياء القائمة على Blockchain لإدارة عمليات الطائرات بدون طيار المستقلة. في: وقائع ACM الثاني
ورشة عمل MobiCom حول الاتصالات اللاسلكية بمساعدة الطائرات بدون طيار لـ 5G وما بعدها ، ص 31-36. https://doi.org/10.1145/3414045.3415939.
Day، RA، Gastel، B.، 1998. كيف تكتب ورقة علمية وتنشرها. صحافة جامعة كامبرج. دي كاسترو ، منظمة العفو الدولية ، بينا ، ˜ JM ، توريس سانشيز ، ´ J. ، Jim´enez-Brenes ، FM ، ValenciaGredilla ، F. ، Recasens ، J. ، Lopez-Granados ، ´ F. ، 2020. تغطية المحاصيل باستخدام إجراء شجرة القرار التلقائي OBIA وصور الطائرات بدون طيار لزراعة الكروم بدقة. الاستشعار عن بعد 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. رسم خرائط مبكرة للأعشاب بين صفوف المحاصيل وداخلها باستخدام صور الطائرات بدون طيار. الاستشعار عن بعد 10 (2). https://doi.org/10.3390/rs10020285.
Demir، N.، Sonmez، ¨ NK، Akar، T.، Ünal، S.، 2018. القياس الآلي لارتفاع النبات للأنماط الوراثية للقمح باستخدام DSM المشتق من صور الطائرات بدون طيار. الإجراءات 2 (7) ، 350. https://doi.org/10.3390/ecrs-2-05163.
Deng، J.، Zhong، Z.، Huang، H.، Lan، Y.، Han، Y.، Zhang، Y.، 2020. شبكة تجزئة دلالية خفيفة الوزن لرسم خرائط الأعشاب في الوقت الحقيقي باستخدام مركبات جوية بدون طيار. تطبيق علوم. 10 (20) ، 7132. https://doi.org/10.3390/app10207132.
Deng، L.، Mao، Z.، Li، X.، Hu، Z.، Duan، F.، Yan، Y.، 2018. الاستشعار عن بعد متعدد الأطياف القائم على الطائرات بدون طيار للزراعة الدقيقة: مقارنة بين الكاميرات المختلفة. ISPRS J. Photogramm. أجهزة الاستشعار عن بعد 146 ، 124-136.
Diaz-Gonzalez، FA، Vuelvas، J.، Correa، CA، Vallejo، VE، Patino، D.، 2022. تم تطبيق تقنيات التعلم الآلي والاستشعار عن بعد لتقدير مؤشرات التربة - مراجعة. ايكول. الهند 135 ، 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Díaz-Varela، RA، De la Rosa، R.، Leon، ´ L.، Zarco-Tejada، PJ، 2015. صور عالية الدقة بدون طيار محمولة جواً لتقييم معلمات تاج شجرة الزيتون باستخدام صورة ثلاثية الأبعاد
إعادة البناء: التطبيق في تجارب التربية. الاستشعار عن بعد 7 (4) ، 4213-4232. https://doi.org/10.3390/rs70404213.
Dixit، A.، Jakhar، SK، 2021. إدارة سعة المطار: مراجعة وتحليل ببليومتري. J. الهواء Transp. ماناج. 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.
استخدام صور RapidEye لتحديد التباين داخل المجال لنمو المحاصيل والمحصول في أونتاريو ، كندا. الدقة الزراعية. 20 (6) ، 1231-1250. https://doi.org/10.1007/
s11119-019-09646- ث.
Dutta، PK، Mitra، S.، 2021. تطبيق الطائرات بدون طيار الزراعية و iot لفهم سلسلة التوريد الغذائي خلال فترة ما بعد COVID-19. في: شودري ، أ. ، بيسواس ، أ. ، براتيك ، م.
تشاكرابارتي ، أ. (محرران) ، المعلوماتية الزراعية: الأتمتة باستخدام إنترنت الأشياء والتعلم الآلي. وايلي ، ص 67 - 87. van Eck، N.، Waltman، L.، 2009. مسح برمجي: VOSviewer ، برنامج كمبيوتر لرسم الخرائط الببليومترية. السينتومتريكس 84 (2) ، 523-538. https://doi.org/10.1007/s11192-009-0146-3.
Elijah، O.، Rahman، TA، Orikumhi، I.، Leow، CY، Hindia، MN، 2018. نظرة عامة على إنترنت الأشياء (IoT) وتحليلات البيانات في الزراعة: الفوائد والتحديات.
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. Validation of agronomic. الطائرات بدون طيار والميدان
قياسات لأصناف الطماطم. حاسوب. إلكترون. الزراعية. 158 ، 278-283. https: // doi.org/10.1016/j.compag.2019.02.011.
Espinoza، CZ، Khot، LR، Sankaran، S.، Jacoby، PW، 2017. تقييم عالي الدقة للإجهاد المائي قائم على الاستشعار عن بعد ومتعدد الأطياف في
العنب المروى تحت السطح. الاستشعار عن بعد 9 (9) ، 961. https://doi.org/ 10.3390 / rs9090961.
Ewing، J.، Oommen، T.، Jayakumar، P.، Alger، R.، 2020. استخدام الاستشعار عن بعد فائق الطيف لتدرج التربة. الاستشعار عن بعد 12 (20) ، 3312. ttps: //doi.org/10.3390/
رس 12203312.
Fawcett، D.، Panigada، C.، Tagliabue، G.، Boschetti، M.، Celesti، M.، Evdokimov، A.، Biriukova، K.، Colombo، R.، Miglietta، F.، Rascher، U.، Anderson، K.، 2020. تقييم متعدد النطاقات للانعكاس السطحي متعدد الأطياف القائم على الطائرات بدون طيار ومؤشرات الغطاء النباتي في ظروف التشغيل. الاستشعار عن بعد 12 (3) ، 514.
Feng، X.، Yan، F.، Liu، X.، 2019. دراسة تقنيات الاتصالات اللاسلكية على إنترنت الأشياء للزراعة الدقيقة. بيرس اللاسلكية. كومون. 108 (3) ،
1785-1802.
Ferreira، MP، Pinto، CF، Serra، FR، 2014. نظرية تكاليف المعاملات في أبحاث الأعمال الدولية: دراسة ببليومترية على مدى ثلاثة عقود. السينتومتريكس 98 (3) ، 1899-1922. https://doi.org/10.1007/s11192-013-1172-8.
Fisher، P.، Abuzar، M.، Rab، M.، Best، F.، Chandra، S.، 2009. التقدم في الزراعة الدقيقة في جنوب شرق أستراليا. I. منهجية الانحدار للمحاكاة
التباين المكاني في غلات الحبوب باستخدام غلات الرعي التاريخية للمزارعين ومؤشر الفرق الطبيعي للغطاء النباتي. علوم المراعي المحاصيل. 60 (9) ، 844-858.
Floreano، D.، Wood، RJ، 2015. العلوم والتكنولوجيا ومستقبل الطائرات الصغيرة بدون طيار ذاتية القيادة. طبيعة 521 (7553) ، 460-466. https://doi.org/10.1038/nature14542.
Friha، O.، Ferrag، MA، Shu، L.، Maglaras، LA، Wang، X.، 2021. إنترنت الأشياء لمستقبل الزراعة الذكية: مسح شامل للتقنيات الناشئة. IEEE CAA J. Autom. سينيكا 8 (4) ، 718-752.
فوينتيس باتشيكو ، جيه ، توريس أوليفاريس ، جيه ، رومان رانجيل ، إي ، سيرفانتس ، إس ، خواريز لوبيز ، بي ، هيرموسيلو فالاديز ، جي ، ريندون مانشا ، جي إم ، 2019. تجزئة نبات التين من الصور الجوية باستخدام شبكة فك تشفير تلافيفية عميقة. الاستشعار عن بعد 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. تحدي الطائرات بدون طيار لتقييم الإجهاد المائي لـ
الزراعة المستدامة. الزراعية. إدارة المياه. 153 ، 9-19. https://doi.org/10.1016/j. اغوات 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. التصوير الحراري في المصنع
المستوى لتقييم حالة المحاصيل والمياه في أشجار اللوز (صنف Guara) في ظل استراتيجيات الري الناقصة. الزراعية. إدارة المياه. 208 ، 176–186. https://doi.org/10.1016/j.
اغوات.2018.06.002.
Garzonio، R.، Di Mauro، B.، Colombo، R.، Cogliati، S.، 2017. انعكاس السطح وقياسات مطيافية مضان suninduced باستخدام UAS صغير فائق الطيف. الاستشعار عن بعد 9 (5) ، 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c، M.، Zrinjski، M.، Barkovi´c، Đ.، Radoˇcaj، D.، 2020. طريقة تلقائية لـ
رسم خرائط الأعشاب في حقول الشوفان استنادًا إلى صور الطائرات بدون طيار. حاسوب. إلكترون. الزراعية.
Gebbers، R.، Adamchuk، VI، 2010. الزراعة الدقيقة والأمن الغذائي. العلوم 327 (5967) ، 828-831. https://doi.org/10.1126/science.1183899.
Geipel، J.، Link، J.، Claupein، W.، 2014. الجمع بين النمذجة الطيفية والمكانية لإنتاج الذرة استنادًا إلى الصور الجوية ونماذج سطح المحاصيل المكتسبة باستخدام نظام طائرات بدون طيار. الاستشعار عن بعد 6 (11) ، 10335-10355. https://doi.org/10.3390/rs61110335.
Geng، D.، Feng، Y.، Zhu، Q.، 2020. التصميم المستدام للمستخدمين: مراجعة الأدبيات والتحليل الببليومتري. بيئة. علوم. بولوت. الدقة. 27 (24) ، 29824–29836. https: // دوى. org / 10.1007 / s11356-020-09283-1.
Gevaert ، CM ، Suomalainen ، J. ، Tang ، J. ، Kooistra ، L. ، 2015. جيل من أسطح الاستجابة الطيفية الزمانية من خلال الجمع بين الأقمار الصناعية متعددة الأطياف والفائقة الطيفية
صور الطائرات بدون طيار لتطبيقات الزراعة الدقيقة. IEEE J. Sel. قمة. تطبيق الأرض Obs. أجهزة الاستشعار عن بعد .8 (6) ، 3140-3146. ttps: //doi.org/10.1109/JSTARS.2015.2406339.
Gill، SS، Chana، I.، Buyya، R.، 2017. الزراعة القائمة على إنترنت الأشياء كسحابة وخدمة بيانات كبيرة: بداية الهند الرقمية. J. Org. وكمبيوتر المستخدم النهائي. (JOEUC) 29 (4) ،
1-23.
Gmür، M.، 2006. تحليل الاقتباس المشترك والبحث عن الكليات غير المرئية: تقييم منهجي. السينتومتريكس 57 (1) ، 27-57. https://doi.org/10.1023/
أ: 1023619503005.
Gnadinger، ¨ F.، Schmidhalter، U.، 2017. التعداد الرقمي لنباتات الذرة بواسطة المركبات الجوية غير المأهولة (UAVs). الاستشعار عن بعد 9 (6). https://doi.org/10.3390/rs9060544.
Gokto ¨ an، AH، Sukkarieh، S.، Bryson، M.، Randle، J.، Lupton، T.، Hung، C.، 2010. مركبة جوية بدون طيار ذات أجنحة دوارة لمراقبة الأعشاب المائية و
إدارة. J. انتل. النظام الآلي: Theor. تطبيق 57 (1-4) ، 467-484. https: // دوى. org / 10.1007 / s10846-009-9371-5.
Gomez-Cand ´ on، ´ D.، De Castro، AI، Lopez-Granados، ´ F.، 2014. تقييم دقة الفسيفساء من صور المركبات الجوية غير المأهولة (UAV) لأغراض الزراعة الدقيقة في القمح. الدقة. الزراعية. 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. : رؤى جديدة لـ
الاكتساب والمعايرة الحرارية. الدقة. الزراعية. 17 (6) ، 786-800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo، V.، Zarco-Tejada، PJ، Fereres، E.، 2014. قابلية التطبيق والقيود لاستخدام مؤشر الإجهاد المائي للمحاصيل كمؤشر لنقص المياه في بساتين الحمضيات. الزراعية. إلى عن على. ميتيورول. 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. استخدام صور حرارية عالية الدقة للطائرات بدون طيار
تقييم التباين في الوضع المائي لخمسة أنواع من أشجار الفاكهة داخل بستان تجاري. الدقة. الزراعية. 14 (6) ، 660-678. https://doi.org/10.1007/s11119-013-9322-9.
غويال ، ك. ، كومار ، س. ، 2021. محو الأمية المالية: مراجعة منهجية وتحليل ببليومتري. كثافة العمليات J. دراسات المستهلك 45 (1) ، 80-105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer، ¨ GJ، Engel، A.، Teichert، B.، 2008. الإمكانات التصويرية للطائرات بدون طيار منخفضة التكلفة في الحراجة والزراعة. المحفوظات الدولية للمسح التصويري والاستشعار عن بعد وعلوم المعلومات المكانية - محفوظات ISPRS 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. تقييم الارتباط عالي الدقة
NDVI مع مستوى تطبيق الأسمدة وإنتاجية محاصيل الأرز والقمح باستخدام الطائرات بدون طيار الصغيرة. الاستشعار عن بعد 11 (2) ، 112.
Gundolf، K.، Filser، M.، 2013. بحوث الإدارة والدين: تحليل الاقتباس. J. حافلة. الأخلاق 112 (1) ، 177-185.
Guo، Q.، Zhu، Y.، Tang، Y.، Hou، C.، He، Y.، Zhuang، J.، Zheng، Y.، Luo، S.، 2020. محاكاة CFD والتحقق التجريبي من المكاني والتوزيعات الزمنية لـ
تدفق هواء الغسيل العكسي لطائرة زراعية بدون طيار رباعية الدوَّار في التحويم. حاسوب. إلكترون. الزراعية. 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. ، بولندا، J.، 2016.
تطبيق أنظمة جوية بدون طيار من أجل التنميط الظاهري عالي الإنتاجية لمشاتل تربية القمح الكبيرة. طرق النبات 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. التصوير الطيفي من الطائرات بدون طيار تحت ظروف إضاءة مختلفة . في GG Bill R. (محرر) ، المحفوظات الدولية للمسح التصويري والاستشعار عن بعد وعلوم المعلومات المكانية - أرشيف ISPRS (المجلد 40 ، العدد 1W2 ، ص 189 - 194). الجمعية الدولية للمسح التصويري والاستشعار عن بعد. 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. تقنيات التقييم لرسم خرائط الغطاء النباتي للجزيرة من الجو غير المأهول
صور المركبات (الطائرات بدون طيار): تصنيف البكسل والتفسير المرئي وأساليب التعلم الآلي. كثافة العمليات J. أبل. الأرض Obs. Geoinf. 89، 102085 https://doi.org/
10.1016 / j.jag.2020.102085.
Haque، A.، Islam، N.، Samrat، NH، Dey، S.، Ray، B.، 2021. الزراعة الذكية من خلال القيادة المسؤولة في بنغلاديش: الاحتمالات ، والفرص ، وما بعدها.
الاستدامة 13 (8) ، 4511.
هاردن ، بي جيه ، هاردين ، تي جيه ، 2010. مركبات موجهة عن بعد صغيرة الحجم في مجال البحوث البيئية. بوصلة الجغرافيا 4 (9) ، 1297-1311. ttps: //doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin، PJ، Jensen، RR، 2011. المركبات الجوية الصغيرة بدون طيار في الاستشعار البيئي عن بعد: التحديات والفرص. GISci. أجهزة الاستشعار عن بعد 48 (1) ، 99-111. https://doi.org/10.2747/1548-1603.48.1.99.
He، Y.، Nie، P.، Zhang، Q.، Liu، F.، 2021. إنترنت الأشياء الزراعي: التقنيات والتطبيقات ، (الطبعة الأولى ، طبعة 1). سبرينغر.
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.
التصوير من طائرة بدون طيار: المراقبة الزراعية ودعم القرار. حاسوب. إلكترون. الزراعية. 44 (1) ، 49-61. https://doi.org/10.1016/j.
كومباج .2004.02.006.
Holman ، FH ، Riche ، AB ، Michalski ، A. ، Castle ، M. ، Wooster ، MJ ، Hawkesford ، MJ ، التنميط الظاهري للحقل عالي الإنتاجية لارتفاع نبات القمح ومعدل النمو في التجارب الميدانية باستخدام الاستشعار عن بعد القائم على الطائرات بدون طيار. الاستشعار عن بعد 8 (12). https: // دوى. org / 10.3390 / rs8121031.
Honkavaara، E.، Saari، H.، Kaivosoja، J.، Pol ¨ onen، ¨ I.، Hakala، T.، Litkey، P.، M¨akynen، J.، Pesonen، L.، 2013. المعالجة والتقييم من الصور الطيفية والمجسمة التي تم جمعها باستخدام كاميرا طيفية خفيفة الوزن بدون طيار للزراعة الدقيقة. الاستشعار عن بعد 5 (10) ، 5006-5039. https://doi.org/10.3390/rs5105006.
حسين مطلق ، ن. ، طالب ، ت. ، عروق ، أو. IEEE Internet Things J. 2016 (3) ، 6-899. https://doi.org/922/JIOT.10.1109.
Hrabar، S.، Sukhatme، GS، Corke، P.، Usher، K.، Roberts، J.، 2005. الجمع بين التدفق البصري والملاحة القائمة على الاستريو للأودية الحضرية لطائرة بدون طيار. في: 2005 IEEE / RSJ
المؤتمر الدولي للروبوتات والأنظمة الذكية ، ص 3309 - 3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu، T.-C، Yang، H.، Chung، Y.-C، Hsu، C.-H.، 2020. منصة زراعية إبداعية لإنترنت الأشياء لحوسبة الضباب السحابية. حَافَظ على. حاسوب. المشاة. النظام. 28 ، 100285.
Huang، H.، Deng، J.، Lan، Y.، Yang، A.، Deng، X.، Zhang، L.، Gonzalez-Andujar، JL، 2018. شبكة تلافيفية كاملة لرسم خرائط الأعشاب للمركبات الجوية غير المأهولة ( الطائرات بدون طيار). بلوس وان 13 (4) ، e0196302.
Huang ، H. ، Lan ، Y. ، Yang ، A. ، Zhang ، Y. ، Wen ، S. ، Deng ، J. ، 2020. التعلم العميق مقابل تحليل الصور المستند إلى الكائن (OBIA) في رسم خرائط الأعشاب لصور الطائرات بدون طيار. كثافة العمليات ج.
أجهزة الاستشعار عن بعد .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. معايرة عميقة للألوان لصور الطائرات بدون طيار في مراقبة المحاصيل
باستخدام نقل النمط الدلالي مع الاهتمام المحلي إلى العالمي. كثافة العمليات J. أبل. الأرض Obs. Geoinf. 104، 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang، YB، Thomson، SJ، Hoffmann، WC، Lan، YB، Fritz، BK، 2013. تطوير واحتمال تقنيات المركبات الجوية غير المأهولة للإنتاج الزراعي
إدارة. كثافة العمليات J. أجريك. بيول. م. 6 (3) ، 1-10. https://doi.org/10.3965/j. إجابي .20130603.001.
Huang، Y.، Hoffmann، WC، Lan، Y.، Wu، W.، Fritz، BK، 2009. تطوير نظام رش لمنصة مركبات جوية بدون طيار. تطبيق م. الزراعية. 25 (6) ، 803-809.
Hunt Jr.، ER، Dean Hively، W.، Fujikawa، SJ، Linden، DS، Daughtry، CST، McCarty، GW، 2010. الحصول على صور رقمية NIR-green-blue من
طائرات بدون طيار لمراقبة المحاصيل. الاستشعار عن بعد 2 (1) ، 290-305. https: // دوى. غزاله / 10.3390 / rs2010290. Inoue، Y.، 2020. الاستشعار عن بعد بواسطة الأقمار الصناعية والطائرات بدون طيار للمحاصيل والتربة من أجل الزراعة الذكية - مراجعة. علوم التربة. نوتر النبات. 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. مراجعة للتطبيقات وتقنيات الاتصال لإنترنت الأشياء (IoT) و
الزراعة الذكية المستدامة القائمة على المركبات الجوية غير المأهولة (UAV). الاستدامة 13 (4) ، 1821. https://doi.org/10.3390/su13041821.
Jaud، M.، Passot، S.، Le Bivic، R.، Delacourt، C.، Grandjean، P.، Le Dantec، N.، 2016. تقييم دقة نماذج الأسطح الرقمية عالية الدقة المحسوبة بواسطة
PhotoScan® و MicMac® في ظروف مسح دون المستوى الأمثل. الاستشعار عن بعد 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. قياس تأثيرات التقليم على هندسة شجرة الزيتون والسنوية نمو المظلة باستخدام النمذجة ثلاثية الأبعاد القائمة على الطائرات بدون طيار. طرق النبات 3 (13). https://doi.org/1/s10.1186-13007-017-0205.
Jin، X.، Liu، S.، Baret، F.، Hemerl´e، M.، Comar، A.، 2017. تقديرات الكثافة النباتية لمحاصيل القمح عند الظهور من صور الطائرات بدون طيار منخفضة الارتفاع. أجهزة الاستشعار عن بعد.
بيئة. 198 ، 105-114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo، C.، Xiangliang، C.، Han-Chi، F.، Lam، A.، 2019. نظام مراقبة المنتجات الزراعية المدعوم بالحوسبة السحابية. حساب الكتلة. 22 (4) ، 8929-8938.
Ju، C.، & Son، HI 2018a. تقييم أداء أنظمة الطائرات بدون طيار المتعددة للاستشعار عن بعد في الزراعة. وقائع ورشة العمل حول الرؤية الروبوتية والعمل في الزراعة في المؤتمر الدولي IEEE حول الروبوتات والأتمتة (ICRA) ، بريسبان ، أستراليا ، 21-26.
جو ، سي ، سون ، مرحبا ، 2018 ب. أنظمة الطائرات بدون طيار المتعددة للتطبيقات الزراعية: التحكم والتنفيذ والتقييم. إلكترونيات 7 (9) ، 162. https://doi.org/10.3390/
إلكترونيات 7090162.
Jung، J.، Maeda، M.، Chang، A.، Bhandari، M.، Ashapure، A.، Landivar-Bowles، J.، 2021. إمكانات الاستشعار عن بعد والذكاء الاصطناعي كأدوات لتحسين
مرونة أنظمة الإنتاج الزراعي. بالعملة. رأي. التكنولوجيا الحيوية. 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. تقنية استكشافية محسنة للمحاصيل تتضمن تصوير المحاصيل متعدد الأطياف بمساعدة المركبات الجوية غير المأهولة في ممارسة الكشافة التقليدية لفحة الساق الصمغية في البطيخ. مصنع ديس. 103 (7) ، 1642-1650.
Kapoor، KK، Tamilmani، K.، Rana، NP، Patil، P.، Dwivedi، YK، Nerur، S.، 2018. التطورات في أبحاث وسائل التواصل الاجتماعي: الماضي والحاضر والمستقبل. يخبر. النظام. أمامي. 20
(شنومكس)، شنومكس-شنومكس.
Kerkech، M.، Hafiane، A.، Canals، R.، 2020. VddNet: شبكة للكشف عن أمراض العنب تعتمد على الصور متعددة الأطياف وخريطة العمق. الاستشعار عن بعد 12 (20) ، 3305. https: // doi. org / 10.3390 / rs12203305.
Khaliq، A.، Comba، L.، Biglia، A.، Ricauda Aimonino، D.، Chiaberge، M.، Gay، P.، 2019. مقارنة بين صور الأقمار الصناعية والصور متعددة الأطياف المستندة إلى الطائرات بدون طيار لكروم العنب
تقييم التباين. الاستشعار عن بعد 11 (4). https://doi.org/10.3390/rs11040436.
Khan، PW، Byun، Y.-C، Park، N.، 2020. أتاحت IoT-blockchain نظام المصدر الأمثل لصناعة الأغذية 4.0 باستخدام التعلم العميق المتقدم. أجهزة الاستشعار 20 (10) ، 2990.
Khan، RU، Khan، K.، Albattah، W.، Qamar، AM، Ullah، F.، 2021. الاكتشاف القائم على الصور لأمراض النبات: من التعلم الآلي الكلاسيكي إلى رحلة التعلم العميق. الاتصال اللاسلكي. الكمبيوتر المحمول. 2021 ، 1-13.
Khan، S.، Tufail، M.، Khan، MT، Khan، ZA، Iqbal، J.، Alam، M.، Le، KNQ، 2021. إطار جديد شبه خاضع للإشراف لتصنيف المحاصيل / الأعشاب على أساس الطائرات بدون طيار. بلوس وان 16 (5) ، e0251008.
Khanal، S.، Fulton، J.، Shearer، S.، 2017. نظرة عامة على التطبيقات الحالية والمحتملة للاستشعار الحراري عن بعد في الزراعة الدقيقة. حاسوب. إلكترون.
الزراعية. 139 ، 22 - 32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna، A.، Kaur، S.، 2019. Evolution of Internet of Things (IoT) وتأثيرها الكبير في مجال الزراعة الدقيقة. حاسوب. إلكترون. الزراعية. 157 ، 218-231.
Kim، W.، Khan، GF، Wood، J.، Mahmood، MT، 2016. مشاركة الموظف في المنظمات المستدامة: تحليل الكلمات الرئيسية باستخدام تحليل الشبكة الاجتماعية والانفجار
نهج الكشف. الاستدامة 8 (7) ، 631.
كيرش ، إم ، لورينز ، إس ، زيمرمان ، آر ، توسا ، إل ، موكيل ، آر ، هودل ، بي ، بويسن ، آر ، خودادزاده ، إم ، جلواغوين ، آر ، 2018. التكامل من الأرض والتي تحملها طائرات بدون طيار
طرق الاستشعار الفائق الطيفي والتصويري لرسم خرائط الاستكشاف ورصد التعدين. الاستشعار عن بعد 10 (9) ، 1366. https://doi.org/10.3390/
رس 10091366.
Kitano، BT، Mendes، CCT، Geus، AR، Oliveira، HC، Souza، JR، 2019. عد نبات الذرة باستخدام التعلم العميق وصور الطائرات بدون طيار. IEEE Geosci. أجهزة الاستشعار عن بعد. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh، JCO، Spangenberg، G.، Kant، S.، 2021. التعلم الآلي الآلي للنماذج الظاهرية للنباتات عالية الإنتاجية القائمة على الصور. الاستشعار عن بعد 13 (5) ، 858. https: //
doi.org/10.3390/rs13050858.
Kovalev، IV، Voroshilova، AA، 2020. الاتجاهات التكنولوجية الحديثة في تطوير النظام البيئي للطائرات بدون طيار للشحن. J. فيز. أسيوط. سر. 1515 (5) ، 052068 https: // doi. org / 10.1088 / 1742-6596 / 1515/5/052068.
Krul، S.، Pantos، C.، Frangulea، M.، Valente، J.، 2021. Visual SLAM للماشية الداخلية والزراعة باستخدام طائرة بدون طيار صغيرة مع كاميرا أحادية: دراسة جدوى.
طائرات بدون طيار 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. مسح الطائرات بدون طيار للأتمتة الزراعية من الغرس إلى
محصول. في: INES 2018 - IEEE 22nd المؤتمر الدولي حول الأنظمة الهندسية الذكية ، ص 000353–358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas، T.، Argyriou، V.، Bibi، S.، Sarigiannidis، P.، 2018. رؤى وتحديات إطار عمل UAV IoT: نحو حماية الطائرات بدون طيار باعتبارها "أشياء". أجهزة الاستشعار 18 (11) ، 4015. https://doi.org/10.3390/s18114015.
Laliberte، AS، Rango، A.، 2011. إجراءات معالجة الصور وتصنيفها لتحليل الصور دون ديسيمتر التي تم الحصول عليها باستخدام طائرة بدون طيار فوق الأراضي القاحلة
المراعي. GISci. أجهزة الاستشعار عن بعد 48 (1) ، 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte، AS، Rango، A.، Herrick، JE، 2007. المركبات الجوية بدون طيار لرسم خرائط المراعي ورصدها: مقارنة بين نظامين. وقائع المؤتمر السنوي ASPRS.
Lam، OHY، Dogotari، M.، Prüm، M.، Vithlani، HN، Roers، C.، Melville، B.، Zimmer، F.، Becker، R.، 2021. سير عمل مفتوح المصدر لرسم خرائط الأعشاب في الأراضي العشبية الأصلية
استخدام مركبة جوية بدون طيار: استخدام Rumex utusifolius كدراسة حالة. يورو. ياء مجلس الشيوخ عن بعد 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. التبني والربحية والاستفادة بشكل أفضل من بيانات الزراعة الدقيقة.
ورقة عمل. جامعة بوردو. https://doi.org/10.22004/ag.econ.28615.
Lelong، CCD، Burger، P.، Jubelin، G.، Roux، B.، Labb´e، S.، Baret، F.، 2008. تقييم صور المركبات الجوية بدون طيار للرصد الكمي لمحصول القمح في قطع الأراضي الصغيرة. أجهزة الاستشعار 8 (5) ، 3557–3585. https://doi.org/10.3390/s8053557.
Li، C.، Niu، B.، 2020. تصميم الزراعة الذكية على أساس البيانات الضخمة وإنترنت الأشياء. كثافة العمليات J. توزيع. سينتو. 16 (5) ttps: //doi.org/10.1177/1550147720917065.
Li، W.، Niu، Z.، Chen، H.، Li، D.، Wu، M.، Zhao، W.، 2016. التقدير عن بعد لارتفاع المظلة والكتلة الحيوية فوق الأرض للذرة باستخدام صور مجسمة عالية الدقة من a نظام طائرات بدون طيار منخفض التكلفة. ايكول. إنديانا 67 ، 637-648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos، KG، Busato، P.، Moshou، D.، Pearson، S.، Bochtis، D.، 2018. التعلم الآلي في الزراعة: مراجعة. أجهزة الاستشعار 18 (8) ، 2674.
Liebisch، F.، Kirchgessner، N.، Schneider، D.، Walter، A.، Hund، A.، 2015. التنميط الظاهري الجوي عن بعد لصفات الذرة باستخدام نهج متعدد أجهزة الاستشعار. طرق النبات 11 (1) ، 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin، Z.، Guo، W.، 2020. كشف وحساب الذرة الرفيعة باستخدام صور النظام الجوي بدون طيار والتعلم العميق. أمامي. علوم النبات. 11.
Liu، S.، Guo، L.، Webb، H.، Ya، X.، Chang، X.، 2019. نظام مراقبة إنترنت الأشياء للزراعة البيئية الحديثة القائمة على الحوسبة السحابية. IEEE Access 7 ، 37050-37058.
Lopez-Granados، ´ F.، 2011. كشف الحشائش لإدارة الحشائش الخاصة بالموقع: رسم الخرائط وأساليب الوقت الحقيقي. الدقة الاعشاب. 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. الرصد المبكر القائم على الكائن لحشائش عشبية في محصول عشبي باستخدام صور عالية الدقة بدون طيار. أغرون. حَافَظ على. ديف. 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. رسم خرائط الحشائش المبكرة في عباد الشمس باستخدام تقنية الطائرات بدون طيار: تنوع خرائط معالجة مبيدات الأعشاب مقابل عتبات الحشائش. الدقة. الزراعية. 17 (2) ، 183-199.
Lucieer، A.، Malenovský، Z.، Veness، T.، Wallace، L.، 2014. HyperUAS - التصوير الطيفي من نظام طائرات بدون طيار متعدد المحركات. جيه. فيلد روب. 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 المحاصيل الزراعية. في JJ
تشن جيه ماس H – G. (محرر) ، المحفوظات الدولية للمسح التصويري والاستشعار عن بعد وعلوم المعلومات المكانية - محفوظات ISPRS (المجلد 37 ، ص 563-566).
الجمعية الدولية للمسح التصويري والاستشعار عن بعد. 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. مراجعة لتصنيف صورة الغطاء الأرضي المعتمد على الكائنات الخاضعة للإشراف. ISPRS J. Photogramm. أجهزة الاستشعار عن بعد 130 ،
277 - 293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes، WH، Steppe، K.، 2019. وجهات نظر للاستشعار عن بعد باستخدام المركبات الجوية غير المأهولة في الزراعة الدقيقة. اتجاهات نباتية. 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. ، بوركين ، ج. ، فريتشي ، ف. ، 2017.
النمط الظاهري القائم على النظام الجوي بدون طيار (UAS) لفول الصويا باستخدام دمج البيانات متعدد أجهزة الاستشعار وآلة التعلم القصوى. ISPRS J. Photogramm. أجهزة الاستشعار عن بعد 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.
مراقبة المحاصيل باستخدام دمج بيانات الأقمار الصناعية / الطائرات بدون طيار والتعلم الآلي. الاستشعار عن بعد 12 (9) ، 1357. https://doi.org/10.3390/rs12091357.
مانفريدا ، إس ، مكابي ، إم ، ميلر ، بي ، لوكاس ، آر ، باجويلو مادريجال ، في ، مالينيس ، جي ، بن دور ، إي ، هيلمان ، دي ، إستيس ، إل ، سيراولو ، جي .، Müllerova، ´ J.، Tauro، F.، de Lima، M.، de
ليما ، جيه ، مالطي ، إيه ، فرانسيس ، إف ، كايلور ، ك ، كوهف ، إم ، بيركس ، إم ، رويز بيريث ، جي ، سو ، زي ، فيكو ، جي ، توث ، B.، 2018. حول استخدام أنظمة جوية بدون طيار ل
المراقبة البيئية. الاستشعار عن بعد 10 (4) ، 641.
Marinko، RA، 1998. مقتطفات من مجلات دراسات المرأة في أطروحات ، 1989 و The Serials Librarian 35 (1-2)، 29-44. https://doi.org/10.1300/J123v35n01_
03
مسرور ، ر. ، نعيم ، م ، إجاز ، و. ، 2021. إدارة الموارد في الشبكات اللاسلكية بمساعدة الطائرات بدون طيار: منظور أمثل. شبكة مخصصة. 121، 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese ، A. ، Di Gennaro ، SF ، 2018. تطبيقات عملية لمنصة UAV متعددة المستشعرات تعتمد على صور عالية الدقة متعددة الأطياف ، وحرارية ، و RGB
زراعة الكروم. الزراعة 8 (7) ، 116. https://doi.org/10.3390/agriculture8070116.
Matese، A.، Di Gennaro، SF، 2021. ما وراء مؤشر NDVI التقليدي كعامل رئيسي لتعميم استخدام الطائرات بدون طيار في زراعة الكروم الدقيقة. علوم. 11 (1) ، 2721. https://doi.org/10.1038/s41598-021-81652-3.
ماتيسي ، أ. ، توسكانو ، ب ، دي جينارو ، س إف ، جينيسيو ، إل. ، فاكاري ، إف بي ، بريميسيريو ، جيه ، بيلي ، سي ، زالدي ، أ. ، بيانكوني ، آر ، جيولي ، ب. ، 2015 مقارنة بين الطائرات بدون طيار والطائرات
ومنصات الاستشعار عن بعد الساتلية لزراعة الكروم بدقة. الاستشعار عن بعد 7 (3) ، 2971-2990. https://doi.org/10.3390/rs70302971.
Mazzia، V.، Comba، L.، Khaliq، A.، Chiaberge، M.، Gay، P.، 2020.
الزراعة. أجهزة الاستشعار 20 (9) ، 2530. https://doi.org/10.3390/s20092530.
ماكين ، KW ، 1990. رسم خرائط المؤلفين في الفضاء الفكري: نظرة عامة فنية. جيه. شركة معلومات. علوم. 41 (6) ، 433-443.
Meinen، BU، Robinson، DT، 2021. نمذجة التآكل الزراعي: تقييم تقديرات التعرية الميدانية USLE و WEPP باستخدام بيانات السلاسل الزمنية للطائرات بدون طيار. بيئة. نموذج. البرمجيات 137 ، 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville، B.، Lucieer، A.، Aryal، J.، 2019.
ميدلاندز تسمانيا. طائرات بدون طيار 3 (1) ، 5.
Messina، G.، Modica، G.، 2020. تطبيقات الصور الحرارية للطائرات بدون طيار في الزراعة الدقيقة: أحدث ما توصلت إليه التكنولوجيا وتوقعات البحث المستقبلية. الاستشعار عن بعد 12 (9) ، https://doi.org/10.3390/rs12091491.
Mishra، D.، Luo، Z.، Jiang، S.، Papadopoulos، T.، Dubey، R.، 2017. دراسة ببليوغرافية عن البيانات الضخمة: المفاهيم والاتجاهات والتحديات. إدارة عمليات الأعمال. ج 23 (3) ،
555-573.
Mochida، K.، Saisho، D.، Hirayama، T.، 2015. تحسين المحاصيل باستخدام مجموعات بيانات دورة الحياة التي تم الحصول عليها في ظل الظروف الميدانية. أمامي. علوم النبات. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili، UM.R.، Deepak، BBVL، 2018. مراجعة لتطبيق أنظمة الطائرات بدون طيار في الزراعة الدقيقة. بروسيديا كومبوت. علوم. 133 ، 502-509.
Moharana، S.، Dutta، S.، 2016. التباين المكاني لمحتوى الأرز من الكلوروفيل والنيتروجين من الصور الفائقة الطيفية. ISPRS J. Photogramm. أجهزة الاستشعار عن بعد 122 ، 17-29.
Muangprathub ، J. ، Boonnam ، N. ، Kajornkasirat ، S. ، Lekbangpong ، N. ، Wanichsombat ، A. ،
Nillaor، P.، 2019. إنترنت الأشياء وتحليل بيانات الزراعة للمزرعة الذكية. حاسوب. إلكترون. الزراعية. 156 ، 467-474.
Nansen، C.، Elliott، N.، 2016. الاستشعار عن بعد وتنميط الانعكاس في علم الحشرات. Annu. القس Entomol. 61 (1) ، 139-158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia، J.، Mondragon، I.، Patino، D.، Colorado، J.، 2016. رسم الخرائط متعدد الأطياف في الزراعة: فسيفساء التضاريس باستخدام طائرة بدون طيار رباعية المروحيات مستقلة. كثافة العمليات أسيوط.
نظام الطائرات بدون طيار. (إيكواس) 2016 ، 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar، A.، Nguyen، B.-L.، Nguyen، NG، 2020. إنترنت الأشياء بدون طيار (Iodt): التصور المستقبلي للطائرات بدون طيار الذكية. حال. انتل. النظام. حاسوب. 1045 ، 563-580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker، S.، Annen، A.، Scherrer، M.، Oesch، D.، 2008. مستشعر خفيف الوزن متعدد الأطياف للطائرات بدون طيار الصغيرة - فرص للاستشعار عن بعد عالي الدقة المحمول جواً. كثافة العمليات قوس. فوتوجرام. أجهزة الاستشعار عن بعد. المشاة. علوم 37 (ب 1) ، 1193-1200.
Negash، L.، Kim، H.-Y.، Choi، H.-L.، 2019. تطبيقات الطائرات بدون طيار الناشئة في الزراعة. في: 2019 المؤتمر الدولي السابع لتكنولوجيا ذكاء الروبوت و
تطبيقات (RiTA) ، ص 254-257. https://doi.org/10.1109/RITAPP.2019.8932853.
Nerur، SP، Rasheed، AA، Natarajan، V.، 2008. الهيكل الفكري لمجال الإدارة الإستراتيجية: تحليل اقتباس مشترك للمؤلف. إستراتيجيات. ماناج. ج 29 (3) ،
319-336.
Neupane، K.، Baysal-Gurel، F.، 2021. التعرف التلقائي على أمراض النبات ومراقبتها باستخدام طائرات بدون طيار: مراجعة. الاستشعار عن بعد 13 (19) ، 3841. https://doi.org/10.3390/rs13193841.
Nex، F.، Remondino، F.، 2014. الطائرات بدون طيار لتطبيقات رسم الخرائط ثلاثية الأبعاد: مراجعة. تطبيق الجيوماتكس 3 (6) ، 1-1. https://doi.org/15/s10.1007-12518-013-x.
نيو ، هـ ، هولينبيك ، دي ، تشاو ، تي ، وانج ، دي ، تشين ، واي ، 2020. تقدير التبخر مع الطائرات بدون طيار الصغيرة في الزراعة الدقيقة. مجسات 20 (22) ، 6427. https: //
doi.org/10.3390/s20226427.
Osareh، F.، 1996. Bibliometrics، Citation Analysis and Co-Citation Analysis. مراجعة للأدب 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 ، أجهزة الاستشعار ، ومعالجة البيانات في الزراعة الحراجية: مراجعة نحو التطبيقات العملية. كثافة العمليات ياء الاستشعار عن بعد .38 (8-10) ، 2349-2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday، US، Pratihast، AK، Aryal، J.، Kayastha، RB، 2020. مراجعة لحلول البيانات القائمة على الطائرات بدون طيار لمحاصيل الحبوب. طائرات بدون طيار 4 (3) ، 1–29. https://doi.org/10.3390/
طائرات بدون طيار 4030041.
Parsaeian، M.، Shahabi، M.، Hassanpour، H.، 2020. تقدير محتوى الزيت والبروتين في بذور السمسم باستخدام معالجة الصور والشبكة العصبية الاصطناعية. جيه. بترول
شركة الكيميائيين 97 (7) ، 691-702.
Pena، ˜ JM، Torres-S´anchez، J.، de Castro، AI، Kelly، M.، Lopez-Granados، ´ F.، Suarez، O.، رسم خرائط الأعشاب في حقول الذرة في بداية الموسم باستخدام التحليل القائم على الكائنات من
صور مركبة جوية بدون طيار. بلوس وان 8 (10) ، e77151.
P´erez-Ortiz، M.، Pena، ˜ JM، Guti´errez، PA، Torres-S´ anchez، J.، Herv´ as-Martínez، C.،
Lopez-Granados، ´ F.، 2015. نظام شبه خاضع للإشراف لرسم خرائط الحشائش في محاصيل عباد الشمس باستخدام طائرات بدون طيار وطريقة كشف صفوف المحاصيل. تطبيق Soft Comput. ج 37 ، 533-544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira، M.، Vecchio، M.، Giaffreda، R.، Kanhere، SS، 2021. أجهزة إنترنت الأشياء فعالة من حيث التكلفة كمصادر بيانات جديرة بالثقة لنظام إدارة المياه القائم على blockchain في الزراعة الدقيقة. حاسوب. إلكترون. الزراعية. 180 ، 105889.
Popescu، D.، Stoican، F.، Stamatescu، G.، Ichim، L.، Dragana، C.، 2020. نظام UAV – WSN المتقدم للرصد الذكي في الزراعة الدقيقة. أجهزة الاستشعار 20 (3) ، https://doi.org/10.3390/s20030817.
Pournader، M.، Shi، Y.، Seuring، S.، Koh، SL، 2020. تطبيقات Blockchain في سلاسل التوريد والنقل والخدمات اللوجستية: مراجعة منهجية للأدبيات. كثافة العمليات جيه. الدقة. 58 (7) ، 2063-2081.
Primicerio، J.، Di Gennaro، SF، Fiorillo، E.، Genesio، L.، Lugato، E.، Matese، A.، Vaccari، FP، 2012. مركبة جوية مرنة بدون طيار للزراعة الدقيقة.
الدقة. الزراعية. 13 (4) ، 517-523. https://doi.org/10.1007/s11119-012-9257-6.
بريتشارد ، أ. ، 1969. ببليوغرافيا إحصائية أو ببليوغرافيا. ياء الوثيقة. 25 (4) ، 348-349.
Pudelko ، R. ، Stuczynski ، T. ، Borzecka-Walker ، M. ، 2012. ملاءمة مركبة جوية بدون طيار (UAV) لتقييم الحقول والمحاصيل التجريبية. الزراعة 99 (4) ، 431-436.
Puri، V.، Nayyar، A.، Raja، L.، 2017. الطائرات بدون طيار للزراعة: طفرة حديثة في الزراعة الدقيقة. J. ستاتيس. ماناج. النظام. 20 (4) ، 507-518.
Radoglou-Grammatikis، P.، Sarigiannidis، P.، Lagkas، T.، Moscholios، I.، 2020. تجميع لتطبيقات الطائرات بدون طيار للزراعة الدقيقة. حاسوب. نتو. 172 ،
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh، KV، Rakesh، V.، Prakasa Rao، EVS، 2020. تطبيق تحليلات البيانات الضخمة والذكاء الاصطناعي في البحوث الزراعية. الهندي J. أغرون. 65 (4) ، 383-395.
Raparelli، E.، Bajocco، S.، 2019. تحليل ببليومتري حول استخدام الطائرات بدون طيار في الدراسات الزراعية والحرجية. كثافة العمليات ياء. 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.
الاستخدامات المحتملة لأنظمة الطائرات الصغيرة بدون طيار (UAS) في أبحاث الحشائش. الدقة الاعشاب. 53 (4) ، 242-248.
Rasmussen، J.، Ntakos، G.، Nielsen، J.، Svensgaard، J.، Poulsen، RN، Christensen، S.
الطائرات بدون طيار موثوقة بما فيه الكفاية لتقييم المؤامرات التجريبية؟ يورو. J. أغرون. 74 ، 75-92. https://doi.org/10.1016/j.eja.2015.11.026.
Rejeb، A.، Rejeb، K.، Abdallahi، A.، Zailani، S.، Iranmanesh، M.، Ghobakhloo، M.، 2022.
التحليلات. الاستدامة 14 (1) ، 83. https://doi.org/10.3390/su14010083.
Rejeb، A.، Rejeb، K.، Simske، SJ، Treiblmaier، H.، 2021a. طائرات بدون طيار لإدارة سلسلة التوريد والخدمات اللوجستية: مراجعة وأجندة بحثية. كثافة العمليات J. لوجيست. الدقة. تطبيق
1-24. https://doi.org/10.1080/13675567.2021.1981273.
Rejeb، A.، Rejeb، K.، Simske، S.، Treiblmaier، H.، 2021b. تقنيات Blockchain في اللوجستيات وإدارة سلسلة التوريد: مراجعة ببليومترية. الخدمات اللوجستية 5 (4) ، 72.
https://doi.org/10.3390/logistics5040072.
Rejeb، A.، Rejeb، K.، Simske، S.، Treiblmaier، H.، 2021c. الطائرات بدون طيار الإنسانية: مراجعة وأجندة البحث. إنترنت الأشياء 16، 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb، A.، Treiblmaier، H.، Rejeb، K.، Zailani، S.، 2021d. بحث Blockchain في الرعاية الصحية: مراجعة ببليومترية واتجاهات البحث الحالية. J. من البيانات ، Inf. و
ماناج. 3 (2) ، 109-124.
Rejeb، A.، Simske، S.، Rejeb، K.، Treiblmaier، H.، Zailani، S.، 2020. بحث إنترنت الأشياء في إدارة سلسلة التوريد والخدمات اللوجستية: تحليل ببليومتري. إنترنت
من الأشياء 12 ، 100318.
ReportLinker ، 2021. سوق الطائرات الزراعية العالمية بدون طيار سيصل إلى 15.2 مليار دولار أمريكي بحلول YearGlobeNewswire News Room. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/ar/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- عام - 2027.html.
Ribeiro-Gomes، K.، Hernandez-L ´ opez، ´ D.، Ortega، JF، Ballesteros، R.، Poblete، T.، Moreno، MA، 2017. معايرة الكاميرا الحرارية غير المبردة وتحسين
عملية المسح التصويري لتطبيقات الطائرات بدون طيار في الزراعة. مجسات (سويسرا) 17 (10). https://doi.org/10.3390/s17102173.
ريفيرا ، ماساتشوستس ، بيزام ، أ. ، 2015. التقدم في أبحاث الضيافة: "من رودني دانجرفيلد إلى أريثا فرانكلين". كثافة العمليات J. المعاصر. مستشفى. ماناج. 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. نظام حسي يعتمد على Mini-UAV لقياس المتغيرات البيئية في البيوت المحمية. أجهزة الاستشعار 15 (2) ، 3334–3350. https://doi.org/10.3390/s150203334.
Rozenberg، G.، Kent، R.، Blank، L.، 2021. تستخدم الطائرات بدون طيار من فئة المستهلك للكشف عن أنماط التوزيع المكاني للأعشاب في أواخر الموسم في حقول البصل التجارية وتحليلها. الدقة. الزراعية. 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. مركبة جوية (UAV) تعمل بنظام الكاميرا الطيفية لتطبيقات الغابات والزراعة. يتابع. SPIE - كثافة العمليات. شركة يختار، يقرر. م. 8174 https://doi.org/10.1117/12.897585.
Sah، B.، Gupta، R.، Bani-Hani، D.، 2021. تحليل العوائق أمام تنفيذ لوجستيات الطائرات بدون طيار. كثافة العمليات J. لوجيست. الدقة. تطبيق 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-based drone لتحسين جودة المحاصيل في المجال الزراعي. في SH
تشاكرابارتي س. (محرر) ، ورشة عمل ومؤتمر IEEE السنوي الثامن للحوسبة والاتصالات لعام 2018 ، CCWC 8 (المجلدات. 2018 - يناير ، الصفحات 2018-612). معهد
of Electrical and Electronics Engineers Inc. doi: 10.1109 / CCWC.2018.8301662.
Sai Vineeth، KV، Vara Prasad، YR، Dubey، SR، Venkataraman، H.، 2019. LEDCOM: اتصال جديد وفعال يعتمد على LED للزراعة الدقيقة. IEEE Conf. معلومات. كومون. تكنول. 2019 ، 1-5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí، E.، Barrado، C.، Pastor، E.، 2014. تم تطبيق تجارب طيران الطائرات بدون طيار على الاستشعار عن بعد للمناطق النباتية. الاستشعار عن بعد 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.
أنظمة التصوير الجوي منخفضة الارتفاع وعالية الدقة للنماذج الظاهرية للمحاصيل الصفية والحقلية: مراجعة. يورو. J. أغرون. 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. التصوير الحراري عالي الدقة القائم على الطائرات بدون طيار لتقدير
التباين اللحظي والموسمي لحالة مياه النبات داخل الكرم. الزراعية. إدارة المياه. 183 ، 49-59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli، CC، Dubinsky، EK، Holmes، KL، 2010. ما وراء تحليل الاقتباس: نموذج لتقييم أثر البحث. جيه ميد. مساعد المكتبة. : 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. التحليل الطيفي للتصوير المتعلق بعلوم نظام الأرض - تقييم. البيئة الاستشعار عن بعد. 113 ، S123 – S137.
Schirrmann، M.، Giebel، A.، Gleiniger، F.، Pflanz، M.، Lentschke، J.، Dammer، K.-H.، 2016. رصد المعلمات الزراعية لمحاصيل القمح الشتوي باستخدام الطائرات بدون طيار منخفضة التكلفة
مصور. الاستشعار عن بعد 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III، DG، Dingus، BR، Reinholtz، C.، 2008. تطوير وتطبيق مركبة جوية ذاتية القيادة لأخذ عينات بيولوجية هوائية دقيقة أعلاه
الحقول الزراعية. جيه. فيلد روب. 25 (3) ، 133-147. https://doi.org/10.1002/rob.20232.
شادرين ، د. ، مينشيكوف ، أ. ، سوموف ، أ. ، بورنمان ، ج. ، هاوسلاج ، ج. ، فيدوروف ، م.
تمكين الزراعة الدقيقة من خلال الاستشعار المدمج بالذكاء الاصطناعي. IEEE Trans. الصك. القياس. 69 (7) ، 4103-4113.
شخاترة ، ح. ، سوالمة ، ع ، الفقهاء ، ع ، ضو ، ز. ، الميتا ، إ. ، خليل ، ط.
عثمان ، إن إس ، خريشة ، أ. ، قيزاني ، م ، 2019. المركبات الجوية بدون طيار (UAVs): مسح حول التطبيقات المدنية والتحديات البحثية الرئيسية. IEEE Access 7 ،
48572-48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor، N.، Northrup، D.، Murray، S.، Mockler، TC، 2019. البيانات الضخمة التي تعتمد على الزراعة: تحليلات البيانات الضخمة في تربية النبات ، وعلم الجينوم ، واستخدام الاستشعار عن بعد
تقنيات لتعزيز إنتاجية المحاصيل. فينوم النبات ج. 2 (1) ، 1-8.
Sharma، BK، Chandra، G.، Mishra، VP، 2019. التحليل المقارن وتأثير الطائرات بدون طيار والذكاء الاصطناعي في تحقيقات الطب الشرعي. في: الإجراءات - 2019 Amity International
مؤتمر الذكاء الاصطناعي. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma، R.، Shishodia، A.، Gunasekaran، A.، Min، H.، Munim، ZH، 2022. دور الذكاء الاصطناعي في إدارة سلسلة التوريد: رسم خرائط المنطقة. كثافة العمليات ج.
همز. الدقة. 1-24. https://doi.org/10.1080/00207543.2022.2029611.
شي، واي. ، 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. المركبات الجوية بدون طيار للنماذج الظاهرية عالية الإنتاجية والأبحاث الزراعية. بلوس واحد
11 (7) ، e0159781.
Shuai، G.، Martinez-Feria، RA، Zhang، J.، Li، S.، Price، R.، Basso، B.، 2019. التقاط عدم تجانس حامل الذرة عبر مناطق استقرار الغلة باستخدام الطائرات بدون طيار
المركبات (الطائرات بدون طيار). أجهزة الاستشعار 19 (20) ، 4446. https://doi.org/10.3390/s19204446.
Small، H.، 1973. اقتباس في الأدبيات العلمية: مقياس جديد للعلاقة بين وثيقتين. جيه. شركة معلومات. علوم. 24 (4) ، 265-269.
Small، H.، Rorvig، ME، Lunin، LF، 1999. تصور العلم عن طريق رسم الخرائط. جيه. شركة معلومات. علوم. 50 (9) ، 799-813.
Soares، VHA، Ponti، MA، Gonçalves، RA، Campello، RJGB، 2021. عد الماشية في البرية مع صور جوية محددة الموقع الجغرافي في مناطق المراعي الكبيرة. حاسوب. إلكترون. الزراعية. 189، 106354 https://doi.org/10.1016/j.compag.2021.106354.
سريفاستافا ، K. ، Pandey ، PC ، Sharma ، JK ، 2020. نهج لتحسين المسار في تطبيقات الزراعة الدقيقة باستخدام الطائرات بدون طيار. طائرات بدون طيار 4 (3) ، 58. https://doi.org/ 10.3390 / drones4030058.
ستافورد ، المشروع المشترك ، 2000. تطبيق الزراعة الدقيقة في القرن الحادي والعشرين. J. أجريك. م. الدقة. 21 (76) ، 3-267.
Su، J.، Coombes، M.، Liu، C.، Guo، L.، Chen، W.-H.، 2018. تقييم جفاف القمح عن طريق صور الاستشعار عن بعد باستخدام مركبة جوية بدون طيار. في 2018 مؤتمر التحكم الصيني السابع والثلاثون (CCC).
Su، J.، Liu، C.، Coombes، M.، Hu، X.، Wang، C.، Xu، X.، Li، Q.، Guo، L.، Chen، W.-H، 2018. مراقبة صدأ القمح الأصفر من خلال التعلم من الصور الجوية متعددة الأطياف للطائرات بدون طيار.
حاسوب. إلكترون. الزراعية. 155 ، 157–166. https://doi.org/10.1016/j. compag.2018.10.017.
Su، Y.، Wang، X.، 2021. ابتكار الإدارة الاقتصادية الزراعية في عملية بناء الزراعة الذكية بالبيانات الضخمة. الحوسبة المستدامة. المشاة. النظام. 31، 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan، DG، Fulton، JP، Shaw، JN، Bland، GL، 2007. تقييم حساسية نظام جوي حراري يعمل بالأشعة تحت الحمراء للكشف عن الإجهاد المائي في مظلة قطنية. عبر. عصب 50 (6) ، 1955-1962.
Sumesh، KC، Ninsawat، S.، Som-ard، J.، 2021. تكامل مؤشر الغطاء النباتي المستند إلى RGB ونموذج سطح المحاصيل ونهج تحليل الصور المستند إلى الكائن لتقدير إنتاجية قصب السكر باستخدام مركبة جوية بدون طيار. حاسوب. إلكترون. الزراعية. 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. نظام خرائط طيفي خفيف الوزن لـ
مركبات جوية بدون طيار - النتائج الأولى. في: 2013 ورشة العمل الخامسة حول معالجة الصور والإشارات الفائقة الطيفية: التطور في الاستشعار عن بعد (WHISPERS) ، الصفحات 5-1. https://doi.org/4/WHISPERS.10.1109.
Suomalainen، J.، Anders، N.، Iqbal، S.، Roerink، G.، Franke، J.، Wenting، P.، Hünniger، D.، Bartholomeus، H.، Becker، R.، Kooistra، L.، 2014. طيفية خفيفة الوزن
نظام رسم الخرائط وسلسلة المعالجة التصويرية للمركبات الجوية غير المأهولة. الاستشعار عن بعد 6 (11) ، 11013-11030. https://doi.org/10.3390/
رس 61111013.
Syeda، IH، Alam، MM، Illahi، U.، Su'ud، MM، 2021. استراتيجيات التحكم المتقدمة باستخدام معالجة الصور ، الطائرات بدون طيار والذكاء الاصطناعي في الزراعة: مراجعة. العالم J. Eng. 18 (4) ،
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai، A.، Rigsby، JT، 1998. معالجة المعلومات باستخدام الاستشهادات للتحقيق في تأثير المجلة في المحاسبة. المشاة. معالجة. يدير. 34 (2-3) ، 341–359.
Tang، Y.، Dananjayan، S.، Hou، C.، Guo، Q.، Luo، S.، He، Y.، 2021. مسح حول شبكة 5G وتأثيرها على الزراعة: التحديات والفرص. حاسوب.
إلكترون. الزراعية. 180، 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki، N.، Souravlas، S.، Roumeliotis، M.، 2019. J. أجريك. معلومات الغذاء.
20 (4) ، 344-380.
Tao، H.، Feng، H.، Xu، L.، Miao، M.، Yang، G.، Yang، X.، Fan، L.، 2020. تقدير المحصول وارتفاع النبات من القمح الشتوي باستخدام الطائرات بدون طيار- الصور الفائقة الطيفية.
أجهزة الاستشعار 20 (4) ، 1231.
Techy، L.، Schmale III، DG، Woolsey، CA، 2010. أخذ عينات بيولوجية هوائية منسقة من أحد مسببات الأمراض النباتية في الغلاف الجوي السفلي باستخدام مركبتين جويتين مستقلتين بدون طيار. جيه. فيلد روب. 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. الكشف عن آفات فول الصويا وتصنيفها باستخدام التعلم العميق
مع صور الطائرات بدون طيار. حاسوب. إلكترون. الزراعية. 179 ، 105836.
Thamm، H.-P.، Menz، G.، Becker، M.، Kuria، DN، Misana، S.، Kohn، D.، 2013. و WetSeason للزراعة المستدامة وتوفير الحقيقة الأرضية لبيانات Terra-Sar X. في: ISPRS - المحفوظات الدولية للمسح التصويري والاستشعار عن بعد وعلوم المعلومات المكانية ، ص 401-406. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall ، M. ، 2008. ببليومتريكس لقياسات الويب. J. معلومات. علوم. 34 (4) ، 605-621.
Torres-Sanchez، ´ J.، Lopez-Granados، ´ F.، Pena، ˜ JM، 2015. طريقة آلية قائمة على الكائن للحصول على العتبة المثلى في صور الطائرات بدون طيار: تطبيق للكشف عن الغطاء النباتي في المحاصيل العشبية. حاسوب. إلكترون. الزراعية. 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. تكنولوجيا المركبات الجوية غير المأهولة (UAV). بلوس ون 3 (10) ، e6.
Torres-Sanchez، ´ J.، Pena، ˜ JM، de Castro، AI، Lopez-Granados، ´ F.، 2014. رسم خرائط متعددة الأزمنة لجزء الغطاء النباتي في حقول القمح في بداية الموسم باستخدام صور من الطائرات بدون طيار. حاسوب. إلكترون. الزراعية. 103 ، 104-113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros، DC، Bibi، S.، Sarigiannidis، PG، 2019. مراجعة للتطبيقات القائمة على الطائرات بدون طيار للزراعة الدقيقة. المعلومات (سويسرا) 10 (11). https://doi.org/10.3390/info10110349.
Tu، Y.-H.، Phinn، S.، Johansen، K.، Robson، A.، Wu، D.، 2020. تحسين تخطيط رحلة الطائرات بدون طيار لقياس بنية محاصيل الأشجار البستانية. ISPRS J. Photogramm.
أجهزة الاستشعار عن بعد 160 ، 83-96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis، A.، Katsoulas، N.، Bartzanas، T.، Kittas، C.، 2017. إنترنت الأشياء في الزراعة ، التطورات الحديثة والتحديات المستقبلية. بيوسيست. م. 164 ، 31-48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin ، A. ، Singh ، VK ، Pinto ، D. ، Olmos ، I. ، 2015. رسم الخرائط السيانتومترية لأبحاث علوم الكمبيوتر في المكسيك. السينتومتريكس 105 (1) ، 97-114.
الأمم المتحدة ، 2019. توقعات سكان العالم 2019. https://population.un.org/wpp/ (تم الوصول إليه في 15/04/2022).
أوتو ك ، سيكي ، إتش ، سايتو ، جي ، كوسوجي ، واي ، 2013. توصيف حقول الأرز بواسطة نظام استشعار فائق الطيف المصغر مُركب بدون طيار. IEEE J. Sel. قمة. تطبيق الأرض Obs.
أجهزة الاستشعار عن بعد. 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. طائرات بدون طيار في
الزراعة. حال. أغرون. 162 ، 1-30.
Velusamy، P.، Rajendran، S.، Mahendran، RK، Naseer، S.، Shafiq، M.، Choi، J.-G.، 2022.
المركبات الجوية غير المأهولة (UAV) في الزراعة الدقيقة: التطبيقات والتحديات. الطاقات 15 (1) ، 217. https://doi.org/10.3390/en15010217.
Ventura، D.، Bonifazi، A.، Gravina، MF، Belluscio، A.، Ardizzone، G.، 2018. رسم خرائط وتصنيف الموائل البحرية الحساسة بيئيًا باستخدام الطائرات بدون طيار
صور المركبات (الطائرات بدون طيار) وتحليل الصور المستند إلى الكائن (OBIA). الاستشعار عن بعد 10 (9) ، 1331. https://doi.org/10.3390/rs10091331.
Verger، A.، Vigneau، N.، Ch´eron، C.، Gilliot، J.-M، Comar، A.، Baret، F.، 2014. مؤشر المنطقة الخضراء من نظام جوي بدون طيار فوق محاصيل القمح وبذور اللفت . البيئة الاستشعار عن بعد. 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. نشر أربعة أجهزة استشعار بصرية تعتمد على الطائرات بدون طيار فوق الأراضي العشبية: التحديات و
محددات. العلوم الحيوية 12 (1) ، 163–175. https://doi.org/10.5194/bg-12-163-2015.
Vuran، MC، Salam، A.، Wong، R.، Irmak، S.، 2018. إنترنت الأشياء تحت الأرض في الزراعة الدقيقة: جوانب الهندسة المعمارية والتكنولوجيا. شبكة مخصصة. 81 ،
160 - 173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba، SF، Queiroz، MM، 2021. الذكاء الاصطناعي المسؤول كعنصر سري للصحة الرقمية: التحليل الببليومتري ، والرؤى ، والتوجيهات البحثية.
معلومات. النظام. أمامي. 1-16.
Wang، L.، Zhang، G.، Wang، Z.، Liu، J.، Shang، J.، Liang، L.، 2019. تحليل ببليومتري لاتجاه أبحاث الاستشعار عن بعد في مراقبة نمو المحاصيل: دراسة حالة في الصين. الاستشعار عن بعد 11 (7). https://doi.org/10.3390/rs11070809.
White، HD، Griffith، BC، 1981. كاتب مؤلف: مقياس أدبي للبنية الفكرية. جيه. شركة معلومات. علوم. 32 (3) ، 163-171.
Xiang، H.، Tian، L.، 2011. تطوير نظام استشعار عن بعد زراعي منخفض التكلفة يعتمد على مركبة جوية ذاتية التشغيل بدون طيار (UAV). بيوسيست. م. 108 (2) ، 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie، C.، Yang، C.، 2020. مراجعة لصفات النمط الظاهري للنباتات عالية الإنتاجية باستخدام أجهزة استشعار تعتمد على الطائرات بدون طيار. حاسوب. إلكترون. الزراعية. 178، 105731 https://doi.org/10.1016/j.
كومباج .2020.105731.
Yao، H.، Qin، R.، Chen، X.، 2019. مركبة جوية بدون طيار لتطبيقات الاستشعار عن بعد - مراجعة. الاستشعار عن بعد 11 (12). https://doi.org/10.3390/
رس 11121443.
Yeom، S.، 2021. نقل الأشخاص وتتبع المسار الخاطئ مع التصوير الحراري بالأشعة تحت الحمراء بواسطة محرك متعدد. طائرات بدون طيار 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. مقارنة بين تقدير معلمات المحاصيل باستخدام الصور من محمولة على الطائرات بدون طيار
لقطة مستشعر فائق الطيف وكاميرا رقمية عالية الوضوح. الاستشعار عن بعد 10 (7) ، 1138. https://doi.org/10.3390/rs10071138.
Yue، J.، Yang، G.، Li، C.، Li، Z.، Wang، Y.، Feng، H.، Xu، B.، 2017. تقدير الكتلة الحيوية فوق الأرض للقمح الشتوي باستخدام مركبة جوية بدون طيار- لقطة مقرها
مستشعر فائق الطيف ونماذج محسنة لارتفاع المحاصيل. الاستشعار عن بعد 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi، RA، Dandois، JP، Holl، KD، Nadwodny، D.، Reid، JL، Ellis، EC، 2015. استخدام المركبات الجوية خفيفة الوزن بدون طيار لمراقبة استعادة الغابات الاستوائية. بيول.
كونسيرف. 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.
منصة الزراعة الذكية IoT القائمة على الحافة والحوسبة السحابية. بيوسيست. م. 177 ،
4-17.
Zarco-Tejada، PJ، Diaz-Varela، R.، Angileri، V.، Loudjani، P.، 2014. قياس ارتفاع الشجرة باستخدام صور عالية الدقة تم الحصول عليها من طائرة بدون طيار
المركبة (الطائرات بدون طيار) وطرق إعادة البناء التلقائي للصور ثلاثية الأبعاد. يورو. J. أغرون. 3 ، 55-89. https://doi.org/99/j.eja.10.1016.
Zhang، C.، Craine، WA، McGee، RJ، Vandemark، GJ، Davis، JB، Brown، J.، Hulbert، SH، Sankaran، S.، 2020. التنميط الظاهري القائم على الصورة لكثافة الإزهار في محاصيل الموسم البارد. أجهزة الاستشعار 20 (5) ، 1450. https://doi.org/10.3390/s20051450.
Zhang، C.، Kovacs، JM، 2012. تطبيق أنظمة جوية صغيرة بدون طيار للزراعة الدقيقة: مراجعة. الدقة. الزراعية. 13 (6) ، 693-712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang، L.، Zhang، H.، Niu، Y.، Han، W.، 2019. رسم خرائط الإجهاد المائي للذرة على أساس الاستشعار عن بعد متعدد الأطياف بدون طيار. الاستشعار عن بعد 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. نهج قائم على التعلم العميق للصدأ الأصفر الآلي
الكشف عن الأمراض من صور الطائرات بدون طيار عالية الدقة. الاستشعار عن بعد 11 (13) ، 1554.
Zhao، X.، Zhang، J.، Huang، Y.، Tian، Y.، Yuan، L.، 2022. كشف وتمييز الأمراض والإجهاد الناتج عن الحشرات لنباتات الشاي باستخدام التصوير الفائق الطيفي جنبًا إلى جنب مع تحليل المويجات. حاسوب. إلكترون. الزراعية. 193 ، 106717 https://doi.org/10.1016/j. شركة 2022.106717.
Zheng ، A. ، Wang ، M. ، Li ، C. ، Tang ، J. ، Luo ، B. ، 2022. Entropy الموجه للتكيف مع المجال العدائي للتجزئة الدلالية للصورة الجوية. IEEE Trans. جي
Zheng، H.، Cheng، T.، Yao، X.، Deng، X.، Tian، Y.، Cao، W.، Zhu، Y.، 2016. الكشف عن فينولوجيا الأرز من خلال تحليل السلاسل الزمنية للطيف الأرضي بيانات الفهرس. الدقة المحاصيل الحقلية. 198 ، 131-139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng، J.، Yang، W.، 2018. تصميم نظام دقيق لبذر التسرب الزراعي يعتمد على أجهزة الاستشعار اللاسلكية. كثافة العمليات J. اون لاين المهندس. 14 (05) ، 184.
Zhou، L.، Gu، X.، Cheng، S.، Yang، G.، Shu، M.، Sun، Q.، 2020. تحليل تغيرات ارتفاع النبات للذرة المستقرة باستخدام بيانات UAV-LiDAR. الزراعة 10 (5) ، 146. https: //
doi.org/10.3390/agriculture10050146.
Zhou، S.، Chai، X.، Yang، Z.، Wang، H.، Yang، C.، Sun، T.، 2021. Maize-IAS: برنامج لتحليل صور الذرة يستخدم التعلم العميق للنمط الظاهري للنباتات عالية الإنتاجية . طرق النبات 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. توقع محصول الحبوب في الأرز باستخدام نباتات متعددة الأوقات
مؤشرات من الصور الرقمية متعددة الأطياف والمستندة إلى الطائرات بدون طيار. ISPRS J. Photogramm. أجهزة الاستشعار عن بعد 130 ، 246-255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou، Y.، Xie، Y.، Shao، L.، 2016. محاكاة التكنولوجيا الأساسية لنظام مراقبة البيئات الخضراء على أساس شبكة استشعار لاسلكية. كثافة العمليات J. اون لاين المهندس. 12 (05) ،
43
Zhou، Z.، Majeed، Y.، Diverres Naranjo، G.، Gambacorta، EMT، 2021. تقييم الإجهاد المائي للمحاصيل باستخدام الصور الحرارية بالأشعة تحت الحمراء في الزراعة الدقيقة: مراجعة
وآفاق المستقبل لتطبيقات التعلم العميق. حاسوب. إلكترون. الزراعية. 182، 106019 https://doi.org/10.1016/j.compag.2021.106019.