Абдерахман Режеб a , Алиреза Абдуллахи b , Карим Режеб c , Хорст Трейблмайер d,
- a Менеджмент жана укук бөлүмү, Экономика факультети, Рим Тор Вергата университети, Колумбия, 2, Рим 00133, Италия
- b Бизнести башкаруу бөлүмү, Менеджмент факультети, Харазми университети, 1599964511 Тегеран, Иран
- c Бизерта илимдер факультети, Карфаген университети, Зарзоуна, 7021 Бизерте, Тунис
- d Эл аралык менеджмент мектеби, Модуль университети Вена, Ам Каленберг 1, 1190 Вена, Австрия
МАКАЛА МААЛЫМАТ | ABSTRACT |
Keywords: дрондорду УУА Так айыл чарбасы Нерселерден интернет Библиометрия | Учкучсуз учуучу аппараттар (UAV) деп да аталган учкучсуз учактар акыркы ондогон жылдардагы укмуштуудай өнүгүүгө күбө болду. Айыл чарбасында алар дыйкандарга олуттуу үнөмдөөнү сунуштоо менен дыйканчылык практикасын өзгөртүштү, операциялык натыйжалуулук, жана жакшы рентабелдүүлүк. Акыркы ондогон жылдар бою айыл чарба дрондорунун темасы бар өзгөчө академиялык көңүл бурду. Ошондуктан биз библиометриянын негизинде комплекстүү кароо жүргүзөбүз учурдагы академиялык адабияттарды жалпылоо жана структуралаштыруу жана учурдагы изилдөө тенденцияларын жана ысык чекиттерди ачуу. Биз библиометриялык ыкмаларды колдонуу жана жалпылоо үчүн айыл чарба дрондорунун тегерегиндеги адабияттарды талдоо жана мурунку изилдөөлөрдү баалоо. Биздин талдоо алыстан зонддоо, так айыл чарбасы, терең үйрөнүү, машина үйрөнүү жана нерселердин интернети айыл чарба дрондоруна байланыштуу маанилүү темалар экенин көрсөтүп турат. Ко-цитата талдоо адабияттардагы алты кеңири изилдөө кластерин көрсөтөт. Бул изилдөө айыл чарбасында учкучсуз изилдөөлөрдү жыйынтыктоо жана келечектеги изилдөө багыттарын сунуштоо боюнча алгачкы аракеттердин бири болуп саналат. |
тааныштыруу
Айыл чарбасы дүйнөнүн негизги азык-түлүк булагы болуп саналат (Friha et al., 2021) жана ал катуу кыйынчылыктарга дуушар болууда.
тамак-аш азыктарына суроо-талаптын өсүшү, азык-түлүк коопсуздугу жана коопсуздук маселелери, ошондой эле айлана-чөйрөнү коргоо, сууну сактоо жана
туруктуулук (Inoue, 2020). Бул өнүгүү уланат деп болжолдонууда, анткени 9.7-жылга карата дүйнө калкынын саны 2050 миллиардга жетет.
(2019). Айыл чарбасы дүйнө жүзү боюнча сууну керектөөнүн эң көрүнүктүү мисалын түзгөндүктөн, азык-түлүккө болгон суроо-талап жана суу
керектөө жакынкы келечекте кескин өсөт. Мындан тышкары жер семирткичтерди жана пестициддерди керектөө көбөйүүдө
айыл чарба иштерин активдештирүү менен бирге келечекте экологиялык көйгөйлөргө алып келиши мүмкүн. Анын сыңарындай, айдоо жерлери да чектелүү жана
дүйнө жүзү боюнча дыйкандардын саны азайып баратат. Бул чакырыктар новатордук жана туруктуу айыл чарба чечимдеринин зарылдыгын баса белгилейт (Илияс
ж.б., 2018; Friha et al., 2021; Инуэ, 2020; Tzounis et al., 2017).
Жаңы технологияларды киргизүү бул көйгөйлөрдү чечүү үчүн келечектүү чечим катары аныкталган. Акылдуу чарба (Brewster et al.,
2017; Tang et al., 2021) жана так айыл чарбасы (Feng et al., 2019; Khanna & Kaur, 2019) ушундай талаш-тартыштардын натыйжасында пайда болгон. The
биринчиси - натыйжалуулукту жана эффективдүүлүктү жогорулатуу үчүн айыл чарба иштеринде маалыматтык коммуникация технологияларын (ИКТ) жана башка алдыңкы инновацияларды кабыл алуу үчүн жалпы түшүнүк (Haque et al., 2021). Акыркысы жер бөлүнгөн жерди башкарууга багытталган
бир тектүү бөлүктөр жана ар бир бөлүгү жаңы технологиялардын жардамы менен түшүмдүүлүктү оптималдаштыруу үчүн айыл чарба салымынын так көлөмүн алат (Feng et al., 2019; Khanna & Kaur, 2019). Бул чөйрөдө окумуштуулардын көңүлүн бурган көрүнүктүү технологияларга Зымсыз сенсордук тармактар (WSNs) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016), Интернет of Things (IoT) (Gill et al., 2017; He et al., 2021; Liu et al., 2019),
жасалма интеллект (AI) ыкмалары, анын ичинде машинаны үйрөнүү жана терең үйрөнүү (Liakos et al., 2018; Parsaeian et al., 2020; Shadrin et al.,
2019), эсептөө технологиялары (Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019), big data (Gill et al., 2017; Tantalaki)
ж.б., 2019) жана блокчейн (PW Khan et al., 2020; Pincheira et al., 2021).
Жогоруда айтылган технологиялардан тышкары, алыстан зонддоо жакшыртуу үчүн жогорку потенциалы бар технологиялык курал болуп эсептелет
акылдуу жана так айыл чарбасы. Спутниктер, адам башкарган учактар жана дрондор алыстан зонддоонун популярдуу технологиялары болуп саналат (Tsouros et al., 2019).
Учкучсуз учуучу аппараттар (UAV), учкучсуз учуучу аппараттар (UAS) жана алыстан башкарылуучу учактар катары белгилүү дрондор
алар башка алыстан зонддоо технологиялары менен салыштырганда бир нече артыкчылыктарга ээ, абдан маанилүү. Мисалы, дрондор жеткире алат
булуттуу күндөрдө жогорку сапаттагы жана жогорку чечилиштеги сүрөттөр (Manfreda et al., 2018). Ошондой эле, алардын болушу жана өткөрүү ылдамдыгы башканы түзөт
пайдалары (Radoglou-Grammatikis ж.б., 2020). Учактарга салыштырмалуу дрондор үнөмдүү жана орнотуу жана тейлөө оңой (Tsouros et al., 2019). Башында негизинен аскердик максаттарда колдонулганына карабастан, учкучсуз учактар көптөгөн жарандык тиркемелерди, мисалы, жеткирүү чынжырын башкарууда (A. Rejeb, Rejeb, et al., 2021a), гуманитардык максаттарда (A. Rejeb, Rejeb, et al., 2021c), акылдуу айыл чарбасы, геодезиялык изилдөө жана карта түзүү, маданий мурастарды документтештирүү, табигый кырсыктарды башкаруу жана токой менен жапайы жаратылышты коргоо (Panday, Pratihast, et al., 2020). Айыл чарбасында дрондорду колдонуунун ар тараптуу чөйрөлөрү бар, анткени алар жаңы технологиялар, эсептөө мүмкүнчүлүктөрү жана өсүмдүктөрдү башкарууну колдоо үчүн борттогу сенсорлор менен интеграцияланышы мүмкүн (мисалы, карта түзүү, мониторинг жүргүзүү, сугаруу, өсүмдүктөрдү диагностикалоо) (H. Huang et al., 2021) , кырсыктарды азайтуу, эрте эскертүү системалары, жапайы жаратылышты жана токой чарбасын коргоо (Negash et al., 2019). Ошо сыяктуу эле, дрондорду бир нече айыл чарба иш-чараларында, анын ичинде түшүмдүүлүккө жана өсүшкө мониторинг жүргүзүү, түшүмдүүлүктү баалоо, суунун стрессине баа берүү, отоо чөптөрдү, зыянкечтерди жана илдеттерди аныктоодо колдонсо болот (Inoue, 2020; Panday, Pratihast, et al., 2020). Дрондорду сезүү маалыматтарынын негизинде мониторинг жүргүзүү, баалоо жана аныктоо максаттары үчүн гана эмес, ошондой эле так сугаруу жана отоо чөптөрдү, зыянкечтерди жана илдеттерди так башкаруу үчүн колдонсо болот. Башкача айтканда, дрондор экологиялык маалыматтардын негизинде сууну жана пестициддерди так көлөмдө чачууга жөндөмдүү. Дрондордун айыл чарбадагы пайдасы 1-таблицада жалпыланган.
Дрондордун айыл чарбадагы негизги пайдасы.
пайда | Шилтеме(лер) |
Убактылуу жана мейкиндикти жакшыртуу резолюцияларды сезүү | (Гаго ж.б., 2015; Ниу ж.б., 2020; Шривастава .Удаалаш., 2020) |
Так айыл чарбасын енуктуруу | (L. Deng et al., 2018; Kalischuk et al., 2019; Maimaitijiang et al., 2017) |
Классификация жана чалгындоо өсүмдүктөр | (Иноуэ, 2020; Калищук ж.б., 2019; Лопес- ' Гранадос ж.б., 2016; Maimaitijiang et al., 2017; Melville et al., 2019; Мохарана жана Дутта, 2016) |
Жер семирткичтерди колдонуу | (L. Deng et al., 2018; Guan et al., 2019) |
Кургакчылыкка мониторинг жүргүзүү | (Fawcett et al., 2020; Panday, Pratihast, et al., 2020; Су ж.б., 2018) |
Биомассаны баалоо | (Бендиг ж.б., 2014) |
Түшүмдүүлүктү баалоо | (Inoue, 2020; Panday, Shrestha, ж.б., 2020; Тао .Удаалаш., 2020) |
Кырсыктарды азайтуу | (Negash et al., 2019) |
Жапайы жаратылышты сактоо жана токойчулук | (Negash et al., 2019; Panday, Pratihast, et al., 2020) |
Суунун стрессине баа берүү | (Иноуэ, 2020; Дж. Су, Кумбс, ж.б., 2018; Л. Чжан ж.б., 2019) |
Зыянкечтер, отоо чөптөр жана оорулар кармоо | (Gaˇsparovi´c et al., 2020; Inoue, 2020; J. Su, Liu, ж.б., 2018; X. Zhang et al., 2019) |
Башка жагынан алганда, дрондор да чектөөлөргө туш болушат. Учкучтун катышуусу, кыймылдаткычтын күчү, туруктуулугу жана ишенимдүүлүгү, пайдалуу жүккө байланыштуу сенсорлордун сапаты
салмак чектөөлөрү, ишке ашыруу чыгымдары жана авиациялык жөнгө салуу, алардын арасында (C. Zhang & Kovacs, 2012). Кемчиликтерди салыштырабыз
2-таблицадагы үч мобилдик аралыктан зонддоо технологияларынын. Башка аралыктан зонддоо технологиялары, мисалы, кыртыштын сенсорлору бул изилдөөнүн көңүл чордонунан тышкары.
Ар кандай мобилдик алыстан зонддоо технологияларынын кемчиликтери.
Алыстан байкоо технологиялар | кемчиликтер | шилтемелер |
Дрон (УАО) | Пилоттордун катышуусу; сүрөттөр сапаты (орточо); ишке ашырууга кеткен чыгымдар (орточо); туруктуулук, маневрлик жана ишенимдүүлүк; стандартташтыруу; кыймылдаткыч күчү; чектелген күч булактар (батареянын узактыгы); чектелген учуу узактыгы, кагылышуу жана киберчабуулдар; чектелген пайдалуу жүктүн салмагы; чоң маалымат топтомдору жана чектелген маалыматтарды иштетүү мүмкүнчүлүктөрү; жөнгө салуунун жоктугу; тажрыйбанын жоктугу, жогорку кириш жетүү үчүн тоскоолдуктар айыл чарба дрондору; | (Bacco et al., 2018; Dawaliby ж.б., 2020; Хардин & Хардин, 2010; Хардин & Дженсен, 2011; Лагкас жана башкалар, 2018; Laliberte et al., 2007; Laliberte & Rango, 2011; Manfreda et al., 2018, 2018; Nebiker et al., 2008; Puri ж.б., 2017; Velusamy жана башкалар. 2022; C. Zhang & Kovacs, 2012) |
спутник | Мезгил-мезгили менен спутниктик камтуу, чектелген спектрдик резолюция; көрүнүү маселелерине алсыздык (мис., булуттар); Жеткиликсиздик жана төмөн которуу ылдамдыгы; ориентация жана виньеттүү кымбат баалуу мейкиндик маалыматтарына таасир этет чогултуу; жай маалымат жеткирүү акыркы колдонуучуларга убакыт | (Абуталеби ж.б., 2019; Cen ж.б., 2019; Чен жана башкалар. 2019; Нансен & Эллиотт, 2016; Пандей, Пратихаст, ж.б., 2020; Sai Vineeth .Удаалаш., 2019) |
самолет | Бала асыроого жогорку чыгымдар; татаал орнотуу; тейлөөгө кеткен чыгымдар; ишенимдүүлүктүн жоктугу учактар, геометрия сүрөттөр; туруктуу эмес маалыматтар алуу; ийкемдүүлүктүн жоктугу; өлүмгө алып келген кырсыктар; сенсор маалыматтары термелүүдөн улам өзгөрүү; геореференция маселелери | (Армстронг ж.б., 2011; Аткинсон ж.б., 2018; Barbedo & Koenigkan, 2018; Ковалев жана Ворошилова, 2020; Суомалайнен жана башкалар. 2013; Thamm et al., 2013) |
Айыл чарбасында көп тармактуу жана көп максаттуу технология катары учкучсуз учактар ар кандай көз караштардан изилденип келет. Мисалы, окумуштуулар айыл чарбасындагы дрон тиркемелерин (Kulbacki et al., 2018; Mogili & Deepak, 2018), алардын так айыл чарбасына кошкон салымын (Puri et al., 2017; Tsouros et al., 2019), алардын башкалары менен толукталышын карап чыгышты. алдыңкы технологиялар (Al-Thani et al., 2020; Dutta & Mitra, 2021; Nayyar et al., 2020; Saha et al., 2018) жана алардын навигациялык жана сезүү мүмкүнчүлүктөрүн өркүндөтүү мүмкүнчүлүктөрү (Барет жана башкалар. , 2015; Suomalainen et al., 2014). Айыл чарбасында учкучсуз колдонуу боюнча изилдөөлөр кеңири жайыла баштагандыктан (Khan et al., 2021)), сакталып калган адабияттарды жалпылоо жана домендин интеллектуалдык түзүмүн ачуу зарылчылыгы бар. Мындан тышкары, үзгүлтүксүз өркүндөтүлгөн жогорку технологиялык тармак катары, учурдагы адабияттарды мезгил-мезгили менен жалпылоо жана маанилүү изилдөө боштуктарын аныктоо үчүн структураланган кароолор жүргүзүлүшү керек. үчүн
дата, айыл чарба тармагында учкучсуз колдонмолорду талкуулаган бир нече сын-пикирлер бар. Мисалы, Mogili and Deepak (2018) дрондордун түшүмдүн мониторингине жана пестициддерди чачууга тийгизген таасирин кыскача карап чыкты. Inoue (2020) айыл чарбасында алыстан зонддоодо спутник жана учкучсуз аппараттарды колдонууну карап чыгат. Автор акылдуу чарбаны колдонуунун технологиялык көйгөйлөрүн жана спутниктердин жана дрондордун салымдарын мисалдык изилдөөлөрдүн жана мыкты тажрыйбалардын негизинде изилдейт. Цурос жана башкалар. (2019) дрондордун ар кандай түрлөрүн жана алардын айыл чарбадагы негизги колдонмолорун жалпылап, ар кандай маалыматтарды алуу жана иштетүү ыкмаларын баса белгилейт. Жакында Аслан жана башкалар. (2022) айыл-чарба ишмердүүлүгүндөгү UAV тиркемелерин комплекстүү кароону жүргүзгөн жана күнөсканада УУА үчүн бир убакта локализациялоонун жана картага түшүрүүнүн актуалдуулугун баса белгилеген. Диас-Гонсалес жана башкалар. (2022) ар кандай машина үйрөнүү ыкмаларына жана аралыктан негизделген айыл чарба өсүмдүктөрүнүн түшүмүн өндүрүү боюнча акыркы изилдөөлөрдү карап чыкты
сезүү системалары. Алардын тыянактары УКЧлар топурактын көрсөткүчтөрүн баалоо үчүн пайдалуу экенин жана мейкиндиктин чечүүчүлүгү, маалыматтын убактылуулугу жана ийкемдүүлүгү боюнча спутниктик системалардан ашып түшөрүн көрсөттү. Басири жана башкалар. (2022) так айыл чарба контекстинде көп роторлуу UAV үчүн жол-пландоо кыйынчылыктарды жеңүү үчүн ар кандай ыкмаларды жана ыкмаларын толук карап чыкты. Мындан тышкары, Awais et al. (2022) суунун абалын баалоо үчүн айыл чарба өсүмдүктөрүндө UAV алыстан зонддоо маалыматтарын колдонууну жыйынтыктады жана ысырапкерчиликти колдонуу үчүн UAV алыстан зонддоо потенциалынын терең синтезин камсыз кылды. Акырында, Aquilani et al. (2022) жайыттагы мал чарба системаларында колдонулуучу алдын ала айыл чарба технологияларын карап чыгып, УАВлар иштеткен аралыктан зонддоо биомассаны баалоо жана үйүрлөрдү башкаруу үчүн пайдалуу деп жыйынтык чыгарышкан.
Ошондой эле, акыркы убакта малды көзөмөлдөө, көзөмөлдөө жана чогултуу үчүн учкучсуз учактарды колдонуу аракеттери байкалууда.
Бул сын-пикирлер жаңы жана маанилүү түшүнүктөрдү бергени менен, библиометрияга негизделген ар тараптуу жана заманбап серепти адабияттардан табууга мүмкүн эмес, бул так билимдин боштугун көрсөтөт. Мындан тышкары, илимий өндүрүш илимий чөйрөдө өскөндө, изилдөөчүлөр домендин билим структурасын түшүнүү үчүн сандык карап чыгуу ыкмаларын колдонуу өтө маанилүү болуп калат деп айтылган (Rivera & Pizam, 2015). Ошо сыяктуу эле, Ferreira et al. (2014) изилдөө тармактары жетилип, татаалдашып баратканда, окумуштуулар жаңы салымдарды ачып берүү, изилдөө салттарын жана тенденцияларын чагылдыруу, кайсы темалар изилденип жатканын аныктоо жана илимдин структурасын изилдөө үчүн түзүлгөн жана топтолгон билимдерди мезгил-мезгили менен түшүнүүгө умтулушу керек деп ырасташкан. талаа жана потенциалдуу изилдөө багыттары. Raparelli and Bajocco (2019) айыл чарбасында жана токой чарбасында учкучсуз колдонмолордун билим чөйрөсүн изилдөө үчүн библиометриялык анализ жүргүзүшкөн, бирок алардын изилдөөсү 1995 жана 2017-жылдары жарыяланган илимий изилдөөлөрдү гана карайт, бул тез кыймылдаган аймактын динамикасын чагылдырбайт. Андан ары, авторлор бул тармактагы эң таасирдүү салымдарды аныктоого, адабияттарды кластерлөөгө жана цитаталарды талдоо аркылуу интеллектуалдык түзүлүшкө баа берүүгө аракет кылышкан эмес. Натыйжада, учурдагы изилдөө очокторун, тенденцияларын жана ысык чекиттерин ачуу үчүн адабияттарды жалпылоо зарыл.
Бул билим боштугун толтуруу үчүн, биз дрондор менен айыл чарбанын кесилишиндеги изилдөөлөрдүн учурдагы абалын текшерүү үчүн сандык методологияны жана катаал библиометриялык ыкмаларды колдонобуз. Учурдагы изилдөө айыл чарбасында өтө зарыл болгон жаңы технологияны изилдөө менен учурдагы адабияттарга бир нече салым кошот деп ырастайбыз, анткени ал бул сектордун бир нече аспектилерин өзгөртүү үчүн зор потенциалды берет. Айыл чарба дрондорунун библиометриялык анализинин зарылдыгы айыл чарба контекстинде дрондор боюнча чачыранды жана фрагменттүү билимдерди эске алуу менен ого бетер сезилет. Ошо сыяктуу эле, айыл чарба дрондоруна тиешелүү адабияттар бул изилдөө тармагынын пайдубалын түзгөн эң таасирдүү изилдөөлөрдү эске алуу менен системалуу түрдө топтолушу керек. Анализдин артыкчылыгы адабиятта көрсөтүлгөн негизги изилдөө темаларын тактоону да камтыйт. Технологиянын трансформациялык потенциалын эске алуу менен, тармактык терең талдоо таасирдүү иштерди аныктоо жана дрондордун айыл чарба үчүн потенциалына тиешелүү темаларды ачуу аркылуу жаңы түшүнүктөрдү берет деп ойлойбуз.
Ошондуктан, биз төмөнкү изилдөө максаттарына жетүү үчүн аракет кылабыз:
- Айыл чарба тармагындагы дрондук колдонмолорго өзгөчө салым кошкон таасирдүү басылмаларды аныктоо.
- Адабияттарды кластерлөө, изилдөө очокторун аныктоо жана ко-цитата анализин колдонуу менен семантикалык окшоштукка негизделген негизги “интеллектуалдык структура” изилдөөлөрүнүн картасын түзүү.
- Бул тармактагы ар кандай басылмалардын арасында убакыттын өтүшү менен байланыштар жана цитаталар тармактарынын эволюциясын түшүнүү жана келечектеги изилдөө багыттарын жана ысык темаларды аныктоо.
Иштин калган бөлүгү төмөнкүдөй структураланган: 2-бөлүмдө методология жана маалыматтарды чогултуу кадамдары көрсөтүлгөн; 3-бөлүм талдоолордун натыйжаларын берет; жана 4-бөлүмдө жыйынтыктар талкууланат жана изилдөөнүн салымдары, натыйжалары жана келечектеги багыттары менен жыйынтыкталат.
Методология
Учурдагы бул изилдөөдө биз айыл чарбасындагы дрондук тиркемелерди изилдөө үчүн библиометриялык анализ жүргүзөбүз. Бул сандык ыкма билим чөйрөсүнүн интеллектуалдык түзүмүн (Arora & Chakraborty, 2021) жана ушул ыкманы колдонуу менен изилденүүчү учурдагы абалын, ысык темаларын жана келечектеги изилдөө багыттарын ачып берет (Kapoor et al., 2018; Mishra et al. , 2017; A. Rejeb, Rejeb, et al., 2021b; A. Rejeb et al., 2021d; MA Rejeb et al., 2020). Жалпысынан алганда, библиометрикалык талдоо статистикалык жана математикалык методдорго негизделген жазуу жүзүндөгү коммуникациянын жашыруун моделдерин жана дисциплинанын эволюциясын жалпылоо жана ачуу үчүн азыркы адабияттарды изилдейт жана ал чоң маалымат топтомуна тиешелүү (Pritchard, 1969; Small, 1999; Tahai & Rigsby) , 1998). Библиометрияны колдонуу менен биз окшоштукка негизделген доменге салым кошкон учурдагы парадигмаларды жана изилдөө борборлорун жакшыраак түшүнүүгө умтулабыз (Тэлволл, 2008). Библиометрика методологиянын объективдүү сандык күчү менен бекемделген жаңы түшүнүктөрдү берет (Casillas & Acedo, 2007). Көптөгөн окумуштуулар буга чейин айыл чарба, алыстан зонддоо жана санариптик трансформацияны камтыган тиешелүү чөйрөлөрдө библиометриялык изилдөөлөрдү жүргүзүшкөн (Armenta-Medina et al., 2020; Bouzembrak et al., 2019; A. Rejeb, Treiblmaier, et al., 2021; Wamba). & Queiroz, 2021; Wang et al., 2019).
Цитата талдоо
Цитата талдоо берилген изилдөө тармагына ар кандай түшүнүктөрдү ачып берет. Биринчиден, ал белгилүү бир изилдөө тармагына салым кошкон жана олуттуу таасир тийгизген эң таасирдүү авторлорду жана басылмаларды ачууга жардам берет (Gundolf & Filser, 2013). Экинчиден, билим агымы жана авторлордун ортосундагы байланыш байланыштары ачылат. Акыр-аягы, келтирилген жана цитата келтирилген эмгектердин ортосундагы байланыштарды издөө менен, убакыттын өтүшү менен билим доменинин өзгөрүшүн жана эволюциясын изилдөөгө болот (Пурнадер
ж.б., 2020). Басылманын жогорку цитата сандары анын актуалдуулугун жана изилдөө чөйрөсүнө кошкон олуттуу салымын чагылдырат (Baldi, 1998; Gundolf & Filser, 2013; Marinko, 1998). Басылмалардын цитаталарын талдоо, ошондой эле тиешелүү эмгектерди аныктоого жана алардын популярдуулугун жана убакыттын өтүшүнө көз салууга жардам берет.
Документтин ко-цитациясын талдоо
Ко-цитата талдоо басылмалардын ортосундагы мамилелерди изилдөө жана талаанын интеллектуалдык түзүмүн чагылдыруу үчүн баалуу ыкма болуп саналат (Nerur et al., 2008). Башкача айтканда, эң көп цитаталанган басылмаларды жана алардын байланыштарын аныктоо менен, метод басылмаларды өзүнчө изилдөө кластерлерине топтойт, мында кластердеги басылмалар дайыма окшош идеяларды бөлүшөт (МакКейн, 1990; Small, 1973). Окшоштук басылмалардын тыянактары бар экенин билдирбейт деп айтуу абдан маанилүү
ынтымактуу жана бири-бири менен макул; Басылмалар теманын окшоштугунан улам бир кластерге кирет, бирок алар карама-каршы көз караштарга ээ болушу мүмкүн.
Маалыматтарды жыйноо жана талдоо
Уайт жана Гриффит (1981) тарабынан сунушталган методологияга ылайык, биз төмөнкү беш кадамды аткаруу менен, айыл чарбасында учкучсуз колдонуунун бардык изилдөө доменин камтуу үчүн журнал макалаларын ар тараптуу издөөнү жүргүздүк:
- Биринчи кадам маалыматтарды чогултуу болду. Scopus стандартташтырылган натыйжалары менен эң толук жана ишенимдүү маалымат базаларынын бири катары тандалган. Айыл чарбадагы бардык дрондук колдонмолорго тиешелүү басылмалардын мета-маалыматтары алынды. Андан кийин биз талдоодон темадан тышкаркы макалаларды алып салып, тандалган макалаларды талдадык.
- Биз адабияттарды талдап, изилдөө тармагында колдонулган эң маанилүү ачкыч сөздөрдү аныктадык.
- Цитата анализин колдонуу менен биз цитаталардын негизги моделдерин ачуу үчүн авторлор менен документтердин ортосундагы байланышты изилдедик. Биз ошондой эле айыл чарба дрондору тармагына олуттуу салым кошкон эң таасирдүү авторлорду жана басылмаларды аныктадык.
- Окшош басылмаларды кластерлерге топтоо үчүн биргелешкен цитаталарды талдоо жүргүздүк.
- Акыр-аягы, биз кызматташуу тармагын чагылдыруу үчүн өлкөлөр, мекемелер жана журналдар ортосундагы байланыштарды жана байланыштарды талдап чыктык.
Тиешелүү издөө терминдерин аныктоо
Маалыматтарды топтоо үчүн биз төмөнкү издөө тилкелерин колдондук: (дрон* ЖЕ "учкучсуз учуучу аппарат" ЖЕ Uav* ЖЕ "учкучсуз учак системасы"” ЖЕ uas ЖЕ «алыстан башкарылуучу учак”) ЖАНА (айыл чарба ЖЕ айыл чарба ЖЕ дыйканчылык ЖЕ фермер). Издөө 2021-жылдын сентябрь айында жүргүзүлгөн. Дрондордун бир нече аталышы бар, анын ичинде UAV, UAS жана алыстан башкарылуучу учактар (Sah et al., 2021). Айыл чарбага байланыштуу конкреттүү издөө терминдери Абдоллахи жана башкалар изилдөөнүн негизинде аныкталган. (2021). Түшүнүктүү жана ачык-айкындуулук үчүн, биз колдонгон так суроо 1-тиркемеде келтирилген. Маалыматтарды тазалоо процессинен кийин биз текст файлын түздүк, ал кийинчерээк цитаталарды жана биргелешкен цитаталарды талдоо үчүн жалпы курал болгон BibExcelге жүктөлгөн. Бул курал башка программалык камсыздоо менен жөнөкөй өз ара аракеттенүүнү сунуштайт жана маалыматтарды иштетүүдө жана талдоодо олуттуу эркиндикти сунуш кылат. VOSviewer 1.6.16 версиясы табылгаларды визуализациялоо жана библиометриялык тармактарды түзүү үчүн колдонулган (Eck & Waltman, 2009). VOSviewer бир катар интуитивдик визуализацияны сунуштайт, айрыкча библиометриялык карталарды талдоо үчүн (Geng et al., 2020). Андан тышкары, ал натыйжаларды жакшыраак түшүнүүгө жардам берген ачык визуалдык натыйжаларды берүүгө жардам берет (Abdollahi et al., 2021). Жогоруда айтылгандай издөө саптарын колдонуу менен биз бардык тиешелүү басылмаларды чогултуп, сактадык. Биринчи издөө жыйынтыгында жалпысынан 5,085 документ табылган. Тандалган үлгүнүн сапатын камсыз кылуу үчүн изилдөөдө рецензияланган журнал макалалары гана каралып, натыйжада китептер, бөлүмдөр, конференция материалдары жана редакциялык эскертүүлөр сыяктуу башка документ түрлөрү алынып салынган. Скрининг жүрүшүндө тиешеси жок (б.а., бул иштин чегинен тышкары), ашыкча (б.а. кош индекстөөдөн келип чыккан дубликаттар) жана англисче сүйлөбөгөн басылмалар чыпкадан чыгарылды. Бул процесстин жыйынтыгында 4,700 документ акыркы анализге киргизилди.
Жыйынтыктар жана талкуу
Баштоо үчүн, биз айыл чарба дрондору боюнча учурдагы адабияттардагы жарыялоонун өнүгүшүн талдадык. Илимий изилдөөлөрдүн убактылуу бөлүштүрүлүшү 1-сүрөттө көрсөтүлгөн. Биз 2011-жылдан баштап (30 басылма) басылмалардын тез көбөйгөнүн көрүп жатабыз; ошондуктан биз талдоо мезгилин эки башка этапка бөлүүнү чечтик. Биз 1990-жылдан 2010-жылга чейинки мезгилди куруу стадиясы деп атайбыз, ал жыл сайын болжол менен жети макала жарык көргөн. 2010-жылдан кийинки мезгил өсүү баскычы деп аталды, анткени айыл чарбасындагы дрондук колдонмолорду изилдөө ушул мезгилде экспоненциалдуу өсүшкө күбө болгон. 2010-жылдан кийин басылмалардын көбөйүшү изилдөөчүлөрдүн кызыгуусун арттырып жатканын тастыктайт, бул дрондор аралыктан зонддоштурууда колдонулганын жана так айыл чарбасында колдонулганын чагылдырат (Deng et al., 2018; Maes & Steppe, 2019; Messina & Modica, 2020). ). Тактап айтканда, басылмалардын саны 108-жылы 2013ден 498-жылы 2018ге чейин өсүп, 1,275-жылы 2020ке жеткен. 935-жылдын январынан сентябрдын ортосуна чейин жалпысынан 2021 макала жарыяланган. Андан кийин биз талдообузду өсүү баскычына көбүрөөк бурууну чечтик. бул мезгил айыл чарба учкучсуз акыркы жана маанилүү майда-чүйдөсүнө чейин чагылдырган бери.
Ачкыч сөздөр анализи
Авторлор басылма үчүн тандаган ачкыч сөздөр кагаздын кандайча чагылдырылганына жана илимий коомчулуктун ичинде кандайча жеткирилишине чечүүчү таасир этет. Алар изилдөөнүн негизги предметтерин аныктап, анын гүлдөп же ийгиликсиз болушу мүмкүндүгүн аныктайт (Day & Gastel, 1998; Kim et al., 2016; Uddin et al., 2015). Ачкыч сөздөрдү талдоо, кеңири изилдөө тенденцияларын жана багыттарын ачып берүүчү курал, домендеги бардык тиешелүү басылмалардын ачкыч сөздөрүн түзүүнү билдирет (Dixit & Jakhar, 2021). Учурдагы изилдөөдө биз эң популярдуу темаларды изилдөө үчүн бириктирилген ачкыч сөздөрдү эки топтомго бөлдүк (б.а. 2010 жана 2011–2021-жылга чейин). Муну менен биз эки топтомдогу маанилүү ачкыч сөздөрдү байкай алабыз жана бардык керектүү маалыматтарды чогултканыбызга ишенебиз. Ар бир топтом үчүн эң мыкты он ачкыч сөздөр 3-таблицада келтирилген. Биз дал келбестиктерди “дрон” жана “дрондор” же ушуга окшош эле “Нерселердин интернети” жана “IoT” сыяктуу семантикалык жактан окшош ачкыч сөздөрдү бириктирүү аркылуу жок кылдык.
Таблица 3 эки убакыт аралыгында "учкучсуз учуучу аппарат" "дрон" жана "учкучсуз учуучу аппарат" менен салыштырганда көп колдонулган ачкыч сөз экенин көрсөтүп турат. Ошондой эле, эки мезгилде тең "алыстан зонддоо", "так айыл чарбасы" жана "айыл чарбасы" жогорку орунду ээлейт. Биринчи мезгилде "так айыл чарбасы" бешинчи орунду ээледи, ал эми экинчи мезгилде экинчи орунду ээледи, бул дрондор тактык айыл чарбасына жетишүүдө канчалык маанилүү болуп жатканын көрсөтүп турат, анткени алар мониторинг жүргүзө алышат.
башка алыстан зонддоо жана жердеги системаларга салыштырмалуу аныктоо жана баалоо практикасын тезирээк, арзаныраак жана аткаруу оңой. Ошондой эле, алар зарыл болгон учурда (мисалы, суу же пестициддер) так көлөмүн чачыра алышат (Guo et al., 2020; Inoue, 2020; Panday, Pratihast, et al., 2020).
Эң көп колдонулган ачкыч сөздөрдүн тизмеси.
катар | 1990-2010 | № көрүнүштөр | 2011-2021 | № көрүнүштөр |
1 | учкучсуз аба транспорт | 28 | учкучсуз аба транспорту | 1628 |
2 | аралыктан байкаштыруу | 7 | тактык айыл чарба | 489 |
3 | айыл чарба | 4 | аралыктан байкаштыруу | 399 |
4 | борт | 4 | пилотсуз | 374 |
5 | тактык айыл чарба | 4 | учкучсуз аба системасы | 271 |
6 | учкучсуз аба | 4 | айыл чарба | 177 |
7 | гиперспектралдык сенсор | 3 | терең билим алуу | 151 |
8 | жасалма нейрон тармактар | 2 | машина окутуу | 149 |
9 | автономдуу учуу | 2 | өсүмдүктөр көрсөткүч | 142 |
10 | кофе | 2 | Интернет Жагдай | 124 |
Дагы бир кызыктуу өзгөчөлүгү - кошумча технологиялардын болушу. Биринчи этапта "Гиперспектралдык сенсор" жана "жасалма нейрон тармактары" (ANN) алдыңкы он ачкыч сөздөрдүн катарына кирет. Гиперспектралдык сүрөттөө ар кандай толкун узундуктарында көп сандагы сүрөттөрдү чогултуу менен салттуу сүрөттөөдө революция жасады. Муну менен сенсорлор бир эле учурда мейкиндик жана спектралдык маалыматты көп спектралдык сүрөттөө, спектроскопия жана RGB сүрөттөрүнө салыштырганда чогулта алышат (Adao ˜ et al.,
2017). Биринчи этапта "ANN" жана экинчи этапта "терең үйрөнүү" (DL) жана "машина үйрөнүү" (ML) пайда болушу жарыяланган эмгектердин көпчүлүгү дрондор үчүн AI ыкмаларынын потенциалын изилдөөгө багытталгандыгын билдирет. айыл чарбасына негизделген. Дрондор өз алдынча учууга жөндөмдүү болсо да, алар дагы эле учкучтун катышуусун талап кылат, бул аппараттын интеллектинин төмөн деңгээлин билдирет. Бирок, бул көйгөй кырдаалдык маалымдуулукту жана автономдуу чечимдерди колдоону камсыз кыла турган AI ыкмаларын өркүндөтүүнүн эсебинен чечилиши мүмкүн. AI менен жабдылган учкучсуз учактар навигация учурунда кагылышууларды болтурбай, топуракты жана өсүмдүктөрдү башкарууну жакшыртат (Inoue, 2020) жана адамдардын эмгегин жана стрессин азайтат (BK Sharma et al., 2019).
Ийкемдүүлүгүнөн жана чоң көлөмдөгү сызыктуу эмес маалыматтарды иштетүүгө жөндөмдүүлүгүнөн улам, AI ыкмалары болжолдоо жана чечим кабыл алуу үчүн дрондор жана башка алыстан зонддоо жана жердеги системалар аркылуу берилүүчү маалыматтарды талдоо үчүн ылайыктуу методдор болуп саналат (Ali et al., 2015; Инуэ, 2020). Андан тышкары, экинчи мезгилде "IoT" болушу анын айыл чарбадагы ролун көрсөтүп турат. IoT башка технологияларды, анын ичинде дрондорду, ML, DL, WSN жана чоң маалыматтарды өз ара байланыштырып, айыл чарбасын революция кылып жатат. IoTди ишке ашыруунун негизги артыкчылыктарынын бири анын ар кандай тапшырмаларды (маалыматтарды алуу, маалыматтарды талдоо жана иштетүү, чечимдерди кабыл алуу жана ишке ашыруу) жакын реалдуу убакытта эффективдүү жана натыйжалуу бириктирүү жөндөмдүүлүгү болуп саналат (Elijah et al., 2018; Feng et al. , 2019; Muangprathub et al., 2019). Андан тышкары, дрондор өсүмдүктөрдүн күчүн жана өсүмдүктөрдүн касиеттерин эсептөө үчүн зарыл болгон маалыматтарды алуу үчүн эффективдүү курал болуп эсептелет (Candiago et al., 2015). 2a жана 2b-сүрөттөр эки убакыт аралыгындагы ачкыч сөздүн ко-корренттик тармактарын көрсөтөт.
Таасирдүү авторлор
Бул бөлүмдө биз таасирдүү авторлорду аныктайбыз жана автордук цитата тармактары учурдагы адабияттарды кантип визуализациялап, уюштура аларын карап чыгабыз. 3-сүрөттө цитаталардын эң көп саны бар бардык изилдөөчүлөрдүн хронологиялык катмары көрсөтүлгөн. Түс шкаласы авторлордун цитаталарынын жыл бою өзгөрүшүн чагылдырат. Биз айыл чарба дрондору боюнча изилдөөлөрдү жарыялаган изилдөөчүлөрдүн цитата түзүмүн эң аз дегенде 50 цитата жана он жарыялоо босогосун колдонуу менен карап чыгабыз. Ичинен
12,891 115 автор, 4и гана бул шартка жооп берген. 1,963-таблицада цитаталардын максималдуу саны боюнча иргелген он таасирдүү авторлордун тизмеси келтирилген. Лопес-Гранадос Ф. 1,909 цитата менен тизмени жетектейт, андан кийин XNUMX цитата менен Зарко-Тежада П.Ж.
Эң көп шилтеме берилген авторлордун тизмеси.
рейтинг | Author | Шилтемелер |
1 | Лопес-Гранадос Ф. | 1,963 |
2 | Зарко-Тежада PJ | 1,909 |
3 | Пена ˜ JM | 1,644 |
4 | Торрес-С´ анчес Дж. | 1,576 |
5 | Феререс Э | 1,339 |
6 | Ремондино Ф | 1,235 |
7 | Болтен А | 1,160 |
8 | Барет Г | 1,155 |
9 | Берни Ж.А | 1,132 |
10 | де Кастро AI | 1,036 |
Жеке басылмаларга келгенде, Zhang and Kovacs (2012) макаласы Precision Agriculture журналында жарыяланган эң көп шилтемеленген изилдөө болуп калды. Бул жерде, авторлор так айыл чарбасында UAS колдонууну карап чыкты. Алардын изилдөөлөрүнүн тыянактары фермерлерди ишенимдүү акыркы продуктулар менен камсыз кылуу үчүн платформанын дизайнын, өндүрүшүн, сүрөттүн геореференциясын стандартташтыруу жана маалымат издөө процессин өркүндөтүү зарылдыгын көрсөтүп турат. Кошумчалай кетсек, алар фермерди өзгөчө талааны пландаштырууда, сүрөт тартууда, ошондой эле маалыматтарды чечмелөөдө жана талдоодо көбүрөөк тартууну сунушташат. Маанилүү нерсе, бул изилдөө талаа картасын түзүү, күч картасын түзүү, химиялык мазмунду өлчөө, өсүмдүктөрдүн стрессине мониторинг жүргүзүү жана жер семирткичтердин өсүмдүктөрдүн өсүшүнө таасирин баалоодо УНАнын маанилүүлүгүн көрсөткөн биринчилерден болду. Технологияга байланыштуу кыйынчылыктарга ошондой эле тыюу салуучу чыгымдар, сенсордук жөндөм, платформанын туруктуулугу жана ишенимдүүлүгү, стандартташтыруунун жоктугу жана чоң көлөмдөгү маалыматтарды анализдөөнүн ырааттуу процедурасы кирет.
Цитата талдоо
Цитата анализи макалалардын таасирин изилдөөнү билдирет, бирок агымдарга жакын болсо да (мисалы, цитаталоо, өзүн-өзү цитата кылуу) таасирди баалоонун стандарттык инструменттеринин бири болуп эсептелет (Osareh, 1996; A. Rejeb et al., 2022; Sarli et al., 2010). Цитаталар ошондой эле белгилүү бир темадагы адабиятка эмгектердин кошкон салымдарынын маанилүүлүгүн жана жандуулугун чагылдырат (R. Sharma et al., 2022). Биз айыл чарба дрондору боюнча эң таасирдүү изилдөөлөрдү аныктоо үчүн цитата талдоо жүргүздүк жана мазмунун жыйынтыктап чыктык. 5-таблицада 1990–2010 жана 2011–2021-жылдардагы эң таасирдүү он беш кагаздын тизмеси келтирилген. Берни жана башкалардын макалалары. (2009)b жана Остин (2010) 1990 жана 2010-жылдары эң көп цитата келтирилген, тиешелүүлүгүнө жараша 831 жана 498 цитата келтирилген. Берни жана башкалар. (2009) b арзан жылуулук жана тар тилкелүү мультиспектрдик сүрөттөө сенсорлору менен жабдылган тик учакка негизделген УАВ аркылуу сандык аралыктан зонддоо өнүмдөрүн иштеп чыгуу мүмкүнчүлүгүн сүрөттөгөн. Салттуу башкарылуучу аба датчиктерине салыштырмалуу, айыл чарбасы үчүн арзан баадагы UAV системасы түшүмдүн биофизикалык параметрлерин салыштырууга болот, эгер жакшыраак болбосо. Жеткиликтүү баалар жана оперативдүү ийкемдүүлүк, ошондой эле жогорку спектрдик, мейкиндик жана убактылуу резолюциялар менен бирге, тез өзгөрүү убагында, УАВларды убакытты талап кылган башкарууну, анын ичинде сугаттын графигин жана так дыйканчылыкты талап кылган бир катар колдонмолорго ылайыктуу кылат. Берни жана башкалар. (2009)b айыл чарба колдонмолору үчүн керектүү калибрлөө механизмдери менен учкучсуз айлануучу канат платформасын жана санариптик жана жылуулук датчиктерин эффективдүү бириктиргендиктен жогору келтирилген. Экинчи эң көп цитаталанган басылма Остин (2010) жазган китеп болуп саналат, ал УАВларды долбоорлоо, өнүктүрүү жана жайылтуу перспективаларынан талкуулаган. Айыл чарбасында учкучсуз учактар түшүмдүн түсүн өзгөртүү аркылуу илдеттерди эрте аныктоо, эгин себүүнү жана чачууну жеңилдетүү, ошондой эле үйүрлөрдү көзөмөлдөө жана айдоо аркылуу түшүмдүн мониторингин колдойт.
Салливан жана башкалардын изилдөөлөрү. (2007), Lumme et al. (2008), жана Гокто ¨ ǧan et al. (2010) эң көп цитата келтирилген он беш макаланын тизмесин бүтүргөн. Бул макалалар айыл чарбасын колдоо үчүн UAV негизиндеги системаларды иштеп чыгууну сүрөттөйт. Алар түшүмдү көзөмөлдөө жана сканерлөө, отоо чөптөрдү көзөмөлдөө жана башкаруу, ошондой эле чечимдерди колдоо сыяктуу ар кандай көйгөйлөрдү чечүү жолдорун сунуштайт. Алар ошондой эле үлгү алуунун натыйжалуулугун жогорулатуу жана фермерлерге так жана натыйжалуу иштеп чыгууга жардам берүү үчүн UAV жөндөмүн сунушташат жана талкуулашат.
отургузуу стратегиялары. Берни эки документтин автору болгон (Berni et al., 2009b; Berni et al., 2009a), анын айыл чарба дрон менен байланышкан изилдөөлөргө олуттуу таасирин баса белгилеген. Зарко-Тежада жана башкалардан кагаз. (2014) дарактын бийиктигин сандык аныктоодо арзан баадагы UAV сүрөттөрүн колдонуу зарылдыгын көрсөтүү үчүн пионердик изилдөөлөрдүн бири болгон.
Эң көп шилтеме берилген басылмалардын тизмеси.
катар | 1990 From 2010 үчүн | 2011 From 2021 үчүн | ||
документ | эсептөө | документ | эсептөө | |
1 | (Berni et al., 2009b) | 831 | (C. Zhang & Kovacs, 2012) | 967 |
2 | (Остин, 2010) | 498 | (Nex & Remondino, 2014) | 893 |
3 | (Hunt et al., 2010) | 331 | (Флореано жана Вуд, 2015) | 552 |
4 | (SR Herwitz жана башкалар, 2004) | 285 | (Хоссейн Мотлаг жана башкалар, 2016) | 391 |
5 | (CCD Lelong et al., 2008) | 272 | (Shakhatreh et al., 2019) | 383 |
6 | (Berni et al., 2009b) | 250 | (Ма ж.б., 2017) | 373 |
7 | (Grenzdorffer ¨ ж.б., 2008) | 198 | (Бендиг ж.б., 2014) | 360 |
8 | (Hrabar et al., 2005) | 175 | (Зарко-Тежада жана башкалар, 2014) | 347 |
9 | (Y. Huang ж.б., 2009) | 129 | (Ад˜ ao ж.б., 2017) | 335 |
10 | (Schmale III жана башкалар, 2008) | 119 | (Хонкаваара жана башкалар, 2013) | 331 |
11 | (Абд-Элрахман жана башкалар, 2005) | 79 | (Candiago et al., 2015) | 327 |
12 | (Techy et al., 2010) | 69 | (Xiang & Tian, 2011) | 307 |
13 | (Sullivan et al., 2007) | 51 | (Matese et al., 2015) | 303 |
14 | (Lumme et al., 2008) | 42 | (Гаго ж.б., 2015) | 275 |
15 | (Gokto ¨ ǧan et al., 2010) | 40 | (Aasen et al., 2015a) | 269 |
Экинчи мезгилде (2011–2021), Чжан жана Ковачтын (2012) жана Некс жана Ремондинонун (2014) изилдөөлөрү эң көп цитата келтирилген басылмаларды түздү. Zhang and Kovacs (2012) так айыл чарбасы географиялык маалымат тутумдары, GPS жана алыстан зонддоо сыяктуу геомейкиндиктик техникаларды жана сенсорлорду ишке ашыруудан, талаадагы вариацияларды кармап калуу жана альтернативалуу стратегияларды колдонуу менен аларды чечүү үчүн пайда көрүшү мүмкүн деп ырасташат. Дрондордун кабыл алынышы тактыктагы айыл чарбасындагы оюн өзгөрткөндүктөн, алыстан зонддоодо жаңы доорду жар салды, абадан байкоо жүргүзүүнү жөнөкөйлөттү, түшүмдүн өсүү маалыматтарын, кыртыштын шарттарын жана чачуу аймактарын басып алды. Zhang and Kovacs (2012) обзору чоң мааниге ээ, анткени ал айлана-чөйрөнү көзөмөлдөөдө жана так айыл чарбасында бул түзмөктөрдүн учурдагы колдонулушун жана көйгөйлөрүн, мисалы платформа жана камеранын чектөөлөрү, маалыматтарды иштетүү көйгөйлөрү, фермерлердин катышуусу жана авиациялык эрежелерди ачып берүү менен УУАлар жөнүндө түшүнүктөрдү сунуш кылат. . Экинчи
Nex and Remondino (2014) тарабынан жасалган эң көп келтирилген изилдөө жер бетиндеги сүрөттөрдү тартуу, иштетүү жана талдоо үчүн UAVлардын искусствосунун абалын карап чыккан.
Алардын иши ошондой эле бир нече UAV платформаларына, тиркемелерине жана колдонуу учурларына сереп салып, UAV сүрөттөрүн иштетүүдөгү эң жаңы жетишкендиктерди көрсөттү. Айыл чарбасында фермерлер чыгымдарды жана убакытты үнөмдөө үчүн эффективдүү чечимдерди кабыл алуу, келтирилген зыяндын тез жана так эсебин алуу жана мүмкүн болуучу көйгөйлөрдү алдын ала билүү үчүн UAVларды колдонушу мүмкүн. Кадимки аба платформаларынан айырмаланып, учкучсуз учактар жогорку тактык потенциалын сактап, операциялык чыгымдарды азайтып, катаал жерлерде кирүү коркунучун азайтат. Алардын иш кагазы, айрыкча, тактык жана чечкиндүүлүк жагынан УУАлардын ар кандай артыкчылыктарын жалпылайт.
2011-2021-жылдардагы эң көп шилтеме берилген он үч басылманын ичинен биз сүрөттөө миссияларында дрондук колдонмолорго байланышкан изилдөөлөргө көбүрөөк топтолгондугун байкадык (Bendig et al., 2014; Ma et al., 2017; Zarco-Tejada et al., 2014) , так айыл чарбасы (Candiago et al., 2015; Honkavaara et al., 2013a), тактык жүзүмчүлүк (Matese et al., 2015), суунун стрессине баа берүү (Gago et al., 2015) жана өсүмдүктөрдүн мониторинги (Aasen et al. , 2015a). Алгачкы жылдары изилдөөчүлөр көңүл бурушкан
айыл чарбасы үчүн арзан, жеңил жана так учуучу авиациянын негизиндеги системаларды иштеп чыгуу боюнча көбүрөөк; акыркы изилдөөлөр айыл чарба жана талаа изилдөөлөр үчүн UAV колдонмолорду карап чыгууга көбүрөөк багытталган. Жыйынтыктап айтканда, бул талдоо көрсөткөндөй, таасирдүү басылмалар негизинен УУАлардын учурдагы илимий жана технологиялык абалына баа берүү үчүн мурунку изилдөөлөрдүн сын-пикирлерин жана так айыл чарбасын колдоо үчүн иштелип чыккан UAV системаларын берген. Кызыктуусу, биз эмпирикалык изилдөөлөрдү таба алган жокпуз
методологиялар же сыпаттоочу мисалдар, бул олуттуу билим боштугун түзөт жана бул тема боюнча көбүрөөк изилдөөнү талап кылат.
Ко-цитаталарды талдоо
Gmür (2006) айтымында, биргелешкен цитаталарды талдоо окшош басылмаларды аныктайт жана аларды кластерлейт. Кластерди кылдаттык менен карап чыгуу басылмалардын арасында жалпы изилдөө тармагын ачып бере алат. Биз айыл чарба дрондоруна тиешелүү адабияттардын биргелешкен цитаталарын изилдеп, тиешелүү предметтик тармактарды иллюстрациялоо жана басылмалардын интеллектуалдык үлгүлөрүн аныктоо үчүн. Ушуга байланыштуу Small (1973) эң таасирдүү жана негизги изилдөөлөрдү изилдөө үчүн коцитациялык анализди колдонууну сунуштады.
дисциплинанын ичинде. Топтомду эң негизги макалалар менен чектөө үчүн (Гойал жана Кумар, 2021), биз 25 же андан көп ар түрдүү басылмалардын шилтемелер тизмесинде эки макала чогуу келтирилген болушу керек дегенди билдирет, 25 цитата босогосун койдук. Кластерлөө ошондой эле минималдуу кластердин өлчөмү 1 менен жана кичине кластерлерди чоңураактары менен бириктирүү үчүн эч кандай ыкмасыз жүргүзүлдү. Натыйжада, изилдөөлөрдүн окшоштугу жана алардын интеллектуалдык түзүмүнүн негизинде алты кластер түзүлдү. 6-таблицада ар бир кластер боюнча басылмалардын бөлүштүрүлүшү көрсөтүлгөн.
1-кластер: Бул кластер бул кластердеги басылмаларда курчап турган чөйрөгө мониторинг жүргүзүүдө, өсүмдүктөрдү башкарууда жана отоо чөптөрдү башкарууда дрондордун ролу талкуулангандан кийин жарыяланган он сегиз документти камтыйт. Мисалы, Manfreda et al. (2018) табигый айыл чарба экосистемасынын мониторингинде UAVдын учурдагы изилдөөлөрү жана ишке ашырылышы жөнүндө жалпы маалымат берет жана технология курчап турган чөйрөнүн мониторингин кескин түрдө жогорулатуу жана азайтуу үчүн зор потенциалды сунуш кылат деп ырасташат.
талаада байкоо жүргүзүү менен кадимки аба жана космостук аралыктан зонддоо ортосунда орун алган ажырым. Бул жакшыртылган убактылуу издөө жана чоң аймактарга мейкиндик түшүнүгү үчүн жаңы мүмкүнчүлүктөрдү арзан баада сунуштоо аркылуу жасалышы мүмкүн. UAV дайыма айлана-чөйрөнү сезип, натыйжада маалыматтарды оорунун же сууну аныктоонун жетишсиздиги сыяктуу көйгөйлөрдү аныктоо үчүн сенсорлорду башкарган акылдуу, борборлоштурулган/децентралдаштырылган объекттерге жөнөтө алат (Padua ´ et al., 2017). Adao ˜ et al. (2017) пилотсуз учактар суунун абалына, биомассаны баалоого жана күчкө баа берүү менен байланышкан ири көлөмдөгү чийки маалыматтарды алуу менен өсүмдүктөрдүн шарттарын баалоо үчүн идеалдуу деп эсептешет. UAV орнотулган сенсорлор ошондой эле алыскы зондоо маалыматтарын өз убагында басып алууга мүмкүндүк берүү үчүн тийиштүү экологиялык шарттарда тез арада жайгаштырылышы мүмкүн (Von Bueren et al., 2015). УАлардын жардамы менен фермерлер үй чарбалык чөйрөлөрүнүн үч өлчөмдүү мейкиндигинде (мисалы, күнөсканалар) дээрлик каалаган жерден өлчөөлөрдү алуу менен ички чарбалык иш-аракеттерди жүргүзө алышат, ошону менен жергиликтүү климаттык контролду жана өсүмдүктөрдүн мониторингин камсыздай алышат (Ролдан ´ et al. ., 2015). Тактыктын контекстинде
айыл чарба, өсүмдүктөрдү башкаруу чечимдери тиешелүү убактылуу жана мейкиндик резолюциясы менен так, ишенимдүү өсүмдүк маалыматтарын талап кылат (Gebbers & Adamchuk, 2010; Gevaert et al., 2015; Maes & Steppe, 2019). Ушул себептен улам, Aguera Vega et al. (2015) вегетация мезгилинде күн карама түшүмүнүн сүрөттөрүн алуу үчүн UAV орнотулган мультиспектралдык сенсор системасын колдонушкан. Ошо сыяктуу эле, Huang et al. (2009) учкучсуз учуучу аппараттардын негизинде алыстан зонддоо чогултулган спектрдик маалыматтардан түшүмдөрдү жана топуракты өлчөөнү жеңилдете аларын белгилешет. Вергер жана башкалар. (2014) буудай жана рапс өсүмдүктөрүнө басым жасап, так айыл чарба колдонмолорунда UAV чагылтуу өлчөөлөрүнөн жашыл аймактын индексин (GAI) баалоо ыкмасын иштеп чыккан жана сынаган. Ошондуктан, учкучсуз учактар тез-тез кайталанып турган жана жогорку мейкиндик резолюциясы менен өсүмдүк абалынын маалыматын алуу үчүн жаңы мүмкүнчүлүктөрдү берет (Dong et al., 2019; Garzonio et al., 2017; H. Zheng et al., 2016).
Айыл чарба дрондоруна таасирдүү басылмаларды топтоо.
Cluster | Кеңири тема | шилтемелер |
1 | Айлана-чөйрөнү көзөмөлдөө, өсүмдүк башкаруу, отоо чөптөрдү жок кылуу | (Ад˜ ao et al., 2017; Агуера Вега ж.б., 2015; де Кастро ж.б., 2018; Гомес-Канд ' on ' et al., 2014; YB Huang et al., 2013; Khanal жана башкалар. 2017; Лопес-Гранадос, ' 2011; Manfreda et al., 2018; П´ adua ж.б., 2017; Пена ˜ et al., 2013; Перез-Ортис ж.б., 2015; Rasmussen et al., 2013, 2016; Торрес-С´ anchez et al., 2014; Торрес-Санчес, "Лопес-Гранадос," & Пена, ˜ 2015; Verger et al., 2014; Фон Bueren et al., 2015; C. Zhang & Ковач, 2012) |
2 | Алыстан фенотиптөө, түшүмдүүлүк баалоо, өсүмдүк бетинин модели, өсүмдүктөрдү эсептөө | (Бендиг ж.б., 2013, 2014; Гейпел ж.б., 2014; Gnadinger ¨ & Шмидхальтер, 2017; Хаҥатталаб ж.б., 2016; Holman et al., 2016; Джин ж.б., 2017; W. Li et al., 2016; Maimaitijiang et al., 2017; Санкаран ж.б., 2015; Schirrmann et al., 2016; Shi et al., 2016; Yue et al., 2017; X. Zhou et al., 2017) |
3 | Суу үчүн термикалык сүрөт, мультиспектралдык сүрөттөө | (Baluja et al., 2012; Berni et al., 2009b; Berni et al., 2009a; Кандиаго ж.б., 2015; Gago et al., 2015; Gonzalez-Dugo et al., 2013, 2014; Grenzdorffer ¨ et al., 2008; Khaliq ж.б., 2019; Matese et al., 2015; Ribeiro-Gomes et al., 2017; Santesteban et al., 2017; Уто жана башкалар, 2013) |
4 | Гиперсектралдык сүрөттөө, спектралдык сүрөт иштетүүчү | (Aasen et al., 2015a; Bareth et al., 2015; Hakala et al., 2013; Honkavaara et al., 2013a; Lucieer ж.б., 2014; Saari et al., 2011; Suomalainen et al., 2014) |
5 | 3D-карталоо колдонмолору | (Jim'enez-Brenes ж.б., 2017; Nex & Ремондино, 2014; Salamí жана башкалар. 2014; Торрес-С´ анчес, Лопес- ' Гранадос, Серрано, ж.б., 2015; Zahawi et al., 2015; Зарко-Тежада .Удаалаш., 2014) |
6 | Айыл чарба көзөмөлү | (SR Herwitz et al., 2004; Hunt ж.б., 2010; CCD Lelong et al., 2008; Primicerio et al., 2012; Xiang & Тянь, 2011) |
Мындан тышкары, дрондор айыл чарбасындагы татаал тапшырмаларды аткаруу үчүн пайдалуу, анын ичинде отоо чөптөрдү картага түшүрүү. Түзмөктөр тарабынан тартылган сүрөттөр талааларда отоо чөптөрдү эрте аныктоо үчүн пайдалуу экендигин далилдеди (де Кастро ж.б., 2018; Jim'enez-Brenes et al., 2017; Lam et al., 2021; Lopez-Granados ' et al., 2016; Rozenberg et al., 2021). Бул жагынан де Кастро жана башкалар. (2018) UAV сүрөттөрү менен Объектке негизделген сүрөт анализинин (OBIA) бириктирилиши практиктерге отоо чөптөрдү изилдөөдө алдыга чоң кадам болгон эрте сезондогу чөп өсүмдүктөрүн эрте аныктоону автоматташтыруу маселесин жеңүүгө мүмкүндүк берди. Ошо сыяктуу эле, Pena ˜ et al. (2013) OBIA процедурасы менен бирге UAVдан ультра жогорку мейкиндиктик резолюциядагы сүрөттөрдү колдонуу эрте жүгөрү өсүмдүктөрүндө отоо чөптөрдүн карталарын түзүүгө мүмкүндүк берет, алар сезондо отоо чөпкө каршы иш-чараларды ишке ашырууну пландаштырууда колдонулушу мүмкүн, спутниктик жана салттуу аба сүрөттөрүнүн мүмкүнчүлүктөрүнөн тышкары милдет. Сүрөттөрдү классификациялоо же объектти аныктоо алгоритмдерине салыштырмалуу семантикалык сегментациялоо ыкмалары отоо чөптөрдү картага түшүрүү тапшырмаларында натыйжалуураак (J. Deng et al., 2020), ошентип фермерлерге талаа шарттарын аныктоого, жоготууларды азайтууга жана вегетация мезгилиндеги түшүмдүүлүктү жакшыртууга мүмкүндүк берет (Рамеш ж.б., 2020). Терең үйрөнүүгө негизделген семантикалык сегментация ошондой эле жогорку резолюциядагы аба сүрөттөрүнөн өсүмдүктөрдүн катмарын так өлчөөнү камсыздай алат (Ramesh et al., 2020; A. Zheng et al., 2022). Алыскы мүмкүнчүлүктөрүнө карабастан
пикселдик классификацияны сезүү, семантикалык сегментациялоо ыкмалары олуттуу эсептөөнү жана өтө жогору GPU эс тутумун талап кылат (J. Deng et al., 2020).
Машина үйрөнүү жана UAV негизинде, P´erez-Ortiz et al. (2015) дыйкандар пайда болгондон кийинки отоо чөпкө каршы күрөштү колго алганда, сайттын өзгөчө стратегиясын камсыз кылуу үчүн отоо чөптөрдүн картасын түзүү ыкмасын сунуштаган. Акырында, Расмуссен жана башкалар. (2013) дрондор мейкиндиктин чечүүчү ийкемдүүлүгү менен арзан сезүүнү камсыз кылаарын баса белгиледи. Жалпысынан, бул кластердеги басылмалар аралыктан зонддоону, өсүмдүктөргө мониторинг жүргүзүүнү жана отоо чөптөрдү картографиялоону колдоо үчүн УУАлардын мүмкүнчүлүктөрүн изилдөөгө багытталган. Кошумча тереңдетилген изилдөөлөр курчап турган чөйрөнү көзөмөлдөөдө, өсүмдүктөрдү башкарууда жана отоо чөптөрдү картага түшүрүүдө дрондук тиркемелер кантип туруктуу айыл чарбасына жетише аларын изилдөө үчүн зарыл (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018) жана өсүмдүктөрдү камсыздандыруу колдонмолорунда бул технологиянын башкаруу маселелерин чечет (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). Изилдөөчүлөр иштелип чыккан маалыматтардын эң жогорку сапатын жогорулатуу үчүн эффективдүү иштетүү ыкмалары менен чогулган өлчөөлөрдү UAV текшерүүгө топтошу керек (Manfreda et al., 2018). Мындан тышкары, санариптик сүрөттөрдө отоо чөптөрдү көрсөткөн пикселдерди тааныган жана UAV отоо чөптөрдү картага түшүрүү учурунда тиешеси жок фонду жок кылган ылайыктуу алгоритмдерди иштеп чыгуу зарыл (Gaˇsparovi´c et al., 2020; Hamylton et al., 2020; H. Huang et al. , 2018, 2020; Lopez- ´ Granados et al., 2016). Өсүмдүктөрдү таанууда, жалбырактарды классификациялоодо жана оорулардын картасын түзүүдө семантикалык сегментациялоо ыкмаларын колдонуу боюнча кошумча изилдөөлөр кабыл алынат (Fuentes-Pacheco et al., 2019; Kerkech et al., 2020).
Кластер 2. Бул кластердеги басылмалар айыл чарба дрондорунун бир нече аспектилерине багытталган. Алыскы фенотипке байланыштуу, Sankaran et al. (2015) талаадагы түшүмдөрдү тез фенотиптөө үчүн УУА менен төмөн бийиктикте, жогорку резолюциядагы абадан сүрөт тартууну колдонуу мүмкүнчүлүгүн карап чыгышты жана алар жер үстүндөгү сезгич платформаларга салыштырмалуу, адекваттуу сенсорлору бар кичинекей UAV бир нече артыкчылыктарды сунуштайт деп ырасташат. , мисалы, талаага оңой жетүү, жогорку чечилиштеги маалыматтар, натыйжалуу маалыматтарды чогултуу,
талаанын өсүү шарттарына тез баа берүү, жана төмөнкү операциялык чыгымдар. Бирок, авторлор ошондой эле талаа фенотиптөө үчүн UAV эффективдүү колдонулушу эки негизги элементке, тактап айтканда, UAV өзгөчөлүктөрүнө (мисалы, коопсуздук, туруктуулук, позициялоо, автономия) жана сенсордук мүнөздөмөлөргө (мисалы, резолюция, салмак, спектрдик толкун узундуктары, талаа) таянарын белгилешет. көрүү). Хагигатталаб жана башкалар. (2016) UAV сүрөттөрүнөн сюжеттик деңгээлдеги маалыматтарды алуу жана асылдандыруу процессин тездетүү үчүн жарым автоматташтырылган сүрөт иштетүүчү түтүктү сунуш кылган. Холман жана башкалар. (2016) жогорку деңгээлде иштеп чыккан
өткөрүү жөндөмдүүлүгүн талаа фенотиптөө системасы жана UAV сапаттуу, көлөмдүү, талаага негизделген фенотиптик маалыматтарды чогулта аларын жана аппарат чоң аймактарда жана ар кандай талаа жерлеринде натыйжалуу экенин баса белгиледи.
Түшүмдүүлүктү баалоо укмуштуудай маанилүү маалымат болгондуктан, айрыкча, өз убагында жеткиликтүү болгондо, учкучсуз авиациянын бардык талаа өлчөөлөрүн камсыз кылуу жана жогорку сапаттагы маалыматтарды натыйжалуу алуу мүмкүнчүлүгү бар (Daakir et al., 2017; Demir et al., 2018). ; Enciso et al., 2019; Kulbacki et al., 2018; Pudelko et al., 2012). Бул жагынан Джин жана башкалар. (2017) пайда болуу стадиясында буудай өсүмдүктөрүнүн тыгыздыгын баалоо ыкмасын иштеп чыгуу жана баалоо үчүн өтө төмөн бийиктикте УУАлар тарабынан алынган жогорку резолюциядагы сүрөттөрдөн пайдаланган. Авторлордун пикири боюнча, UAV камералар менен жабдылган ровердик системалардын чектөөлөрүн жеңет жана айыл чарба өсүмдүктөрүнүн өсүмдүктөрүнүн тыгыздыгын баалоо үчүн инвазивдүү эмес ыкма болуп саналат, бул фермерлерге кыртыштын кыймылдуулугуна көз карандысыз талаа фенотипинде зарыл болгон жогорку өткөрүү жөндөмдүүлүгүнө жетишүүгө мүмкүндүк берет. Ли жана башкалар. (2016) жүгөрү параметрлерин, анын ичинде чатырдын бийиктигин жана жер үстүндөгү биомассаны баалоо үчүн UAV негизиндеги тутумдун жардамы менен өтө жогорку чечим менен жүздөгөн стерео сүрөттөрдү чогулткан. Акырында, Yue et al. (2017) учкучсуз учуучу аппараттардан аныкталган түшүмдүн бийиктиги жер үстүндөгү биомассаны (AGB) баалоону күчөтө аларын аныкташкан.
Өсүмдүктөрдүн өсүшүнө мониторинг жүргүзүү ыкмасы - бул өсүмдүк бетинин моделдерин иштеп чыгуу идеясы (Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021). Бир нече изилдөөлөр өсүмдүктөрдүн бийиктигин жана алардын өсүшүн көзөмөлдөө үчүн UAVдан алынган сүрөттөрдүн максатка ылайыктуулугун баса көрсөттү. Мисалы, Бендиг жана башкалар. (2013) UAV колдонуу менен 0.05 м кем өтө жогорку токтому менен көп убакыт өсүмдүк бетинин моделдерин иштеп чыгуу сүрөттөлгөн. Алар түшүмдү аныктоого багытталган
өсүү өзгөрүлмөлүүлүгү жана анын өсүмдүктөрдү дарылоого, сортко жана стресске көз карандылыгы. Бендиг жана башкалар. (2014) өсүмдүктөрдүн үстүнкү моделдеринен алынган өсүмдүктүн бийиктигине негизделген жаңы жана кургак биомассаны баалоо үчүн UAVдарды колдонгон жана абадагы платформалардан жана жер үстүндөгү лазердик сканерлөөдөн айырмаланып, УУАлардын жогорку резолюциядагы сүрөттөрү ар кандай өсүш үчүн өсүмдүктүн бийиктигин моделдөөнүн тактыгын олуттуу жогорулата аларын аныкташкан. этаптары. Ушул эле багытта Гейпел жана башкалар. (2014) сүрөттөрдү алуу үчүн өз изилдөөлөрүндө UAV колдонушкан
Жүгөрү данынын түшүмдүүлүгүн үч түрдүү өсүү фазасында сезондун ортосуна чейин болжолдоо үчүн маалымат топтомдору жана абадан сүрөттөрдүн жана өсүмдүк бетинин моделдеринин негизинде спектрдик жана мейкиндик моделдөөнүн айкалышы сезондун орто чениндеги жүгөрү түшүмдүүлүгүн болжолдоо үчүн ылайыктуу ыкма деген тыянакка келишкен. Акыр-аягы, Gnadinger ¨ жана Schmidhalter (2017) тактык фенотиптөөдө UAV пайдалуулугун изилдеп, бул технологияны колдонуу чарба башкарууну жакшыртуу жана асыл тукум жана агрономиялык максаттар үчүн талаа экспериментин жүргүзүүгө мүмкүндүк бере аларын баса белгилешти. Жалпысынан, биз 2-кластердеги басылмалар алыскы учкучсуз учактардын негизги артыкчылыктарына көңүл бурганын байкап жатабыз.
фенотиптөө, түшүмдүүлүктү баалоо, өсүмдүктөрдүн үстүн моделдөө жана өсүмдүктөрдү эсептөө. Келечектеги изилдөөлөр алыскы фенотиптөөнүн жаңы ыкмаларын иштеп чыгуу менен тереңирээк казып алат, алар алыстан сезилген маалыматтарды иштетүүнү автоматташтырат жана оптималдаштырат (Barabaschi et al., 2016; Liebisch et al., 2015; Mochida et al., 2015; S. Zhou et al. ., 2021). Кошумчалай кетсек, учкучсуз учуучу аппараттарга орнотулган IoT сенсорлорунун иштеши жана алардын чыгымдарынын, эмгегинин жана кирешелүүлүгүн баалоонун тактыгынын ортосундагы келишпестикти изилдөө керек.
келечек (Ju & Son, 2018a, 2018b; Xie & Yang, 2020; Yue et al., 2018). Акыр-аягы, ишенимдүү маалыматты түзө турган, айыл чарба өндүрүшүндө максималдуу эффективдүүлүктү арттыра турган жана фермерлердин кол менен эсептөө иштерин минималдаштырууга мүмкүндүк берген эффективдүү сүрөттөрдү иштетүү ыкмаларын иштеп чыгуу зарыл (RU Khan et al., 2021; Koh et al., 2021; Lin; Lin & Гуо, 2020; C. Zhang et al., 2020).
3-кластер. Бул кластердеги басылмалар UAV платформаларында колдонулган айыл чарба ресурстарын алыстан зонддоо үчүн сүрөттөө системаларынын ар кандай түрлөрүн талкуулайт. Бул жагынан алганда, термикалык сүрөттөө өсүмдүктөрдүн зыянын алдын алуу жана кургакчылык стрессти эрте аныктоо үчүн жер бетинин температурасын көзөмөлдөөгө мүмкүндүк берет (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017; Yeom, 2021). Балужа жана башкалар. (2012) бортунда мультиспектралдык жана термикалык камераларды колдонууну ырастады
UAV изилдөөчүлөргө жогорку резолюциядагы сүрөттөрдү алууга жана жүзүм бактарынын суунун абалын баалоого мүмкүндүк берди. Бул алыстан байкоо маалыматтарын колдонуу менен сууну пландаштыруунун жаңы моделдерин иштеп чыгуу үчүн пайдалуу болушу мүмкүн (Baluja et al., 2012). Себеби
УУАлардын чектелген жүк көтөрүмдүүлүгү, Рибейро-Гомес жана башкалар. (2017) заводдордогу суунун стрессин аныктоо үчүн муздатылбаган жылуулук камераларын UAVSга интеграциялоону карап чыгышкан, бул УНААнын бул түрүн салттуу спутникке негизделген алыстан зонддоо жана муздатылган жылуулук камералары менен жабдылган UAVларга караганда натыйжалуураак жана жашоого жөндөмдүү кылат. Авторлордун айтымында, муздатылбаган термикалык камералар муздатылган камераларга караганда жеңилирээк болгондуктан, тиешелүү калибрлөө талап кылынат. Гонсалес-Дюго жана башкалар. (2014) термикалык сүрөттөр суунун абалын баалоо жана цитрус бактарынын арасында жана ичиндеги суунун стрессинин санын аныктоо үчүн өсүмдүктөрдүн суунун стресс индекстеринин мейкиндик карталарын эффективдүү түзөрүн көрсөттү. Гонсалес-Дюго жана башкалар. (2013) жана Santesteban et al. (2017) коммерциялык бакчанын жана жүзүмзардын суунун абалынын өзгөрмөлүүлүгүн баалоо үчүн жогорку резолюциядагы UAV жылуулук сүрөтүн колдонууну изилдеген.
Мультиспектралдык сүрөттөө салттуу RGB (Кызыл, Жашыл жана Көк) сүрөттөрүнө салыштырмалуу чоң маалыматтарды бере алат (Ad˜ ao et al., 2017; Navia et al., 2016). Бул спектрдик маалыматтар мейкиндик маалыматтары менен бирге классификация, картага түшүрүү, болжолдоо, болжолдоо жана аныктоо максаттарында жардам бере алат (Berni et al., 2009b). Кандиаго жана башкалар боюнча. (2015), UAV негизинде multispectral сүрөт ишенимдүү жана натыйжалуу ресурс катары түшүмдү баалоо жана так айыл чарба үчүн массалык салым кошо алат. Ошондой эле,
Халык жана башкалар. (2019) спутниктик жана UAV негизиндеги мультиспектралдык сүрөт тартууну салыштырган. UAV негизиндеги сүрөттөр жүзүм бактарынын өзгөрмөлүүлүгүн, ошондой эле эгин чатырларын көрсөтүү үчүн кубаттуу карталарды сүрөттөөдө такыраак болуп калды. Кыскача айтканда, бул кластердеги макалалар жылуулук жана мультиспектралдык сүрөттөө сенсорлорун айыл чарба учкучсуз учактарына киргизүүнү талкуулайт. Демек, термикалык жана мультиспектралдык сүрөттөө AI менен кантип интеграцияланарын түшүнүү үчүн көбүрөөк изилдөө керек.
өсүмдүктөрдүн стрессин аныктоо үчүн ыкмалар (мисалы, терең үйрөнүү) (Ampatzidis et al., 2020; Ampatzidis & Partel, 2019; Jung et al., 2021; Santesteban et al., 2017; Syeda et al., 2021). Мындай түшүнүктөр натыйжалуураак жана так аныктоону камсыз кылууга, ошондой эле өсүмдүктөрдүн өсүшүнө, стресске жана фенологияга мониторинг жүргүзүүгө жардам берет (Buters et al., 2019; Cao et al., 2020; Neupane & BaysalGurel, 2021; L. Zhou et al., 2020).
4-кластер. Бул кластер айыл чарба практикасын колдоодо спектралдык жана гиперспектралдык сүрөттөөнүн чечүүчү ролунун тегерегинде айланган жети документтен турат. Гиперспектралдык сүрөттөө өзүн алыстан зонддоо ыкмасы катары көрсөттү, ал жер системасынын сандык баа берүүсүнө мүмкүндүк берет (Schaepman et al., 2009). Тагыраак айтканда, ал жер үстүндөгү материалдарды идентификациялоого, (салыштырмалуу) концентрацияларды аныктоого жана беттик компоненттеринин пропорцияларын дайындоо
аралаш пикселдердин ичинде (Kirsch et al., 2018; Zhao et al., 2022). Башка сөз менен айтканда, гиперспектралдык системалар тарабынан берилген жогорку спектрдик токтом, мисалы, вегетариандык касиеттери же жалбырактын суунун мазмуну (Suomalainen et al., 2014) сыяктуу ар кандай параметрлерди так баалоого мүмкүндүк берет. Бул кластердеги изилдөөчүлөр мындай системалардын ар кандай аспектилерин изилдешкен. Башкалардын арасында Аасен жана башкалар. (2015b) жеңил салмактан үч өлчөмдүү гиперспектралдык маалыматты алуу үчүн уникалдуу ыкманы сунуш кылган
Өсүмдүктөрдү көзөмөлдөө үчүн учкучсуз учуучу аппараттарда колдонулган фотокамералар. Lucieer жана башкалар. (2014) жаңы гиперспектралдык UASдын дизайнын, иштеп чыгуусун жана абада иштөөсүн, ошондой эле аны менен чогулган сүрөт маалыматтарын калибрлөө, талдоо жана чечмелөө талкууланды. Акырында, Хонкаваара жана башкалар. (2013b) FabryPerot интерферометрине негизделген спектрдик сүрөттөр үчүн комплекстүү иштетүү ыкмасын иштеп чыккан жана аны так айыл чарбасы үчүн биомассаны баалоо процедурасында колдонууну көрсөткөн. Бул учурдагы кластер үчүн келечектеги потенциалдуу жолдорго сенсордук технологияларды техникалык өркүндөтүү зарылдыгына басым жасоо кирет (Aasen et al., 2015b), ошондой эле кошумча технологияларды, өзгөчө чоң маалыматтарды жана аналитиканы киргизүү жана өркүндөтүү зарылчылыгы (Ang & Seng, 2021; Radoglou) -Grammatikis et al., 2020; Shakoor et al., 2019). Акыркысы, негизинен, акылдуу айыл чарбасында ишке ашырылган ар кандай сенсорлор тарабынан түзүлгөн ар дайым өсүп жаткан маалыматтардан келип чыгат (C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021).
Кластер 5. Бул кластердеги басылмалар дрондорго негизделген 3Dmapping тиркемелерин карап чыгышкан. 3D картага түшүрүү үчүн дрондорду колдонуу татаал талаа жумуштарын жеңилдетип, натыйжалуулукту олуттуу түрдө жогорулатат (Torres-Sanchez ´ et al., 2015). Кластердеги беш макала негизинен өсүмдүктөрдүн мониторинги боюнча колдонмолорго багытталган. Мисалы, чатырдын аянты, дарактын бийиктиги жана таажы көлөмү жөнүндө үч өлчөмдүү маалыматтарды алуу үчүн, Торрес-Санчес ´ et al. (2015) санарип беттик моделдерин жана андан кийин объектке негизделген сүрөт талдоо (OBIA) ыкмаларды түзүү үчүн UAV технологиясын колдонгон. Андан ары Зарко-Тежада жана башкалар. (2014) УАВ технологиясын жана үч өлчөмдүү фото-кайра куруу ыкмаларын интеграциялоо аркылуу дарактын бийиктигин сандык аныктаган. Жиминес-Бренес Лопес-Гранадос, Де Кастро ж.б. (2017) алдыңкы OBIA методологиясы менен UAV технологиясын интеграциялоо аркылуу ондогон зайтун дарактарына көп убакыттуу, 3D мониторинг жүргүзүү үчүн жаңы процессти көрсөттү. Бул кластердеги келечектеги иштердин кызыктуу жолдору азыркыны жакшыртууну камтыйт
методологиялары (Zarco-Tejada ж.б., 2014) санариптик беттик моделдөө максатында (Ajayi et al., 2017; Jaud et al., 2016), мисалы, OBIA (де Кастро ж.б., 2018, 2020; Ventura et al. , 2018) жана фото реконструкциялоо же жаңы ыкмаларды иштеп чыгуу (Díaz-Varela et al., 2015; Torres-S´ anchez et al., 2015).
Кластер 6. Бул кластер айыл чарба көзөмөлүндө дрондордун ролун талкуулайт. УЧАлар спутниктик жана учактарды сүрөткө тартуунун кемчиликтерин толуктап, жоюуга мүмкүн. Мисалы, алар аз күйүүчү май же пилоттук кыйынчылыктар менен реалдуу убакыт режиминде сүрөткө тартуунун жанында жогорку резолюцияны камсыз кылышы мүмкүн, натыйжада туруктуу жана реалдуу убакыт режиминде көзөмөлдөө жана чечимдерди кабыл алуу жакшыртылат (S. Herwitz et al., 2004). УЧКнын дагы бир негизги салымы - бул алардын так айыл чарбасы же жер-жерлерде чарба жүргүзүү үчүн атайын маалыматтарды берүү жөндөмдүүлүгү, анткени алардын жогорку резолюциясы, ар кандай параметрлери жөнүндө деталдуу маалыматтар фермерлерге жерди бир тектүү бөлүктөргө бөлүп, ошого жараша мамиле кылууга мүмкүндүк берет (Hunt et al. , 2010; CC Lelong et al., 2008; Primicerio et al., 2012). Мындай UAV негизиндеги айыл чарба көзөмөлү азык-түлүк коопсуздугуна мониторинг жүргүзүү жана чечимдерди кабыл алууну колдоого алат (SR Herwitz et al., 2004). Айыл чарба көзөмөлүндөгү изилдөөлөрдү алдыга жылдыруу үчүн сенсорлорду, пилотсуз учактарды жана башка тиешелүү технологияларды жана алардын байланыш жана маалыматтарды берүү ыкмаларын өркүндөтүү гана эмес (Ewing et al., 2020; Shuai et al., 2019), ошондой эле дрондорду ар кандай нерселер менен интеграциялоо керек. Мониторинг, айыл чарба көзөмөлү жана чечим кабыл алуу сыяктуу акылдуу айыл чарбага байланыштуу ар кандай тапшырмаларды оптималдаштыруу технологиялары жогорку потенциалдуу изилдөө чөйрөсү болуп саналат (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). Бул жагынан алганда, IoT, WSNs жана чоң маалыматтар кызыктуу кошумча мүмкүнчүлүктөрдү сунуштайт (van der Merwe et al., 2020). Ишке ашырууга кеткен чыгымдар, чыгымдарды үнөмдөө, энергияны үнөмдөө жана маалыматтардын коопсуздугу мындай интеграция үчүн аз изилденген тармактардын катарына кирет (Masroor et al., 2021).
Өлкөлөр жана академиялык мекемелер
Акыркы кадам келип чыккан өлкөнү жана авторлордун академиялык байланыштарын иликтөөнү камтыйт. Бул талдоо аркылуу биз дрондорду айыл чарбасында колдонууга салым кошкон окумуштуулардын географиялык бөлүштүрүлүшүн жакшыраак түшүнүүнү максат кылабыз. Бул өлкөлөрдүн жана академиялык институттардын ар түрдүүлүгүн белгилей кетүү керек. Өлкөнүн көз карашынан алганда, басылмалардын саны боюнча АКШ, Кытай, Индия жана Италия тизменин башында турат (таблица 7). Азыркы
айыл чарба дрондору боюнча изилдөөлөр негизинен Түндүк Америка жана Азия өлкөлөрүндө борборлошкон, негизинен алардын айыл чарбадагы тактыктагы колдонмолорго катышуусу менен байланыштуу. Мисалы, АКШда айыл чарба дрондорунун рыногу 841.9-жылы 2020 миллион долларга бааланган, бул дүйнөлүк рыноктун үлүшүнүн болжол менен 30% түзөт (ReportLinker, 2021). Дүйнөдөгү эң ири экономика катары рейтингде турган Кытай 2.6-жылы болжол менен 2027 миллиард доллар рынок көлөмүнө жетет деп болжолдонууда. Бул өлкө өндүрүмдүүлүк маселелерин чечип, жакшы түшүмдүүлүккө, эмгекти жеңилдетүүгө жана азыраак өндүрүштүк салымдарга жетишүү үчүн айыл чарба дрондорун сурап жатат. Бирок, Кытайда технологияны кабыл алуу калктын саны жана айыл чарба өсүмдүктөрүн башкаруунун учурдагы ыкмаларын жаңылоо жана жакшыртуу зарылчылыгы сыяктуу факторлор менен шартталган.
Эң жемиштүү өлкөлөр жана салым кошкон университеттер/уюмдар
айыл чарба дрон менен байланышкан изилдөө.
катар | өлкөлөр |
1 | АКШ |
2 | Кытай |
3 | Индия |
4 | Италия |
5 | Испания |
6 | Германия |
7 | Бразилия |
8 | Австралия |
9 | Жапония |
10 | Улуу Британия |
катар | Университеттер/Уюмдар |
1 | Кытай Илимдер Академиясы |
2 | Кытай Эл Республикасынын айыл чарба министерствосу |
3 | Илимий иликтөөлөрдүн жогорку кеңеши |
4 | Техас A & M University |
5 | Кытай Айыл чарба University |
6 | USDA Айыл чарба изилдөө кызматы |
7 | CSIC - Instituto de Agricultura Sostenible IAS |
8 | Purdue University |
9 | Улуттук изилдөө кеңеши |
10 | Түштүк Кытай айыл чарба университети |
Университет жана уюштуруу жагынан алганда, Кытайдын Илимдер академиясы басылмалардын саны боюнча тизменин башында, андан кийин Кытай Эл Республикасынын Айыл чарба министрлиги жана Consejo Superior de Investigaciones Científicas турат. Кытайдын илимдер академиясынын авторлору Ляо Сяохан жана Ли Цзюнь; Хан Вэнтин Кытай Эл Республикасынын Айыл чарба министрлигинен; жана Consejo Superior de Investigaciones Científicas өкүлдөрү Лопес-Гранадос, ´ Ф. жана Пена, ˜ Jos´e Maria S. АКШдан Техас A&M университети жана Пурдю университети сыяктуу университеттер өздөрүнүн
эскерүү. Эң көп басылмалардын саны бар университеттер жана алардын байланыштары 4-сүрөттө көрсөтүлгөн. Мындан тышкары, бул тизмеге илимий изилдөөдө жигердүү болгон, бирок академиялык институт болуп саналбаган Consiglio Nazionale delle Ricerche жана Consejo Superior de Investigaciones Científicas сыяктуу институттар кирет. .
Биздин тандоо колдогу маалыматтардын бардыгын камтыган ар кандай журналдарды камтыган. 8-таблицадан көрүнүп тургандай, 258 макаласы менен алыстан зонддоо эң алдыңкы орунда, андан кийин 126 макала менен Интеллектуалдык жана роботтук системалар: теория жана колдонуу журналы жана 98 макала менен Айыл чарбадагы компьютерлер жана электроника журналы турат. Алыстан зонддоо негизинен дрондорду колдонууга жана өнүктүрүүгө багытталган, ал эми Айыл чарбасындагы компьютерлер жана электроника негизинен айыл чарбасындагы компьютердик жабдык, программалык камсыздоо, электроника жана башкаруу системаларындагы жетишкендиктерди камтыйт. 87 басылмалары бар IEEE Robotics жана Automation Letters жана IEEE Access 34 басылмалары сыяктуу аймактар аралык соода түйүндөрү да бул тармактагы эң алдыңкы соода түйүндөрү болуп саналат. Эң мыкты он беш басма сөз адабиятка 959 документ менен салым кошкон, бул бардык басылмалардын болжол менен 20.40% түзөт. Журналдын биргелешкен цитатасынын анализи бизге басылмалардын маанилүүлүгүн жана окшоштугун изилдөөгө мүмкүндүк берет. Ко-цитаталарды талдоо 5-сүрөттө көрсөтүлгөндөй үч кластерди берет. Кызыл кластер Remote Sensing, Computer and Electronics in Agriculture, Sensors, Sensors,
жана аралыктан зонддоо боюнча эл аралык журнал. Бул соода түйүндөрүнүн баары алыстан зонддоо жана так айыл чарба тармагында өтө абройлуу журналдар болуп саналат. Жашыл кластер робототехника менен алектенген журналдарды камтыйт, мисалы, Journal of Intelligent and Robotic Systems: Theory and Applications, IEEE Robotics and Automation Letters, IEEE Access жана Drones. Бул соода түйүндөрү көбүнчө автоматташтыруу боюнча макалаларды басып чыгарышат жана айыл чарба инженерлери үчүн пайдалуу. Жыйынтыктоочу кластер агрономия жана айыл чарба инженериясы сыяктуу агрономия жана эл аралык агро жана биологиялык инженерия журналдары тарабынан түзүлөт.
Айыл чарба дрондоруна байланыштуу изилдөөлөрдөгү эң мыкты 15 журнал.
катар | журнал | эсептөө |
1 | аралыктан байкаштыруу | 258 |
2 | Интеллектуалдык жана роботтук системалар журналы: теория жана Тиркемелер | 126 |
3 | Айыл чарбасындагы компьютерлер жана электроника | 98 |
4 | IEEE робототехника жана автоматташтыруу каттары | 87 |
5 | сенсорлор | 73 |
6 | Эл аралык алыстан зонддоо журналы | 42 |
7 | Так айыл чарба | 41 |
8 | дрондорду | 40 |
9 | Агрономия | 34 |
10 | IEEE мүмкүндүк алуу | 34 |
11 | Advanced Robotic Systems эл аралык журналы | 31 |
12 | Эл аралык айыл чарба жана биологиялык инженерия журналы | 25 |
13 | PLoS ONE | 25 |
14 | Journal of Field Robotics | 23 |
15 | Биосистемалардын Engineering | 23 |
жыйынтыктоо
Жыйынтык
Бул изилдөөдө биз айыл чарба дрондору боюнча болгон изилдөөлөрдү жыйынтыктап, талдап чыктык. Ар кандай библиометриялык ыкмаларды колдонуу менен, биз айыл чарба дрон менен байланышкан изилдөөлөрдүн интеллектуалдык түзүмүн жакшыраак түшүнүүгө аракет кылдык. Жыйынтыктап айтканда, биздин карап чыгуу адабияттардагы ачкыч сөздөрдү аныктоо жана талкуулоо, дрондор тармагында семантикалык жактан окшош жамааттарды түзүү менен бирге билим кластерлерин ачуу, мурунку изилдөөлөрдү көрсөтүү жана келечектеги изилдөө багыттарын сунуштоо менен бир нече салымдарды сунуштайт. Төмөндө биз айыл чарба дрондорун өнүктүрүү боюнча серептин негизги жыйынтыктарын келтиребиз:
• Жалпы адабияттар 2012-жылдан кийин макалалардын санынын көбөйүшүнөн көрүнүп тургандай, акыркы он жылдыкта тездик менен өсүп, эбегейсиз көңүл бурду. Бул билим чөйрөсү толук жетиле элек болсо да (Barrientos et al., 2011; Maes) & Steppe, 2019), бир нече суроолор дагы эле жоопсуз. Мисалы, дрондордун үй чарбачылыгында пайдалуулугу дагы эле талаш-тартыш үчүн ачык (Aslan et al., 2022; Krul et al., 2021; Rold´ an et al., 2015). Талаа көрүнүштөрүнүн татаалдыгы жана ар кандай сүрөттөө жагдайлары (мисалы, көлөкө жана жарыктандыруу) класс ичиндеги спектрдик дисперсияга алып келиши мүмкүн (Yao et al., 2019). Изилдөөнүн кийинки этаптарында да, изилдөөчүлөргө белгилүү сценарийлерге жана талап кылынган сүрөт сапатына ылайык оптималдуу учуу пландарын аныктоо маселеси коюлду (Soares et al., 2021; Tu et al.,
2020).
• Биз талаада эффективдүү UAV системаларын иштеп чыгуудан AI ыкмаларын, мисалы, машинаны үйрөнүү жана айыл чарба дрондорун долбоорлоодо терең үйрөнүү сыяктуу прогресске жетишкенин байкадык (Bah et al., 2018; Kitano et al., 2019; Maimaitijiang et al. , 2020; Mazzia et al., 2020; Tetila et al., 2020).
• Айыл чарба дрондору боюнча изилдөөлөр негизинен айлана-чөйрөгө мониторинг жүргүзүү, өсүмдүктөрдү башкаруу жана отоо чөптөрдү башкаруу (1-кластер), ошондой эле алыстан фенотиптөө жана түшүмдүүлүктү баалоо (2-кластер) боюнча технологиянын мүмкүнчүлүктөрүн изилдөө аркылуу алыстан зонддоону талкуулады. айыл чарба дрондор боюнча таасирдүү изилдөөлөрдүн жыйындысы Остин (2010), Berni et al. (2009)а, Herwitz et al. (2004), Nex and Remondino (2014) жана Zhang and Kovacs (2012). Бул изилдөөлөр айыл чарба контекстинде дрон менен байланышкан изилдөөлөрдүн концептуалдык негизин иштеп чыккан.
• Методологияга байланыштуу, биз буга чейин жасалган изилдөөлөрдүн көбү же системалык дизайндан, концептуалдык, же карап чыгууга негизделген изилдөөлөрдөн түзүлгөнүн байкадык (Inoue, 2020; Nex & Remondino, 2014; P´erez-Ortiz et al. , 2015; Yao et al., 2019). Биз ошондой эле айыл чарба дрондорун иликтөөдө эмпирикалык, сапаттык жана кейс изилдөөгө негизделген методдордун жетишсиздигин байкайбыз.
• Жакында эле, так айыл чарбасы, AI ыкмалары, так жүзүм өстүрүү жана суу стрессине баа берүү менен байланышкан темалар олуттуу көңүл бурду (Espinoza et al., 2017; Gomez-Cand ´ on ´ et al., 2016; Matese et al., 2015; Matese & Di Gennaro, 2018, 2021; Z. Zhou et al., 2021). Эки башка доордо, 1990–2010 жана 2011–2021-жылдардагы изилдөө кластерлерин кылдаттык менен карап чыгуу домендин интеллектуалдык структурасынын прогрессин көрсөтөт. 1990-жылдан 2010-жылга чейинки мезгил учкучсуз учактар жөнүндө борбордук түшүнүктөрдүн жана концепциялардын түзүлүшүн түздү, бул ИДПнын дизайнын, иштеп чыгуусун жана ишке ашырууну талкуулоодон көрүнүп турат. Экинчи доордо, изилдөө багыты айыл чарбасында UAV колдонуу учурларын синтездөө үчүн күч-аракет жумшоо менен, мурунку изилдөөлөрдү кеңейтет. Биз ошондой эле сүрөттөө тапшырмаларында жана так айыл чарбасында дрон колдонмолорун талкуулаган көптөгөн изилдөөлөрдү таптык.
катар | журнал | эсептөө |
1 | аралыктан байкаштыруу | 258 |
2 | Интеллектуалдык жана роботтук системалар журналы: теория жана | 126 |
Тиркемелер | ||
3 | Айыл чарбасындагы компьютерлер жана электроника | 98 |
4 | IEEE робототехника жана автоматташтыруу каттары | 87 |
5 | сенсорлор | 73 |
6 | Эл аралык алыстан зонддоо журналы | 42 |
7 | Так айыл чарба | 41 |
8 | дрондорду | 40 |
9 | Агрономия | 34 |
10 | IEEE мүмкүндүк алуу | 34 |
11 | Advanced Robotic Systems эл аралык журналы | 31 |
12 | Эл аралык айыл чарба жана биологиялык инженерия журналы | 25 |
13 | PLoS ONE | 25 |
14 | Journal of Field Robotics | 23 |
15 | Биосистемалардын Engineering | 22 |
кесепеттери
Биздин библиометрикалык изилдөөбүз окумуштуулар, фермерлер, айыл чарба адистери, өсүмдүк өстүрүү боюнча консультанттар жана UAV системасынын дизайнерлери менен иштелип чыккан жана жүргүзүлгөн. Авторлордун эң жакшы билиши боюнча, бул терең библиометриялык анализ жасаган алгачкы оригиналдуу рецензиялардын бири.
айыл чарбасында учкучсуз колдонуу. Биз басылмалардын цитаталарын жана биргелешип цитаталарды талдоолорун колдонуп, бул билим органын ар тараптуу карап чыктык. Биздин дрон изилдөөлөрүнүн интеллектуалдык түзүмүн сүрөттөө аракетибиз академиктерге жаңы түшүнүктөрдү да сунуштайт. Убакыттын өтүшү менен колдонулган ачкыч сөздөрдү кылдат карап чыгуу дрон менен байланышкан адабияттардагы ысык чекиттерди жана изилдөө аймактарын ачып берет. Мындан тышкары, биз бул тармакта аяктаган эң таасирдүү изилдөө иштерин аныктоо үчүн эң көп келтирилген изилдөөлөрдүн тизмесин сунуштайбыз. Макалаларды жана ачкыч сөздөрдү аныктоо, демек, келечектеги изилдөөлөр үчүн бир нече жолдорду ачуу үчүн бекем башталгыч чекитти камсыз кыла алат.
Эң негизгиси, биз салыштырылуучу иштерди классификациялаган кластерлерди ачып, жыйынтыгын иштеп чыктык. Кластерлерде классификацияланган изилдөөлөр UAV изилдөөлөрүнүн интеллектуалдык түзүлүшүн түшүнүүгө жардам берет. Белгилей кетсек, биз дрондорду кабыл алуу факторлорун изилдеген изилдөөлөрдүн жетишсиздигин таптык
жана дыйканчылык ишиндеги тоскоолдуктар (9-таблицаны караңыз). Келечектеги изилдөөчүлөр ар кандай айыл чарба иштеринде жана климаттык шарттарда дрондорду кабыл алуу факторлорун баалаган эмпирикалык изилдөөлөрдү жүргүзүү менен бул потенциалдуу боштукту чече алышат. Андан тышкары, дрондордун натыйжалуулугуна байланыштуу кейс изилдөөсүнө негизделген изилдөөлөр талаадан алынган реалдуу маалыматтар менен бекемделиши керек. Ошондой эле, фермерлерди жана менеджерлерди академиялык изилдөөлөргө тартуу учкучсуз учактарды изилдөөнүн теориялык жана практикалык өнүгүүсү үчүн пайдалуу болмок. Биз ошондой эле эң көрүнүктүү изилдөөчүлөрдү жана алардын салымдарын аныктай алдык, бул баалуу, анткени акыркы илимий иштерди билүү келечектеги академиялык аракеттер үчүн кандайдыр бир жетекчиликти сунуштай алат.
стол 9
UAV кабыл алуу тоскоолдуктары.
тоскоол | баяндоо |
Маалымат коопсуздугу | Кибер коопсуздук ишке ашыруу үчүн негизги көйгөй болуп саналат IoT чечимдери (Masroor et al., 2021). |
Өз ара аракеттенүү жана жуурулушуу | Ар кандай технологиялар, мисалы, UAV, WSN, IoT, ж.б. интегралдык жана маалыматтарды берүү керек татаалдык деңгээлин жогорулатуу (Alsamhi et al., 2021; Попеску ж.б., 2020; Vuran et al., 2018). |
Ишке ашырууга кеткен чыгымдар | Бул өзгөчө чакан фермерлер үчүн жана ар кандай алдыңкы технологияларды интеграциялоо ( Masroor et al., 2021). |
Эмгек билими жана экспертиза | Учкучсуз учуучу аппараттарды башкаруу үчүн дасыккан пилоттук учкучтар керек. Ошондой эле, ар кандай заманбап технологияларды ишке ашыруу технологиялар квалификациялуу жумушчуларды талап кылат (YB Huang ж.б., 2013; Цурос ж.б., 2019). |
Мотордун күчү жана учуу узактыгы | Дрондор көп саат бою иштетилбейт жана каптабайт чоң аянттар (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Туруктуулук, ишенимдүүлүк жана маневр кылуу | Дрондор аба ырайынын начар шарттарында туруктуу эмес (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Жүктөлгөн чектөөлөр жана сенсорлордун сапаты | Дрондор гана чектелген жүктөрдү көтөрө алат төмөн сапаттагы сенсорлорду жүктөө мүмкүнчүлүгү (Nebiker .Удаалаш., 2008). |
жөнгө салуу | Дрондор да кооптуу болушу мүмкүн болгондуктан, катуу бар кээ бир аймактардагы ченемдик укуктук актылар (Hardin & Jensen, 2011; Laliberte & Rango, 2011). |
Дыйкандардын билими жана пайыздык | Башка алдыңкы технологиялар сыяктуу эле, дрондор ийгиликтүү ишке ашыруу, ошондой эле экспертизаны талап кылат белгисиздик менен коштолгон (Fisher et al., 2009; Lambert et al., 2004; Стаффорд, 2000). |
Түшүмдүүлүктү жогорулатуу үчүн колдо болгон ресурстарды эффективдүү пайдалануу дайыма зарыл болгондуктан, фермерлер талааларын тез, так жана үнөмдүү сканерлөө үчүн дрондорду пайдалана алышат. Технология дыйкандарга түшүмүнүн абалын аныктоого жана суунун абалын, бышып жетилүү стадиясына, курт-кумурскалардын жугуштуулугуна жана азык-түлүк муктаждыктарына баа берүүгө жардам берет. Дрондордун алыстан зонддоо мүмкүнчүлүктөрү фермерлерге көйгөйлөрдү алгачкы этапта алдын ала билүү жана ылайыктуу кийлигишүүлөрдү тез арада жасоо үчүн маанилүү маалыматтарды бере алат. Бирок, технологиянын артыкчылыктары кыйынчылыктарды туура чечкенде гана ишке ашат. жарыгында
маалыматтардын коопсуздугу, сенсордук технология маселелери (мисалы, өлчөөлөрдүн ишенимдүүлүгү же тактыгы), интеграциянын татаалдыгы жана олуттуу ишке ашыруу чыгымдары, келечектеги изилдөөлөр ошондой эле айыл чарба дрондорун жана башка кесүүчү аппараттарды интеграциялоонун техникалык, экономикалык жана эксплуатациялык максатка ылайыктуулугун карап чыгышы керек. алдыңкы технологиялар.
чектөөлөр
Биздин изилдөө бир нече чектөөлөр бар. Биринчиден, жыйынтыктар акыркы талдоо үчүн тандалган басылмалар тарабынан аныкталат. Айыл чарба дрондору менен байланышкан бардык тиешелүү изилдөөлөрдү, айрыкча Scopus маалымат базасында индекстелбегендерди тартуу кыйынга турат. Андан тышкары, маалыматтарды чогултуу процесси издөө ачкыч сөздөрүн орнотуу менен чектелет, алар камтылбашы жана жыйынтыксыз жыйынтыктарга алып келиши мүмкүн. Ошентип, келечектеги изилдөөлөрдү жасоо үчүн маалыматтарды чогултуунун негизги маселесине көбүрөөк көңүл буруу керек
ишенимдүү тыянактар. Дагы бир чектөө цитаталардын саны аз жаңы басылмаларга тиешелүү. Библиометрикалык талдоо мурунку басылмаларга карата бир жактуу, анткени алар жыл өткөн сайын көбүрөөк цитаталарды алышат. Акыркы изилдөөлөр көңүл буруу жана цитаталарды топтоо үчүн белгилүү бир убакытты талап кылат. Демек, парадигманы өзгөртүүгө алып келген акыркы изилдөөлөр он таасирдүү иштердин катарына кирбейт. Бул чектөө айыл чарба дрондору сыяктуу тез өнүгүп келе жаткан изилдөө домендерин изилдөөдө кеңири таралган. Бул иш боюнча адабияттарды изилдөө үчүн биз Scopus менен кеңешкенибизден улам, келечектеги изилдөөчүлөр башкача карап чыгышы мүмкүн
Web of Science жана IEEE Xplore сыяктуу маалымат базалары горизонтту кеңейтүү жана изилдөө структурасын өркүндөтүү үчүн.
Потенциалдуу библиометрикалык изилдөөлөр жаңы түшүнүктөрдү түзүү үчүн конференциянын докладдары, бөлүмдөрү жана китептери сыяктуу башка маанилүү билим булактарын карашы мүмкүн. Айыл чарба дрондору боюнча дүйнөлүк басылмалардын картасын түзүүгө жана иликтөөгө карабастан, биздин табылгалар университеттердин илимий натыйжаларынын артында турган себептерди ачып берген жок. Бул айыл чарбасы боюнча изилдөөгө келгенде кээ бир университеттер эмне үчүн башкаларга караганда көбүрөөк жемиштүү экенин сапаттык жактан түшүндүрүүдө жаңы изилдөө чөйрөсүнө жол ачат.
дрондор. Мындан тышкары, келечектеги изилдөөлөр бир нече изилдөөчүлөр белгилегендей, экологиялык мониторинг, айыл чарба өсүмдүктөрүн башкаруу жана отоо чөптөрдү картографиялоо сыяктуу бир нече жолдор менен айыл чарбанын туруктуулугун жогорулатуу үчүн дрондордун потенциалы жөнүндө түшүнүк бере алат (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018b). Тандалган макалалардын көптүгүнө байланыштуу тексттик талдоо мүмкүн болбогондуктан, адабияттарды системалуу түрдө карап чыгуу зарылчылыгы келип чыкты.
колдонулган изилдөө ыкмалары жана фермерлерди мурунку изилдөөлөргө тартуу. Кыскача айтканда, биздин пилотсуз учактарды изилдөөнү талдоо бул билим органынын көзгө көрүнбөгөн байланыштарын ачыкка чыгарат. Демек, бул карап чыгуу басылмалардын ортосундагы байланыштарды ачууга жардам берет жана изилдөө тармагынын интеллектуалдык түзүмүн изилдейт. Ал ошондой эле адабияттын ар түрдүү аспектилеринин ортосундагы байланыштарды, мисалы, авторлордун ачкыч сөздөрү, байланыштары жана өлкөлөрүн чагылдырат.
Атаандаш кызыкчылыктар жөнүндө декларация
Авторлор, бул макалада баяндалган жумушка таасир эткен көрүнүктүү атаандаш финансылык кызыкчылыктар же жеке мамилелер жок деп жарыялашат.
тиркеме 1
TITLE-ABS-KEY (((дрон* ЖЕ "учкучсуз учуучу аппарат" ЖЕ Uav* ЖЕ "пилотсуз учак системасы"” ЖЕ uas ЖЕ «алыстан башкарылуучу учак”) ЖАНА (айыл чарба ЖЕ айыл чарба ЖЕ дыйканчылык ЖЕ фермер))) ЖАНА (ЧЫГАРЫЛГАНДА (PUBYEAR, 2022)) ЖАНА (LIMIT-TO (ТИЛ, "Англис")).
шилтемелер
Аасен, Х., Буркарт, А., Болтен, А., Барет, Г., 2015. Өсүмдүктөрдүн мониторинги үчүн жеңил UAV снапшот камералары менен 3D гиперспектралдык маалыматты түзүү: баштап
сапатты камсыз кылуу үчүн камера калибрлөө. ISPRS J. Фотограмма. Remote Sens. 108, 245–259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Абд-Элрахман, А., Перлстин, Л., Персивал, Ф., 2005. Учкучсуз учуучу аппараттын сүрөттөрүнөн канаттууларды автоматтык түрдө аныктоо үчүн үлгү таануу алгоритмин иштеп чыгуу.
Сурамжылоо. Жер жөнүндө маалымат. Sci. 65 (1), 37–45.
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021. Wireless Sensor Networks in agriculture: Insights from a bibliotric Analysis. Туруктуулук 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M., Assessment of different methods for high resolution of оптикалык сүрөттөр жана баалоо көлөкөдө таасирин эсептөө боюнча NDVI жана буулануу. Irrig. Sci. 37 (3), 407–429. https://doi.org/10.1007/s00271-018-0613-9.
Адао, ˜ T., Hruˇska, J., Padua, ´ L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. Гиперспектралдык сүрөттөө: UAV негизиндеги сенсорлор, маалыматтар боюнча карап чыгуу кайра иштетүү жана
айыл чарба жана токой чарбасы боюнча арыздар. Алыстан сезүү 9 (11). https://doi.org/ 10.3390/rs9111110.
Aguera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Күн карама түшүмүн көзөмөлдөө үчүн учкучсуз учуучу аппаратты колдонуу менен көп убакыттык сүрөт тартуу. Биосист. Eng.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. UAV так санариптик бийиктик моделдерин түзүү төмөн пайыздык бири-бирине дал келген сүрөттөрдү алган. Int.
J. Remote Sens. 38 (8–10), 3113–3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Али, I., Greifeneder, F., Stamenkovic, J., Neumann, M., Notarnicola, C., 2015. алыстан зонддоо маалыматтардан биомасса жана топурак нымдуулугун издөө үчүн машина окутуу ыкмаларын карап чыгуу. Алыстан зондтоо 7 (12), 16398–16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-Qaness, MAA, Lee, B., Guizani, M., B5G тармактарында UAV колдонгон нерселердин жашыл интернети: Тиркемелерди карап чыгуу
жана стратегиялар. Ad. Хок. Netw. 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Аль-Тани, Н., Альбуайнайн, А., Альнаими, Ф., Зорба, Н., 2020. Кой малына мониторинг жүргүзүү үчүн дрондор. Жылы: 20 IEEE Жер Ортолук электротехникалык конференциясы. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ампатзидис, Ю., Партел, В., 2019. Мультиспектралдык сүрөттү жана жасалма интеллектти колдонуу менен цитрус өсүмдүктөрүндө UAV негизиндеги жогорку өткөрүү жөндөмдүүлүгүн фенотиптөө. Remote Sensing 11 (4), https://doi.org/10.3390/rs11040410.
Ампатзидис, Ю., Партел, В., Коста, Л., 2020. Agroview: Жасалма интеллектти колдонуу менен так айыл чарба колдонмолору үчүн UAV чогултулган маалыматтарды иштеп чыгуу, талдоо жана визуалдаштыруу үчүн булутка негизделген колдонмо. Эсептөө. Электрон. Agric. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. Айыл чарбасында гиперспектралдык маалымат менен чоң маалыматтар жана машина үйрөнүү. IEEE Access 9, 36699–36718. https://doi.org/10.1109/
ACCESS.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. Обзор: жайыттагы мал чарба системаларында так мал чарбачылык технологиялары. Жаныбар 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Армента-Медина, Д., Рамирес-Делреал, Т.А., Виллануева-Васкес, ´ Д., Межиа-Агирре, С., өнүккөн маалымат жана коммуникация технологиялары үчүн тенденциялар
айыл чарба өндүрүмдүүлүгүн жогорулатуу: библиометриялык талдоо. Агрономия 10 (12), 12-берене. https://doi.org/10.3390/agronomy10121989.
Армстронг, I., Pirrone-Brusse, M., Smith, A., Jadud, M., 2011. The flying Gator: occam-π менен абада робототехникага карай. Коммун. Процесс архитектору. 2011, 329–340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. Керектөөчүлөрдүн даттануу жүрүм-турумунун интеллектуалдык түзүмү (CCB) изилдөө: Библиометриялык талдоо. J. Business Res. 122, 60–74.
Аслан, МФ, Дурду, А., Сабанжы, К., Ропелевска, Э., Гүлтекин, SS, 2022.
Ачык талааларда жана күнөсканаларда так айыл чарбасы үчүн UAV менен акыркы изилдөөлөрдүн комплекстүү изилдөөсү. Колдонмо. Sci. 12 (3), 1047. https://doi.org/10.3390/
app12031047.
Аткинсон, JA, Джексон, RJ, Bentley, AR, Ober, E., & Wells, DM (2018). Келечек үчүн талаа фенотиптөө. Жылдык өсүмдүктөрдү онлайн карап чыгууда (719–736-беттер). Жон
Wiley & Sons, Ltd. doi: 10.1002/9781119312994.apr0651.
Остин, Р., 2010. Учкучсуз учак системалары: UAVS долбоорлоо, өнүктүрүү жана жайылтуу. In: Учкучсуз учак системалары: UAVS долбоорлоо, өнүктүрүү жана
Жайгаштыруу. Джон Уайли жана уулдары. https://doi.org/10.1002/9780470664797.
Авайс, М., Ли, В., Чима, MJM, Заман, QU, Шахин, А., Аслам, Б., Жу, В., Ажмал, М., Фахим, М., Хусейн, С., Надим, AA, Afzal, MM, Liu, C., 2022. өсүмдүк стрессте UAV негизинде алыстан зонддоо санариптик айыл чарба практикасы үчүн жогорку чечим жылуулук сенсор колдонуу менен элестетип: бир мета-карап чыгуу. Int. J. Environ. Sci. Technol. https://doi.
org/10.1007/s13762-021-03801-5.
Bacco, M., Berton, A., Ferro, E., Gennaro, C., Gotta, A., Matteoli, S., Paonessa, F., Ruggeri, M., Virone, G., Zanella, A., 2018. Акылдуу чарба: Мүмкүнчүлүктөр, кыйынчылыктар
жана технологияны камсыз кылуучулар. 2018 IoT Vertical жана. Айыл чарбасы боюнча актуалдуу саммит -Тоскана (IOT Toscany) 1–6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Бах, MD, Hafiane, A., Canals, R., 2018. UAV сүрөттөрүндө линия өсүмдүктөрүндө отоо чөптөрдү аныктоо үчүн көзөмөлдөнбөгөн маалыматтарды белгилөө менен терең үйрөнүү. Алыстан зондтоо 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Балди, С., 1998. Цитаталарды бөлүштүрүүдөгү ченемдик жана социалдык конструктивисттик процесстер: тармактык-аналитикалык модель. Ам. Социол. Аян 63 (6), 829–846. https://doi.
org/10.2307/2657504.
Baluja, J., Diago, MP, Balda, P., Zorer, R., Meggio, F., Morales, F., Tardaguila, J., 2012. Термикалык жана мультиспектралдык менен жүзүмзардын суунун абалынын өзгөрмөлүүлүгүн баалоо
учкучсуз учуучу аппараттын (УАВ) жардамы менен тартылган сүрөттөр. Irrig. Sci. 30 (6), 511–522. https://doi.org/10.1007/s00271-012-0382-9.
Barabaschi, D., Tondelli, A., Desiderio, F., Volante, A., Vaccino, P., Val`e, G., Cattivelli, L., Кийинки муун асылдандыруу. Plant Sci. 242, 3–13. https://doi.org/10.1016/j.
plantci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. Бодо малды көзөмөлдөө үчүн учкучсуз учуучу системаларды колдонуу боюнча перспективалар. Outlook Agric. 47 (3), 214–222. https://doi.org/10.1177/0030727018781876.
Bareth, G., Aasen, H., Bendig, J., Gnyp, ML, Bolten, A., Jung, A., Michels, R., Soukkamaki, ¨ J., 2015. Төмөн салмактуу жана UAV негизиндеги гиперспектралдык толук кадр камералары
өсүмдүктөргө мониторинг жүргүзүү үчүн: көчмө спектррадиометрдик өлчөөлөр менен спектрдик салыштыруу. Photogrammetrie, Fernerkundung, Geoinformation 2015 (1), 69–79.
https://doi.org/10.1127/pfg/2015/0256.
Барриентос, А., Колорадо, Дж., дел Серро, Дж., Мартинес, А., Росси, С., Санц, Д., Валенте, Дж., Айыл чарбасында абадан алыстан зонддоо: аймакты камтууга практикалык мамиле.
жана мини-аба роботторунун парктары үчүн жолду пландаштыруу. J. Field Rob. 28 (5), 667–689. https://doi.org/10.1002/rob.20403.
Басири, A., Mariani, V., Silano, G., Aatif, M., Iannelli, L., Glielmo, L., 2022. так көп ротордук UAVs үчүн жол-пландоо алгоритмдерин колдонуу боюнча сурамжылоо
айыл чарбасы. J. Навиг. 75 (2), 364–383.
Баснет, Б., Бэнг, Дж., 2018. Билимди талап кылган айыл чарбанын заманбап технологиялары: прикладдык сезгич системалар жана маалымат аналитикасы боюнча сереп. J. Sens. 2018, 1–13.
Бендиг, Дж., Болтен, А., Барет, Г., 2013. Өсүмдүк өстүрүүнүн өзгөрүлмөлүүлүгүн көзөмөлдөө үчүн көп убакыттуу, өтө жогорку токтомдогу өсүмдүк бетинин моделдери үчүн UAV негизинде сүрөттөө. Photogrammetrie, Fernerkundung, Geoinformation 2013 (6), 551–562. https://doi. org/10.1127/1432-8364/2013/0200.
Бендиг, Дж., Болтен, А., Беннерц, С., Broscheit, Дж., Эйхфус, С., Барет, Г., 2014. UAV негизиндеги RGB сүрөттөөсүнөн алынган өсүмдүк бетинин моделдерин (CSMs) колдонуу менен арпа биомассасын баалоо. Алыстан зондтоо 6 (11), 10395–10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. айкалыштыруу UAV негизинде өсүмдүк бийиктиги өсүмдүк бетинен моделдер,
арпадагы биомассаны көзөмөлдөө үчүн көрүнүүчү жана жакын инфракызыл өсүмдүктөрдүн индекстери. Int. J. Appl. Earth Obs. Geoinf. 39, 79–87. https://doi.org/10.1016/j.jag.2015.02.012.
Berni, JA, Zarco-Tejada, PJ, Sepulcre-Canto, ´ G., Fereres, E., Villalobos, F., 2009a. Жогорку чечимди колдонуу менен зайтун бактарында чатырдын өткөрүмдүүлүгүн жана CWSIди картага түшүрүү
жылуулук алыстан зонддоо сүрөттөр. Remote Sens. Environ. 113 (11), 2380–2388. https://doi.org/10.1016/j.rse.2009.06.018.
Берни, Ж.А., Зарко-Тежада, П.Д., Суарес, ´ Л., Феререс, Э., 2009б. Пилотсуз учуучу аппараттан өсүмдүктөргө мониторинг жүргүзүү үчүн термикалык жана тар тилкелүү мультиспектрдик аралыктан зонддоо. IEEE Trans. Geosci. Алыскы сенсор 47 (3), 722–738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. Интернет азык-түлүк коопсуздугу: Литература жана библиометриялык анализ. Trends Food Sci. Technol. 94,54–64. https://doi.org/10.1016/j.tifs.2019.11.002.
Brewster, C., Roussaki, I., Kalatzis, N., Doolin, K., Ellis, K., 2017. IoT in agriculture: долбоорлоо бир Europe-кең масштабдуу пилоттук. IEEE Commun. Маг. 55 (9), 26–33.
Buters, TM, Belton, D., Cross, AT, 2019. Миллиметрдик тактыкта жеке көчөттөрдү жана көчөт жамааттарын көп сенсордук UAV көзөмөлдөө. Дрондор 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. UAV сүрөттөрдөн так айыл чарба колдонмолору үчүн multispectral сүрөттөрдү жана өсүмдүктөрдүн индекстерин баалоо. Алыстан зондтоо 7 (4), 4026–4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. UAVдан алынган кенен динамикалык диапазондогу вегетация индексин (WDRVI) колдонуу менен кант кызылчасынын өсүү көрсөткүчтөрүнө мониторинг жүргүзүү
мультиспектралдык сүрөттөр. Эсептөө. Электрон. Agric. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. Үй-бүлөлүк бизнес адабиятынын интеллектуалдык структурасынын эволюциясы: ФБРдин библиометрикалык изилдөөсү. Үй-бүлөлүк бизнес Аян 20 (2), 141–162.
Цен, Х., Ван, Л., Чжу, Дж., Ли, Ю., Ли, X., Чжу, Ю, Вэн, Х., Ву, В., Ин, В., Сю, Ц. Бао, Ю., Фенг, Л., Шоу, Дж., Хэ, Ю., 2019. Динамикалык мониторинг астында күрүч биомассасы
кош кадр камералары менен жеңил UAV колдонуу менен ар кандай азот менен дарылоо. Өсүмдүк ыкмалары 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418-8.
Чамуах, А., Сингх, Р., 2019. Индиянын айыл чарбасында жарандык UAV аркылуу туруктуулукту камсыздоо: жоопкерчиликтүү инновация перспективасы. SN Appl. Sci. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. Индиялык өсүмдүктөрдү камсыздандыруу колдонмолору үчүн жарандык учкучсуз учуучу аппараттын (UAV) инновацияларын жоопкерчиликтүү башкаруу. Жооптуу Ж
Technol. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Чен, А., Орлов-Левин, В., Мерон, М., 2019. Так сугат башкаруу үчүн өсүмдүктөрдүн чатырын жогорку резолюциядагы көрүнүүчү каналдын абадан сүрөтүн колдонуу. Agric. Суу
Manag. 216, 196–205. https://doi.org/10.1016/j.agwat.2019.02.017.
Даакир, М., Пьеррот-Деселлигни, М., Боссер, П., Пичард, Ф., Том, С., Работ, Ю., Мартин, О., 2017. Борттогу фотограмметрия жана singlefrequency GPS жайгашуусу менен жеңил UAV метрология колдонмолору үчүн. ISPRS J. Фотограмма. Remote Sens. 127, 115–126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Автономдук учкучсуз учактарды башкаруу үчүн блокчейнге негизделген IoT платформасы. В: 2-АКМдин материалдары
5G жана андан тышкары үчүн дрондун жардамы менен зымсыз байланыштар боюнча MobiCom семинары, 31–36-беттер. https://doi.org/10.1145/3414045.3415939.
Day, RA, Gastel, B., 1998. Кантип илимий макала жазуу жана басып чыгаруу керек. Кембридж университетинин басмасы. де Кастро, AI, Pena, ˜ JM, Торрес-Санчес, ´ Дж., Жиминес-Бренес, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´ F., 2020. Картага түшүрүү cynodon dactylon infeting так жүзүмчүлүк үчүн автоматтык чечим дарак-OBIA процедурасы жана UAV сүрөттөрү менен өсүмдүктөрдү жабуу. алыстан зондтоо 12 (1), 56. https://doi.org/10.3390/rs12010056.
де Кастро, AI, Торрес-С´ анчес, Дж., Пена, ˜ JM, Jim´enez-Brenes, FM, Csillik, O., Lopez- ´Granados, F., 2018. Автоматтык кокус токой-OBIA алгоритми УАВ сүрөттөрүн колдонуу менен эгин катарларынын арасында жана ичинде отоо чөптөрдү эрте картага түшүрүү. Remote Sensing 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018. UAV Сүрөттөрүнөн алынган DSM колдонуу менен буудай генотиптеринин өсүмдүк бийиктигин автоматташтырылган өлчөө. Proceedings 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Дэн, Дж., Чжун, З., Хуанг, Х., Лан, Ю., Хан, Ю., Чжан, Ю., 2020. Учкучсуз учуучу аппараттарды колдонуу менен реалдуу убакыт режиминде отоо чөптөрдү картографиялоо үчүн жеңил семантикалык сегментация тармагы. Колдонмо. Sci. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. тактык айыл чарба үчүн UAV негизинде multispectral алыстан зонд: ар кандай камералар ортосундагы салыштыруу. ISPRS J. Фотограмма. Remote Sens. 146, 124–136.
Диас-Гонсалес, FA, Vuelvas, J., Корреа, CA, Vallejo, VE, Patino, D., 2022. Машина үйрөнүү жана топурак көрсөткүчтөрүн баалоо үчүн колдонулган алыстан зонддоо ыкмалары - карап чыгуу. Экол. Инд. 135, 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Диаз-Варела, Р.А., Де ла Роза, Р., Леон, ´ L., Zarco-Tejada, PJ, 2015. 3D сүрөтүн колдонуу менен зайтун дарагынын таажы параметрлерин баалоо үчүн жогорку чечилиштеги абадагы UAV сүрөттөрү
кайра куруу: асыл тукум сыноолордо колдонуу. Алыстан зондтоо 7 (4), 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. Аэропорттун потенциалын башкаруу: карап чыгуу жана библиометриялык анализ. J. Air Transp. Manag. 91, 102010.
Донг, Т., Шан, Дж., Лю, Дж., Цян, Б., Цзин, К., Ма, Б., Хаффман, Т., Гэн, X., Соу, А., Ши, Ы., Canisius, F., Jiao, X., Kovacs, JM, Walters, D., Cable, J., Wilson, J., 2019.
Онтарио, Канададагы өсүмдүктөрдүн өсүшүнүн жана түшүмдүүлүгүнүн талаа ичиндеги өзгөрмөлүүлүгүн аныктоо үчүн RapidEye сүрөттөрүн колдонуу. Precision Agric. 20 (6), 1231–1250. https://doi.org/10.1007/
s11119-019-09646-w.
Дутта, ПК, Митра, С., 2021. COVID-19дан кийинки тамак-аш менен камсыз кылуу чынжырын түшүнүү үчүн айыл чарба дрондорун жана иотторду колдонуу. In: Choudhury, A., Biswas, A., Prateek, M.,
Чакрабарти, А. Уайли, 67–87-бб. van Eck, N., Waltman, L., 2009. Программалык сурамжылоо: VOSviewer, библиометриялык карта түзүү үчүн компьютердик программа. Scientometrics 84 (2), 523–538. https://doi.org/10.1007/s11192-009-0146-3.
Илияс, О., Рахман, TA, Orikumhi, I., Leow, CY, Hindia, MN, 2018. Нерселер Интернети (IoT) жана айыл чарбасындагы маалыматтарды аналитикага сереп салуу: пайдалары жана көйгөйлөрү.
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. Агрономиялык текшерүү UAV жана талаа
помидор сорттору үчүн өлчөө. Эсептөө. Электрон. Agric. 158, 278–283. https:// doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. Жогорку резолюциядагы мультиспектралдык жана термикалык алыстан зондоонун негизинде суу стрессине баа берүү
жер астындагы сугат жүзүмзарлары. Remote Sensing 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Топурак градациясы үчүн гиперспектралдык алыстан зондоону колдонуу. Remote Sensing 12 (20), 3312. ttps://doi.org/10.3390/
rs12203312.
Fawcett, D., Panigada, C., Tagliabue, G., Boschetti, M., Celesti, M., Evdokimov, A., Biriukova, K., Colombo, R., Miglietta, F., Rascher, U. Андерсон, К., 2020. Операциялык шарттарда дрондун негизиндеги мультиспектралдык беттик чагылдыруу жана өсүмдүктөрдүн индекстерин көп масштабдуу баалоо. алыстан зондтоо 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. Так айыл чарбасы үчүн нерселердин Интернетинде зымсыз байланыш технологияларын изилдөө. Wireless Pers. Коммун. 108 (3),
1785-1802.
Ferreira, MP, Pinto, CF, Serra, FR, 2014. Эл аралык бизнес изилдөөлөрүндө транзакциянын баасы теориясы: үч он жылдыкта библиометриялык изилдөө. Scientometrics 98 (3), 1899–1922. https://doi.org/10.1007/s11192-013-1172-8.
Фишер, П., Абузар, М., Раб, М., Бест, Ф., Чандра, С., 2009. Австралиянын түштүк-чыгышындагы так айыл чарбадагы жетишкендиктер. I. симуляциялоо үчүн регрессия методологиясы
дан эгиндеринин түшүмдүүлүгүнүн мейкиндик боюнча өзгөрүшү, дыйкандардын тарыхый талаадагы түшүмдүүлүгү жана нормалдаштырылган айырмачылыктын өсүмдүктөрдүн индекси. Өсүмдүк жайыттары илими. 60 (9), 844–858.
Floreano, D., Wood, RJ, 2015. Илим, технология жана чакан автономдуу дрондордун келечеги. Жаратылыш 521 (7553), 460–466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. Акылдуу айыл чарба келечеги үчүн нерселердин Интернет: өнүгүп келе жаткан технологияларды комплекстүү изилдөө. IEEE CAA J. Autom. Sinica 8 (4), 718–752.
Фуэнтес-Пачеко, Дж., Торрес-Оливарес, Дж., Роман-Рангел, Э., Сервантес, С., ХуаресЛопез, П., Хермосильо-Валадес, Дж., Рендон-Манча, ´ JM, 2019. Анжир өсүмдүктөрүн сегментациялоо терең конволюциялык кодер-декодер тармагын колдонуу менен аба сүрөттөрүнөн. Алыстан зондтоо 11 (10), 1157. https://doi.org/10.3390/rs11101157.
Гаго, J., Douthe, C., Coopman, RE, Gallego, PP, Ribas-Carbo, M., Flexas, J., Escalona, J., Medrano, H., 2015. УЧКлар үчүн суу стрессти баалоо үчүн чакырык
туруктуу айыл чарбасы. Agric. Суу башкаруучусу. 153, 9–19. https://doi.org/10.1016/j. agwat.2015.01.020.
García-Tejero, IF, Rubio, AE, Vinuela, ˜ I., Hern´ andez, A., Guti´errez-Gordillo, S., Rodríguez-Pleguezuelo, CR, Dur´ an-Zuazo, VH, 2018. Жылуулук чагылдыруу заводдо
дефициттүү сугаруу стратегиялары боюнча бадам дарактарындагы суу-суу абалына баа берүү үчүн деңгээл (cv. Guara). Agric. Суу башкаруучусу. 208, 176–186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. кичинекей hyperspectral UAS колдонуу Surface чагылдыруу жана suninduced fluorescence спектроскопия өлчөө. Remote Sensing 9 (5), 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. Автоматтык ыкма үчүн
УАВ сүрөттөрүнүн негизинде сулу талааларында отоо чөптөрдүн картасы. Эсептөө. Электрон. Agric.
Гебберс, Р., Адамчук, VI, 2010. Так айыл чарбасы жана азык-түлүк коопсуздугу. Илим 327 (5967), 828–831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. Аба сүрөттөрүнүн жана учкучсуз учак системасы менен алынган өсүмдүк бетинин моделдеринин негизинде жүгөрү түшүмдүүлүгүн бириктирилген спектрдик жана мейкиндик моделдөө. Алыстан зондтоо 6 (11), 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. Колдонуучулар үчүн туруктуу дизайн: адабияттарды карап чыгуу жана библиометриялык анализ. Environ. Sci. Булгануу. Res. 27 (24), 29824–29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Multispectral спутник жана гиперспектралдык айкалыштыруу менен спектралдык убакыт жооп беттерин түзүү
Тактык айыл чарба колдонмолору үчүн UAV сүрөттөрү. IEEE J. Sel. Жогорку. Колдонмо. Earth Obs. Remote Sens. 8 (6), 3140–3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. IOT негизинде айыл чарба булут жана чоң маалымат кызматы: санариптик Индиянын башталышы. J. Орг. жана Акыркы колдонуучунун эсептөөсү. (JOEUC) 29 (4),
1-23.
Гмүр, М., 2006. Ко-цитата анализи жана көрүнбөгөн колледждерди издөө: методологиялык баалоо. Scientometrics 57 (1), 27–57. https://doi.org/10.1023/
a:1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Учкучсуз учуучу аппараттар менен жүгөрү өсүмдүктөрүнүн санариптик саны. Алыстан сезүү 9 (6). Https://doi.org/10.3390/rs9060544.
Гокто ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. Суудагы отоо чөптөрдү көзөмөлдөө жана көзөмөлдөө үчүн учкучсуз аба унаасы.
башкаруу. J. Intell. Робототехника системасы: Теор. Колдонмо. 57 (1–4), 467–484. https://doi. org/10.1007/s10846-009-9371-5.
Gomez-Cand ´ on, ´ D., De Castro, AI, Lopez-Granados, ´ F., 2014. Буудайдагы так айыл чарба максаттары үчүн учкучсуз учуучу аппараттын (UAV) сүрөттөрүнөн алынган мозаиканын тактыгын баалоо. Так. Agric. 15 (1), 44–56. https://doi.org/10.1007/s11119-013-9335-4.
Гомес-Канд ´ боюнча, ´ D., Virlet, N., Labb´e, S., Jolivot, A., Regnard, J.-L., 2016. UAV менен сезилген сүрөттөр менен дарак масштабында суу стрессинин талаа фенотиптери : үчүн жаңы түшүнүктөр
термикалык алуу жана калибрлөө. Так. Agric. 17 (6), 786–800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. Колдонуучулук жана цитрус бактарында суунун тартыштыгынын көрсөткүчү катары өсүмдүк суунун стресс индексин колдонуунун чектөөлөрү. Agric. үчүн. Метеорол. 198–199, 94–104. https://doi.org/10.1016/j. agrformet.2014.08.003.
Гонсалес-Дуго, В., Зарко-Тежада, П., Николас, ´ Е., Нортес, П.А., Аларкон, ´ JJ, Intrigliolo, DS, Fereres, E., 2013.
коммерциялык бакчанын ичиндеги беш мөмө дарагынын суунун абалынын өзгөрмөлүүлүгүн баалоо. Так. Agric. 14 (6), 660–678. https://doi.org/10.1007/s11119-013-9322-9.
Гоял, К., Кумар, С., 2021. Финансылык сабаттуулук: Системалуу карап чыгуу жана библиометрикалык анализ. Int. J. Consumer Studies 45 (1), 80–105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. Токой жана айыл чарбасындагы арзан учуучу аппараттардын фотограмметрикалык потенциалы. Фотограмметрия, алыстан зонддоо жана мейкиндик маалымат илимдеринин эл аралык архивдери – ISPRS Archives 37, 1207–1213. https://www.scopus.com/inward/record.uri?eid=2-s2.0-85039543258&partnerI D=40&md5=b4b2d639257e8ddb5a373d15959c4e1e.
Гуан, С., Фуками, К., Мацунака, Х., Оками, М., Танака, Р., Накано, Х., Сакай, Т., Накано, К., Охдан, Х., Такахаши, К. 2019. Жогорку резолюциянын корреляциясын баалоо
NDVI жер семирткичтерди колдонуу деңгээли жана чакан УУАларды колдонуу менен күрүч менен буудайдын түшүмдүүлүгү. Алыстан зондтоо 11 (2), 112.
Gundolf, K., Filser, M., 2013. Менеджмент изилдөө жана дин: цитата анализи. J. Bus. Этика 112 (1), 177–185.
Гуо, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. CFD симуляциясы жана мейкиндикти эксперименталдык текшерүү жана убактылуу бөлүштүрүү
төрт ротордук айыл чарбалык учкучсуз учуучу аппараттын ылдый жууучу аба агымы. Эсептөө. Электрон. Agric. 172, 105343 https://doi.org/10.1016/j.compag.2020.105343.
Хагихатталаб, А., Гонз' алез Перес, Л., Мондал, С., Сингх, Д., Шинсток, Д., Руткоски, Дж., Ортиз-Монастерио, И., Сингх, РП, Гудин, Д. , Польша, Ж., 2016.
Ири буудай өстүрүүчү питомниктердин жогорку өндүрүмдүүлүгүн фенотиптөө үчүн учкучсуз аба системаларын колдонуу. Өсүмдүктөрдүн ыкмалары 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. Ар кандай жарыктандыруу шарттарында UAVлардан спектралдык сүрөт тартуу . Г.Г. Билл Р. (ред.), Фотограмметриянын эл аралык архивдери, аралыктан зонддоо жана мейкиндик маалымат илимдери — ISPRS Archives (Т. 40, 1W2-басылышы, 189–194-беттер). Фотограмметрия жана алыстан зонддоо боюнча эл аралык коом. 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. Evaluating техникасы аралдар өсүмдүктөрүн учкучсуз абадан картага түшүрүү
унаа (UAV) сүрөттөрү: пиксел классификациясы, визуалдык чечмелөө жана машина үйрөнүү ыкмалары. Int. J. Appl. Earth Obs. Geoinf. 89, 102085 https://doi.org/
10.1016/j.jag.2020.102085.
Хаке, А., Ислам, Н., Самрат, НХ, Дей, С., Рэй, Б., 2021. Бангладештеги жооптуу лидерлик аркылуу акылдуу чарба: мүмкүнчүлүктөр, мүмкүнчүлүктөр жана андан тышкары.
Туруктуулук 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. Айлана-чөйрөнү изилдөөдө чакан масштабдагы алыстан башкаруучу унаалар. География компас 4 (9), 1297–1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin, PJ, Jensen, RR, 2011. Айлана-чөйрөнү алыстан зонддоодо чакан масштабдагы учкучсуз учуучу аппараттар: кыйынчылыктар жана мүмкүнчүлүктөр. GISci. Remote Sens. 48 (1), 99–111. https://doi.org/10.2747/1548-1603.48.1.99.
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Agricultural Internet of Things: технологиялар жана тиркемелер, (1-бас. 2021-ж.). Springer.
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.
Пилотсуз учуучу аппараттан сүрөт тартуу: айыл чарба көзөмөлү жана чечимдерди колдоо. Эсептөө. Электрон. Agric. 44 (1), 49–61. https://doi.org/10.1016/j.
compag.2004.02.006.
Holman, FH, Riche, AB, Michalski, A., Castle, M., Wooster, MJ, Hawkesford, MJ, UAV негизинде алыстан зондоону колдонуу менен талаа участогун сыноолордо буудай өсүмдүктөрүнүн бийиктигин жана өсүү темпин жогорку өткөрүү жөндөмдүүлүгүн талаа фенотиптери. Алыстан сезүү 8 (12). https://doi. org/10.3390/rs8121031.
Хонкаваара, Э., Саари, Х., Кайвосожа, Дж., Пол ¨ онен, ¨ И., Хакала, Т., Литкей, П., М¨акинен, Дж., Песонен, Л., 2013. Иштетүү жана баалоо так айыл чарбасы үчүн жеңил UAV спектралдык камеранын жардамы менен чогултулган спектрометриялык, стереоскопиялык сүрөттөр. Алыстан зондтоо 5 (10), 5006–5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. Төмөн бийиктиктеги учкучсуз учуучу аппараттар кызматтарынын интернетине негизделген: комплекстүү изилдөө жана келечектеги перспективалар. IEEE Internet Things J. 3 (6), 899–922. https://doi.org/10.1109/JIOT.2016.2612119.
Hrabar, S., Sukhatme, GS, Corke, P., Usher, K., Roberts, J., 2005. UAV үчүн шаардык каньондордун комбинацияланган оптикалык агымы жана стерео негизделген навигациясы. Жылы: 2005 IEEE/RSJ
Интеллектуалдык роботтор жана системалар боюнча эл аралык конференция, 3309–3316-бб. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. Булуттуу туманды эсептөө үчүн Creative IoT айыл чарба платформасы. Туруктуу. Эсептөө. Inf. Сист. 28, 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. Учкучсуз учуучу аппараттын отоо чөптөрдү картасына түшүрүү үчүн толук конволюциялык тармак ( UAV) сүрөттөрү. PLoS ONE 13 (4), e0196302.
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020. UAV сүрөттөрүн отоо чөптөрдү картага түшүрүүдө объектке негизделген сүрөт анализине (OBIA) каршы терең үйрөнүү. Int. Ж.
Алыскы сенсор 41 (9), 3446–3479. https://doi.org/10.1080/01431161.2019.1706112.
Хуан, Х., Ян, А., Тан, Ю., Чжуан, Дж., Хоу, Ц., Тан, З., Дананжаян, С., Хэ, Ю., Гуо, К., Луо, С. 2021. Өсүмдүккө мониторинг жүргүзүүдө UAV сүрөттөрү үчүн терең түстүү калибрлөө
жергиликтүү глобалдык көңүл буруу менен семантикалык стилди колдонуу. Int. J. Appl. Earth Obs. Geoinf. 104, 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. Айыл чарба өндүрүшү үчүн учкучсуз учуучу аппарат технологияларын өнүктүрүү жана келечеги
башкаруу. Int. J. Agric. Биол. Eng. 6 (3), 1–10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. Учкучсуз учуучу аппараттын платформасы үчүн спрей системасын иштеп чыгуу. Колдонмо. Eng. Agric. 25 (6), 803–809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. NIR-жашыл-көк санарип сүрөттөрүн алуу
эгинге байкоо жүргүзүү үчүн учкучсуз учак. Алыстан зондтоо 2 (1), 290–305. https://doi. org/10.3390/rs2010290. Иноуэ, Ю., 2020. Спутник жана дрондун негизинде айыл чарба өсүмдүктөрүн жана топуракты алыстан зонддоо – карап чыгуу. Soil Sci. Өсүмдүк Nutr. 66 (6), 798–810. https://doi.org/10.1080/00380768.2020.1738899.
Ислам, Н., Рашид, ММ, Пасандиде, Ф., Рэй, Б., Мур, С., Кадел, Р., 2021. Нерселер Интернети (IoT) үчүн тиркемелерди жана коммуникация технологияларын карап чыгуу жана
Учкучсуз учуучу аппараттын (UAV) негизинде туруктуу акылдуу айыл чарбасы. Туруктуулук 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. тарабынан эсептелген жогорку чечим санариптик беттик моделдердин тактыгын баалоо
PhotoScan® жана MicMac® суб-оптималдуу изилдөө шарттарында. Remote Sensing 8 (6), https://doi.org/10.3390/rs8060465.
Jim´enez-Brenes, FM, Lopez-Granados, ´ F., Castro, AI, Torres-S´ anchez, J., Serrano, N., Pena, ˜ JM, 2017. Зайтун дарагынын архитектурасына жана жылдык кесүү таасирин сандык эсептөө UAV негизиндеги 3D моделдөө аркылуу чатырдын өсүшү. Өсүмдүктөрдүн ыкмалары 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. Эсептөөлөр абдан төмөн бийиктиктеги UAV сүрөттөрү чыккан буудай өсүмдүктөрүнүн өсүмдүктөрдүн тыгыздыгы. Remote Sens.
Environ. 198, 105–114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. Булуттагы эсептөө менен колдоого алынган айыл чарба продукциясын көзөмөлдөө системасы. Кластердик эсептөө. 22 (4), 8929–8938.
Ju, C., & Son, HI 2018a. Айыл чарбасында аралыктан зонддоо үчүн бир нече UAV системаларынын натыйжалуулугун баалоо. Робототехника жана автоматташтыруу боюнча IEEE эл аралык конференциясында (ICRA), Брисбен, Австралия, 21–26. Айыл чарбасында робототикалык көрүнүш жана аракет боюнча семинардын материалдары.
Ju, C., Son, HI, 2018b. Айыл чарба колдонмолору үчүн бир нече UAV системалары: контролдоо, ишке ашыруу жана баалоо. Электроника 7 (9), 162. https://doi.org/10.3390/
электроника7090162.
Юнг, Дж., Маэда, М., Чанг, А., Бхандари, М., Ашапуре, А., Ландивар-Боулз, Дж., 2021. Алыстан зонддоо жана жасалма интеллекттин потенциалы
айыл чарба өндүрүшүнүн системаларынын туруктуулугу. Curr. Opin. Биотехнология. 70, 15–22. https://doi.org/10.1016/j.copbio.2020.09.003.
Калищук, М., Парет, ML, Фриман, Дж.Х., Радж, Д., Да Силва, С., Юбанкс, С., Уиггинс, ди-джей, Лолар, М., Маруа, Дж. Джей, Меллингер, ХС, Дас, Дж. , 2019. Дарбыздагы сагыз сабагы үчүн кадимки чалгындоо практикасына учкучсуз учуучу аппараттын жардамы менен көп спектрлүү өсүмдүк сүрөтүн камтыган жакшыртылган өсүмдүк чалгындоо ыкмасы. Plant Dis. 103 (7), 1642–1650.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. Социалдык медиа изилдөөдөгү жетишкендиктер: өткөн, азыркы жана келечек. Маалымат. Сист. Фронт. 20
(3), 531-558.
Керкеч, М., Хафиане, А., Канал, Р., 2020. VddNet: көп спектрдик сүрөттөрдүн жана тереңдик картасынын негизинде жүзүм ооруларын аныктоо тармагы. Remote Sensing 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. Спутниктик жана UAV негизиндеги көп спектрдик сүрөттөрдү жүзүмзар үчүн салыштыруу
өзгөрмөлүүлүгүн баалоо. алыстан зондтоо 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-блокчейн өнүккөн терең үйрөнүүнү колдонуу менен тамак-аш өнөр жайы 4.0 үчүн оптималдаштырылган провенация системасын иштетти. Сенсорлор 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Kamar, AM, Ullah, F., 2021. Өсүмдүк ооруларын сүрөткө негизделген аныктоо: классикалык машинаны үйрөнүүдөн терең үйрөнүү саякатына чейин. Зымсыз байланыш. Мобилдик эсептөө. 2021, 1–13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. UAV негизиндеги өсүмдүк/отоо чөптөрдүн классификациясы үчүн жарым-жартылай көзөмөлдөнүүчү жаңы негиз. PLoS ONE 16 (5), e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. Так айыл чарбасында жылуулук алыстан зондоонун учурдагы жана потенциалдуу колдонмолоруна сереп салуу. Эсептөө. Электрон.
Agric. 139, 22–32. https://doi.org/10.1016/j.compag.2017.05.001.
Ханна, А., Каур, С., 2019. Интернеттин эволюциясы (IoT) жана анын Precision Agriculture тармагындагы олуттуу таасири. Эсептөө. Электрон. Agric. 157, 218–231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. Туруктуу уюмдар үчүн кызматкерлердин катышуусу: коомдук тармактарды талдоо жана жарылууну колдонуу менен ачкыч сөздөрдү талдоо
аныктоо ыкмасы. Туруктуулук 8 (7), 631.
Кирш, М., Лоренц, С., Циммерман, Р., Туса, Л., Мокел, ¨ Р., Ходл, ¨ П., Буйсен, Р., Ходададзаде, М., Глоагуэн, Р., 2018. Интеграция жердеги жана учкучсуз аппараттардын
геологиялык чалгындоо карталарын түзүү жана тоо-кен казып алуу мониторинг жүргүзүү үчүн гиперспектралдык жана фотограмметриялык сезүү ыкмалары. Remote Sensing 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. Терең үйрөнүү жана UAV сүрөттөрүн колдонуу менен жүгөрү өсүмдүктөрүн эсептөө. IEEE Geosci. Remote Sens. Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. Highthroughput сүрөткө негизделген өсүмдүк фенотиптөө үчүн автоматташтырылган машина үйрөнүү. Remote Sensing 13 (5), 858. https://
doi.org/10.3390/rs13050858.
Ковалев, И.В., Ворошилова, АА, 2020. Жүк ташуучу учкучсуз учактардын экосистемасынын өнүгүүсүндөгү заманбап технологиялык тенденциялар. J. Физ. Conf. Сер. 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Монокулярдуу камерасы бар кичинекей пилотсуз учакты колдонуу менен үйдөгү мал жана дыйканчылык үчүн визуалдык SLAM: техникалык-экономикалык негиздеме.
Дрондор 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. Айыл чарбасын автоматташтыруу үчүн дрондорду изилдөө отургузуудан тартып
түшүм жыйноо. INES 2018 – Интеллектуалдык инженердик системалар боюнча IEEE 22-эл аралык конференциясы, 000353–358-б. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. UAV IOT алкагында көз караштар жана кыйынчылыктар: "Нерселер" катары пилотсуз учактарды коргоого карай. Сенсорлор 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. Кургак үстүндө учкучсуз учак менен алынган суб-дециметрдик сүрөттөрдү талдоо үчүн сүрөттөрдү иштетүү жана классификациялоо процедуралары
жайыт жерлер. GISci. Remote Sens. 48 (1), 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. Жайыкты картага түшүрүү жана мониторинг жүргүзүү үчүн учкучсуз учуучу аппараттар: эки системаны салыштыруу. ASPRS жылдык конференциясынын материалдары.
Лам, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. Түпкү чөптөрдөгү отоо чөптөрдү картага түшүрүү үчүн ачык булактуу иш процесси
учкучсуз учуучу аппаратты колдонуу: мисал катары Rumex obtusifolius колдонуу. евро. J.Remote Sens. 54 (sup1), 71–88. https://doi.org/10.1080/22797254.2020.1793687.
Lambert, DM, Lowenberg-DeBoer, J., Griffin, TW, Peone, J., Payne, T., Daberkow, SG, 2004. Кабыл алуу, кирешелъълък жана так айыл чарба маалыматтарын жакшыраак пайдалануу.
Иш кагазы. Purdue University. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb´e, S., Baret, F., 2008. Чакан аянттардагы буудайдын түшүмүнүн сандык мониторинги үчүн учкучсуз учуучу аппараттардын сүрөттөрүн баалоо. Сенсорлор 8 (5), 3557–3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. Чоң маалыматтарга жана нерселердин Интернетине негизделген акылдуу айыл чарбанын дизайны. Int. J. Дистриб. Sens. Netw. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Ли, В., Ниу, З., Чен, Х., Ли, Д., Ву, М., Чжао, В., 2016. Жүгөрүүнүн бийиктигин жана жер үстүндөгү биомассасын алыстан баалоо. арзан баадагы учкучсуз учак системасы. Экол. Инд. 67, 637–648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. Айыл чарбасында машина үйрөнүү: карап чыгуу. Сенсорлор 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. Уюлдук көп сенсордук мамиле менен жүгөрү касиеттерин алыскы, абадан фенотиптөө. Өсүмдүк ыкмалары 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Лин, З., Гуо, В., 2020. Пилотсуз аба системасынын сүрөттөрү жана терең үйрөнүү аркылуу сорго паникуласын аныктоо жана эсептөө. Фронт. Plant Sci. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Булуттагы эсептөөлөргө негизделген заманбап эко-айыл чарбасынын мониторинг системасы. IEEE Access 7, 37050–37058.
Lopez-Granados, ´ F., 2011. Сайтка тиешелүү отоо чөптөрдү башкаруу үчүн отоо чөптөрдү аныктоо: картага түшүрүү жана реалдуу убакыт ыкмалары. Weed Res. 51 (1), 1–11. https://doi.org/10.1111/j.1365-3180.2010.00829.x.
Лопес-Гранадос, Ф., Торрес-Санчес, Дж., Де Кастро, А.-И., Серрано-Перес, А., МесасКарраскоса, Ф.-Ж., Пена, Дж.-М. , 2016. Объектке негизделген, чөп өсүмдүгүндөгү отоо чөптүн жогорку чечилиштеги UAV сүрөттөрүн колдонуу менен эрте мониторинги. Агрон. Туруктуу. Dev. 36 (4), 1–12
Лопес-Гранадос, Ф., Торрес-Санчес, Дж., Серрано-Перес, А., де Кастро, А.И., МесасКарраскоса, Ф.-Ж., Пена, ˜ Ж.-М., 2016. UAV технологиясын колдонуу менен күн карамада эрте сезондогу отоо чөптөрдү картографиялоо: отоо чөптөрдүн босогосуна каршы гербициддерди дарылоо карталарынын өзгөрүлмөлүүлүгү. Так. Agric. 17 (2), 183–199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS - multirotor учкучсуз учак системасынын сүрөт спектроскопия. J. Field Rob. 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. Жер үстүндөгү лазердик сканерлөө айыл чарба есумдуктеру. In JJ
Чен Дж. Маас Х–Г. (Ред.), Эл аралык фотограмметрия, алыстан зонддоо жана мейкиндик маалымат илимдеринин архивдери — ISPRS архивдери (37-том, 563–566-беттер).
Фотограмметрия жана алыстан зонддоо боюнча эл аралык коом. 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. Көзөмөлгө алынган объектке негизделген жер-капкак сүрөтүнүн классификациясын карап чыгуу. ISPRS J. Фотограмма. Remote Sens. 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. Так айыл чарбасында учкучсуз учуучу аппараттар менен алыстан зонддоо перспективалары. Trends Plant Sci. 24 (2), 152–164. https://doi.org/10.1016/j.tplants.2018.11.007.
Маймаитицзян, М., Гулам, А., Сидике, П., Хартлинг, С., Маймаитииминг, М., Петерсон, К., Шеверс, Э., Фишман, Дж., Петерсон, Дж., Кадам, С. Буркен, Ж., Фрицчи, Ф., 2017.
Көп сенсордук маалыматтарды бириктирүү жана экстремалдык окутуу машинасын колдонуу менен пилотсуз аба системасы (UAS) негизинде соя фенотиптөө. ISPRS J. Фотограмма. Remote Sens. 134, 43–58. https://doi.org/10.1016/j.isprsjprs.2017.10.011. Маймаитицзян, М., Саган, В., Сидике, П., Далое, А.М., Эркбол, Х., Фрицчи, ФБ, 2020.
Спутник/UAV маалыматтарын бириктирүү жана машинаны үйрөнүү аркылуу түшүмдүн мониторинги. Remote Sensing 12 (9), 1357. https://doi.org/10.3390/rs12091357.
Манфреда, С., МакКейб, М., Миллер, П., Лукас, Р., Пажуэло Мадригал, В., Маллинис, Г., Бен Дор, Э., Хельман, Д., Эстес, Л., Сираоло, Г. ., Мюллерова, ´ Ж., Тауро, Ф., де Лима, М., де
Лима, Дж., Мальта, А., Фрэнсис, Ф., Кейлор, К., Кохв, М., Перкс, М., Руиз-Перес, Г., Су, З., Вико, Г., Тот , Б., 2018. Үчүн учкучсуз учуучу системаларды колдонуу жөнүндө
экологиялык мониторинг. Алыстан зондтоо 10 (4), 641.
Маринко, РА, 1998. Диссертациялардагы аялдарды изилдөө журналдарына цитаталар, 1989 жана The Serials Librarian 35 (1–2), 29–44. https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021. UAV жардамы менен зымсыз тармактарда ресурстарды башкаруу: оптималдаштыруу перспективасы. Ad Hoc Network. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. Тактыкта мультиспектралдык, жылуулук жана RGB жогорку чечилиштеги сүрөттөрдүн негизинде мультисенсордук UAV платформасынын практикалык колдонмолору
жүзүмчүлүк. Айыл чарба 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. Салттуу NDVI индексинин чегинен тышкары, так жүзүмчүлүктө UAV колдонуунун негизги фактору катары. Sci. 11 (1), 2721. https://doi.org/10.1038/s41598-021-81652-3.
Матезе, А., Тоскано, П., Ди Дженнаро, С.Ф., Генесио, Л., Ваккари, ФП, Примицерио, Дж., Белли, С., Залдей, А., Бианкони, Р., Гиоли, Б., 2015 УЧАларды, учактарды салыштыруу
так жүзүмчүлүк үчүн спутниктик аралыктан байкоо платформалары. Алыстан зондтоо 7 (3), 2971–2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. Тактык үчүн спутниктен башкарылган өсүмдүктөрдүн индексин тактоо үчүн UAV жана машина үйрөнүү
айыл чарбасы. Сенсорлор 20 (9), 2530. https://doi.org/10.3390/s20092530.
Маккейн, KW, 1990. Интеллектуалдык мейкиндикте авторлордун картасы: техникалык сереп. J. Am. Соц. Маалымат. Sci. 41 (6), 433–443.
Meinen, BU, Robinson, DT, 2021. Айыл чарба эрозиясын моделдөө: UAV убакыт сериясынын маалыматтарын колдонуу менен USLE жана WEPP талаа масштабындагы эрозияга баа берүү. Environ. Modell. Программалык камсыздоо 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Мелвилл, Б., Люсиер, А., Ариал, Дж., 2019. Гиперспектралдык учкучсуз учактар системасынын (UAS) сүрөттөрүн колдонуу менен түздүк жергиликтүү чөптүү жамааттардын классификациясы.
Тасманиянын орто жерлери. Дрондор 3 (1), 5.
Мессина, Г., Модика, Г., 2020. Тактык айыл чарбасында UAV жылуулук сүрөттөрүн колдонуу: техниканын абалы жана келечектеги изилдөөлөр. Remote Sensing 12 (9), https://doi.org/10.3390/rs12091491.
Mishra, D., Luo, Z., Jiang, S., Papadopulos, T., Dubey, R., 2017. Чоң маалыматтар боюнча библиографиялык изилдөө: түшүнүктөр, тенденциялар жана көйгөйлөр. Бизнес процессинин менеджери. J. 23 (3),
555-573.
Mochida, K., Saisho, D., Hirayama, T., 2015. Талаа шарттарында алынган жашоо циклинин маалымат топтомун колдонуу менен өсүмдүктөрдү жакшыртуу. Фронт. Plant Sci. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. Тактык айыл чарбасында учкучсуз системаларды колдонуу боюнча сереп. Procedia Comput. Sci. 133, 502–509.
Moharana, S., Dutta, S., 2016. Гиперспектралдык сүрөттөрдөн күрүчтүн хлорофиллинин жана азотунун мейкиндик өзгөрүшү. ISPRS J. Фотограмма. Remote Sens. 122, 17–29.
Муангпратхуб, Дж., Бооннам, Н., Кажорнкасират, С., Лекбангпонг, Н., Ваничсомбат, А.
Nillaor, P., 2019. IoT жана акылдуу чарба үчүн айыл чарба маалыматтарын талдоо. Эсептөө. Электрон. Agric. 156, 467–474.
Nansen, C., Elliott, N., 2016. Entomology Remote Sensing жана Reflection Profiling. Annu. Rev. Entomol. 61 (1), 139–158. https://doi.org/10.1146/annurev-ento010715-023834.
Навиа, Дж., Мондрагон, И., Патино, Д., Колорадо, Дж., 2016. Айыл чарбасында мультиспектралдык карта түзүү: автономдуу квадрокоптер UAV колдонуу менен жердин мозаикасы. Int. Conf.
Учкучсуз учактар системасы. (ICUAS) 2016, 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. Учкучсуз нерселердин интернети (Iodt): акылдуу учкучсуз учактардын келечеги. Adv. Intell. Сист. Эсептөө. 1045, 563–580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. Микро UAV үчүн жеңил салмактагы мультиспектралдык сенсор - өтө жогорку резолюциядагы абадан алыстан зонддоо үчүн мүмкүнчүлүктөр. Int. Арк. Фотограмма. Remote Sens. Spat. Inf. Sci 37 (B1), 1193–1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Emerging UAV Applications in agriculture. Жылы: 2019 Робот чалгындоо технологиясы боюнча 7-эл аралык конференция жана
Тиркемелер (RiTA), 254–257-беттер. https://doi.org/10.1109/RITAPP.2019.8932853.
Нерур, С.П., Рашид, А.А., Натаражан, В., 2008. Стратегиялык башкаруу тармагынын интеллектуалдык структурасы: автордун биргелешип цитаталоо анализи. Стратегия. Manag. J. 29 (3),
319-336.
Neupane, K., Baysal-Gurel, F., 2021. Учкучсуз учуучу аппараттарды колдонуу менен өсүмдүктөрдүн ооруларын автоматтык түрдө аныктоо жана мониторинг жүргүзүү: карап чыгуу. Remote Sensing 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. 3D картографиялык колдонмолор үчүн UAV: карап чыгуу. Колдонмо. Геоматика 6 (1), 1–15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Эвапотранспирацияны тактык айыл чарбасында чакан UAVs менен баалоо. Сенсорлор 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. Bibliometrics, Citation Analysis and Co-Citation Analysis. Адабиятка обзор I 46 (3), 149–158. https://doi.org/10.1515/libr.1996.46.3.149.
P´ adua, L., Vanko, J., Hruˇska, J., Ad˜ ao, T., Sousa, JJ, Peres, E., Morais, R., 2017. UAS, сенсорлор жана агротокой чарбасында маалыматтарды иштетүү: практикалык колдонмолорду карап чыгуу. Int. J. Remote Sens. 38 (8–10), 2349–2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, US, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. Дан эгиндери үчүн дрондун негизиндеги маалымат чечимдерине сереп салуу. Дрондор 4 (3), 1–29. https://doi.org/10.3390/
дрондор4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. Сүрөт иштетүүчү жана жасалма нейрон тармагын колдонуу менен кунжут уруктарынын май жана белок мазмунун баалоо. J. Am. Май
Химиктердин Соц. 97 (7), 691–702.
Пена, JM, Торрес-Санчес, Дж., де Кастро, А.И., Келли, М., Лопес-Гранадос, ´ Ф., Суарес, О., Объектке негизделген анализди колдонуу менен эрте сезондогу жүгөрү талааларында отоо чөптөрдүн картасы. нын
учкучсуз учуучу аппараттын сүрөттөрү. PLoS ONE 8 (10), e77151.
Перес-Ортис, М., Пена, ˜ Дж.М., Гутиеррес, ПА, Торрес-Санчес, Дж., Херв ас-Мартинес, К.,
Lopez-Granados, ´ F., 2015. Учкучсуз учуучу аппараттарды жана эгин катарларын аныктоо ыкмасын колдонуу менен күн карама өсүмдүктөрүндө отоо чөптөрдүн картасын түзүү үчүн жарым-жартылай көзөмөлдөнүүчү система. Колдонмо. Soft Comput. J. 37, 533–544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. Так айыл чарбасында blockchain негизделген суу башкаруу системасы үчүн ишенимдүү маалымат булагы катары үнөмдүү IOT түзмөктөр. Эсептөө. Электрон. Agric. 180, 105889.
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. Тактык айыл чарбасында акылдуу мониторинг жүргүзүү үчүн өркүндөтүлгөн UAV–WSN системасы. Сенсорлор 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Блокчейн тиркемелери менен камсыздоо чынжырчалары, транспорт жана логистика: адабияттарды системалуу карап чыгуу. Int. J. Прод. Res. 58 (7), 2063–2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. Так айыл чарбасы үчүн ийкемдүү учкучсуз учуучу аппарат.
Так. Agric. 13 (4), 517–523. https://doi.org/10.1007/s11119-012-9257-6.
Притчард, А., 1969. Статистикалык библиография же библиометрия. J. Документ. 25 (4), 348–349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. Тажрыйбалык талааларды жана эгиндерди баалоо үчүн учкучсуз учуучу аппараттын (UAV) ылайыктуулугу. Айыл чарба 99 (4), 431–436.
Puri, V., Nayyar, A., Raja, L., 2017. Айыл чарба дрондору: так айыл чарбадагы заманбап ачылыш. J. Statis. Manag. Сист. 20 (4), 507–518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. Тактык айыл чарбасы үчүн UAV колдонмолорунун компиляциясы. Эсептөө. Netw. 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Агрономиялык изилдөөдө чоң маалыматтардын аналитикасын жана жасалма интеллектти колдонуу. Индиялык Дж. Агрон. 65 (4), 383–395.
Raparelli, E., Bajocco, S., 2019. Айыл чарба жана токой чарба изилдөөлөрүндө учкучсуз учуучу аппараттарды колдонуу боюнча библиометриялык анализ. Int. J. Remote Sens. 40 (24),
9070–9083. https://doi.org/10.1080/01431161.2019.1569793.
Расмуссен, Дж., Нильсен, Дж., Гарсиа-Руиз, Ф., Кристенсен, С., Стрейбиг, Дж.С., Лотц, Б., 2013.
Чакан учкучсуз учак системаларын (UAS) отоо чөптөрдү изилдөөдө потенциалдуу пайдалануу. Weed Res. 53 (4), 242–248.
Расмуссен, Дж., Нтакос, Г., Нильсен, Дж., Свенсгаард, Дж., Поулсен, РН, Кристенсен, С., орнотулган керектөөчү класстагы камералардан алынган өсүмдүктөрдүн индекстери
Эксперименталдык участокторду баалоо үчүн УУА жетиштүүбү? евро. J. Агрон. 74, 75–92. https://doi.org/10.1016/j.eja.2015.11.026.
Rejeb, A., Rejeb, K., Abdollahi, A., Zailani, S., Iranmanesh, M., Ghobakhloo, M., 2022. Санариптештирүү тамак-аш менен камсыз кылуу чынжырчалары: библиометрикалык карап чыгуу жана негизги жолдун негизги жолу
талдоо. Туруктуулук 14 (1), 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a. Жеткирүү чынжырын башкаруу жана логистика үчүн дрондор: карап чыгуу жана изилдөө күн тартиби. Int. J. Логист. Res. Колдонмо.
1–24. https://doi.org/10.1080/13675567.2021.1981273.
Режеб, А., Режеб, К., Симске, С., Трейблмайер, Х., 2021b. Логистикада жана жеткирүү чынжырын башкарууда блокчейн технологиялары: библиометриялык сереп. Логистика 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021c. Гуманитардык дрондор: карап чыгуу жана изилдөө күн тартиби. Нерселер интернети 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Режеб, А., Трейблмайер, Х., Режеб, К., Зайлани, С., 2021д. Саламаттыкты сактоодо блокчейн изилдөө: библиометриялык сереп жана учурдагы изилдөө тенденциялары. Дж., Инф. жана
Manag. 3 (2), 109–124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Жеткирүү чынжырын башкаруу жана логистикадагы нерселердин интернети изилдөө: библиометриялык анализ. Интернет
Things 12, 100318.
ReportLinker, 2021. Дүйнөлүк айыл чарба дрондор рыногу жылына 15.2 миллиард долларга жететGlobeNewswire News Room. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- Жыл-2027.html.
Ribeiro-Gomes, K., Hernandez-L 'opez, 'D., Ortega, JF, Ballesteros, R., Poblete, T., Moreno, MA, 2017. Муздатылган жылуулук камерасын калибрлөө жана оптималдаштыруу
айыл чарбасындагы UAV колдонмолору үчүн фотограмметрия процесси. Сенсорлор (Швейцария) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. Меймандостук изилдөөдөгү жетишкендиктер: "Родни Дангерфилдден Арета Франклинге чейин". Int. J. Contempor. Оорукана. Manag. 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. Парниктерде экологиялык өзгөрмөлөрдү өлчөө үчүн мини-UAV негизделген сенсордук система. Сенсорлор 15 (2), 3334–3350. https://doi.org/10.3390/s150203334.
Розенберг, Г., Кент, Р., Бланк, Л., 2021. Коммерциялык пияз талааларында отоо чөптөрдүн мейкиндик бөлүштүрүүнүн кеч мезгилин аныктоо жана талдоо үчүн колдонулган керектөөчү класстагы UAV. Так. Agric. 22 (4), 1317–1332. https://doi.org/10.1007/s11119-021-09786-y.
Саари, Х., Пелликка, И., Песонен, Л., Туоминен, С., Хейкила, ¨ Дж., Холмлунд, Ч., Макинен, ¨ Дж., Ожала, К., Антила, Т., 2011. Учкучсуз токой жана айыл чарба колдонмолору үчүн аба аппараты (UAV) башкарган спектрдик камера системасы. Улантуу. SPIE – Int. Соц. Опция. Eng. 8174 https://doi.org/10.1117/12.897585.
Сах, Б., Гупта, Р., Бани-Хани, Д., 2021. Дрон логистикасын ишке ашыруу үчүн тоскоолдуктарды талдоо. Int. J. Логист. Res. Колдонмо. 24 (6), 531–550. https://doi.org/10.1080/
13675567.2020.1782862.
Саха, АК, Саха, Дж., Рэй, Р., Сиркар, С., Дутта, С., Chattopadhyay, SP, & Saha, HN, айыл чарба тармагындагы түшүмдүн сапатын жакшыртуу үчүн IOT негизиндеги учкучсуз аппарат. Ш
N. Chakrabarti S. (Ред.), 2018 IEEE 8th Annual Computing and Communication Workshop and Conference, CCWC 2018 (Т. 2018-январь, 612–615-беттер). Институт
of Electrical and Electronics Engineers Inc. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: тактык айыл чарбасы үчүн жаңы жана эффективдүү LED негизиндеги байланыш. IEEE Conf. Маалымат. Коммун. Technol. 2019, 1–5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Пастор, E., 2014. UAV учуу эксперименттери өсүмдүктөрдүн аймактарын алыстан зонддоо үчүн колдонулат. Алыстан зондтоо 6 (11), 11051–11081. https://doi.org/10.3390/rs61111051.
Санкаран, С., Хот, LR, Espinoza, CZ, Jarolmasjed, S., Sathuvalli, VR, Vandemark, GJ, Miklas, PN, Картер, AH, Pumphrey, MO, Ноулз, NRN, Pavek, MJ, 2015.
Катар жана талаа өсүмдүктөрүн фенотиптөө үчүн төмөнкү бийиктиктеги, жогорку резолюциядагы абадан сүрөттөө системалары: карап чыгуу. евро. J. Агрон. 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. Жогорку токтомдогу UAV негизиндеги жылуулук сүрөттөө
жүзүмзардагы өсүмдүк суунун абалынын көз ирмемдик жана мезгилдик өзгөрмөлүүлүгү. Agric. Суу башкаруучусу. 183, 49–59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. Beyond Citation analysis: Изилдөөнүн таасирин баалоо модели. Ж. Мед. Китепкана Доц. : 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. Жер системасы илим менен байланышкан сүрөттөө спектроскопиясы-баалоо. Remote Sens. Environ. 113, S123–S137.
Ширрманн, М., Гибел, А., Глейнигер, Ф., Пфланц, М., Лентчке, Дж., Даммер, К.-Х., 2016. Арзан чыгымдалуучу UAV менен күздүк буудайдын агрономиялык параметрлерине мониторинг жүргүзүү
сүрөттөлүш. Алыстан аныктоо 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. Жогоруда так аэробиологиялык үлгүлөрдү алуу үчүн автономдуу учкучсуз учуучу аппаратты иштеп чыгуу жана колдонуу
айыл чарба талаалары. J. Field Rob. 25 (3), 133–147. https://doi.org/10.1002/rob.20232.
Шадрин, Д., Менщиков, А., Сомов, А., Борнеман, Г., Хауслаге, Дж., Федоров, М.
Жасалма интеллект менен камтылган сезүү аркылуу так айыл чарбасын иштетүү. IEEE Trans. Instrum. Мез. 69 (7), 4103–4113.
Шахатре, Х., Савалме, АХ, Аль-Фукаха, А., Доу, З., Алмаита, Э., Халил, И.,
Othman, NS, Khreishah, A., Guizani, M., 2019. Пилотсуз учуучу аппараттар (UAVs): жарандык колдонмолор жана негизги изилдөө көйгөйлөрү боюнча сурамжылоо. IEEE Access 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. Чоң маалыматтарга негизделген айыл чарбасы: өсүмдүктөрдү өстүрүүдө чоң маалыматтардын аналитикасы, геномика жана алыстан байкоону колдонуу
өсүмдүктөрдүн түшүмдүүлүгүн жогорулатуу үчүн технологиялар. Өсүмдүк феномасы J. 2 (1), 1–8.
Sharma, BK, Chandra, G., Mishra, VP, 2019. Салыштырмалуу талдоо жана соттук териштирүүлөрдө UAV жана AIдин таасири. In: Процесстер – 2019 Amity International
Жасалма интеллект боюнча конференция. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. Жеткирүү чынжырын башкарууда жасалма интеллекттин ролу: аймактын картасын түзүү. Int. Ж.
Прод. Res. 1–24. https://doi.org/10.1080/00207543.2022.2029611.
Ши, Ю., Томассон, Ж.А., Мюррей, СК, Пью, Н.А., Руни, ВЛ, Шафиан, С., Раджан, Н., Роуз, Г., Морган, CLS, Нили, ХЛ, Рана, А., Багаватианнан , MV,
Henrickson, J., Bowden, E., Valasek, J., Olsenholler, J., Bishop, MP, Sheridan, R., Putman, EB, Popescu, S., Burks, T., Cope, D., Ibrahim, А., Маккатчен, Б.Ф.
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016. Жогорку өндүрүмдүүлүгү фенотиптөө жана агрономиялык изилдөө үчүн учкучсуз учуучу аппараттар. PLoS ONE
11 (7), e0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. Учкучсуз аба аркылуу түшүмдүүлүк-туруктуу зоналар боюнча жүгөрү стендин гетерогендүүлүгүн басып алуу
Унаалар (УАВ). Сенсорлор 19 (20), 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. Илимий адабиятта биргелешкен цитата: эки документтин ортосундагы байланыштын жаңы өлчөмү. J. Am. Соц. Маалымат. Sci. 24 (4), 265–269.
Small, H., Rorvig, ME, Lunin, LF, 1999. Илимди цитата картасы аркылуу визуализациялоо. J. Am. Соц. Маалымат. Sci. 50 (9), 799–813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. Чоң жайыт аймактарында геолокацияланган аба сүрөттөрү менен жапайы жаныбарларды эсептөө. Эсептөө. Электрон. Agric. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. UAV колдонуу менен так айыл чарба колдонмолорунда маршрутту оптималдаштыруу үчүн ыкма. Дрондор 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
Stafford, JV, 2000. 21-кылымда так айыл чарбаны ишке ашыруу. J. Agric. Eng. Res. 76 (3), 267–275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. Учкучсуз учуучу аппаратты колдонуу менен алыстан зонддоо сүрөттөрү менен буудайдын кургакчылыгын баалоо. 2018-жылы 37-Кытай көзөмөл конференциясы (CCC).
Су, Дж., Лю, С., Кумбс, М., Ху, X., Ванг, С., Сю, X., Ли, К., Гуо, Л., Чен, В.-Х., 2018. Мультиспектрдик ИДМ аба сүрөттөрүнөн үйрөнүү менен буудайдын сары даттын мониторинги.
Эсептөө. Электрон. Agric. 155, 157–166. https://doi.org/10.1016/j. compag.2018.10.017.
Су, Ю., Ванг, X., 2021. Чоң маалыматтар менен акылдуу айыл чарбасын куруу процессинде айыл чарба экономикасын башкаруунун инновациясы. Туруктуу эсептөө. Inf. Сист. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. пахта чатырында суунун стрессти аныктоо үчүн учкучсуз жылуулук инфракызыл аба системасынын сезгичтигин баалоо. Trans. ASABE 50 (6), 1955–1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. RGB негизиндеги өсүмдүк индексинин интеграциясы, өсүмдүк бетинин модели жана учкучсуз учуучу аппаратты колдонуу менен кант камышынын түшүмдүүлүгүн баалоо үчүн объектке негизделген сүрөт талдоо ыкмасы. Эсептөө. Электрон. Agric. 180, 105903 https://doi.org/10.1016/j.compag.2020.105903.
Suomalainen, J., Anders, N., Iqbal, S., Franke, J., Wenting, P., Bartholomeus, H., Becker, R., Kooistra, L., 2013.
учкучсуз учуучу аппараттар—биринчи натыйжалар. Жылы: 2013 Гиперспектралдык сүрөт жана сигналдарды иштетүү боюнча 5-семинар: алыстан зонддоо эволюциясы (ШЫБЫРАТ), 1–4-беттер. https://doi.org/10.1109/WHISPERS.2013.8080721.
Суомалайнен, Дж., Андерс, Н., Икбал, С., Реринк, Г., Франке, Дж., Вентинг, П., Хуннигер, Д., Барфоломей, Х., Беккер, Р., Кооистра, Л. 2014. Жеңил гиперспектрал
пилотсуз учуучу аппараттар үчүн картографиялык система жана фотограмметриялык иштетүү чынжыр. Алыстан зондтоо 6 (11), 11013–11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021. Айыл чарбасында сүрөт иштетүүчү, UAV жана AI колдонуу менен алдын ала башкаруу стратегиялары: карап чыгуу. World J. Eng. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998. Бухгалтердик эсепке журналдын таасирин иликтөө үчүн цитаталарды колдонуу менен маалыматты иштетүү. Inf. Процесс. Башкаруу. 34 (2–3), 341–359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. 5G тармагы боюнча сурамжылоо жана анын айыл чарбага тийгизген таасири: кыйынчылыктар жана мүмкүнчүлүктөр. Эсептөө.
Электрон. Agric. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. Так айыл чарбасында маалыматтарга негизделген чечимдерди кабыл алуу: айыл чарба системаларында чоң маалыматтардын өсүшү. J. Agric. Тамак-аш маалыматы.
20 (4), 344-380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. UAV- колдонуу менен күздүк буудайдын түшүмдүүлүгүн жана өсүмдүк бийиктигин баалоо негизделген гиперспектралдык сүрөттөр.
Сенсорлор 20 (4), 1231.
Течи, Л., Schmale III, DG, Woolsey, CA, 2010. Эки автономдуу учкучсуз учуучу аппараттарды колдонуу менен төмөнкү атмосферадагы өсүмдүк козгогучунун макулдашылган аэробиологиялык үлгүлөрүн алуу. J. Field Rob. 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. Терең үйрөнүүнүн жардамы менен соя зыянкечтерин аныктоо жана классификациялоо
UAV сүрөттөрү менен. Эсептөө. Электрон. Agric. 179, 105836.
Thamm, H.-P., Menz, G., Becker, M., Kuria, D.N, Misana, S., Kohn, D., 2013. The Use Uas for Assessing Agricultural Systems in AN Counter in Tanzania in the— Туруктуу айыл чарбасы үчүн WetSeason жана Terra-Sar X маалыматтары үчүн негиздүү чындыкты камсыз кылуу. In: ISPRS – Фотограмметрия, алыстан зонддоо жана мейкиндик маалымат илимдеринин эл аралык архивдери, 401–406-б. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Bibliometrics to webometrics. J. Инфо. Sci. 34 (4), 605–621.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ˜ JM, 2015. UAV сүрөттөрүндө оптималдуу босого үчүн автоматтык объектке негизделген ыкма: чөптүү өсүмдүктөрдө өсүмдүктөрдү аныктоо үчүн колдонмо. Эсептөө. Электрон. Agric. 114, 43–52. https://doi.org/10.1016/j.compag.2015.03.019.
Торрес-Санчес, ´ J., Lopez-Granados, ´ F., Serrano, N., Arquero, O., Pena, ˜ JM, Hassan, QK, 2015. Учкучсуз учуучу аппараттын (UAV) технологиясы. PLoS ONE 3 (10), e6.
Торрес-Санчес, ´ J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´ F., 2014. UAV сүрөттөрүн колдонуу менен эрте сезондогу буудай талааларында өсүмдүктөрдүн бөлчөктөрүнүн көп убакыттык картасы. Эсептөө. Электрон. Agric. 103, 104–113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. Тактык айыл чарбасы үчүн UAV негизиндеги колдонмолорду карап чыгуу. Маалымат (Швейцария) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. Багбанчылык дарактарынын өсүмдүктөрүнүн түзүлүшүн өлчөө үчүн учкучсуз учуучу учактарды пландаштырууну оптималдаштыруу. ISPRS J. Фотограмма.
Remote Sens. 160, 83–96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Айыл чарбадагы нерселердин Интернети, акыркы жетишкендиктер жана келечектеги кыйынчылыктар. Биосист. Eng. 164, 31–48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Уддин, А., Сингх, В.К., Пинто, Д., Олмос, И., 2015. Мексикадагы компьютердик илим изилдөөлөрдүн Scientometric картасы. Scientometrics 105 (1), 97–114.
БУУ., 2019. Дүйнө калкынын келечеги 2019. https://population.un.org/wpp/ (Кийинки күнү 15/04/2022).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. UAVmounted миниатюралык гиперспектралдык сенсор системасы менен күрүч талааларынын мүнөздөмөсү. IEEE J. Sel. Жогорку. Колдонмо. Earth Obs.
Remote Sens. 6 (2), 851–860. https://doi.org/10.1109/JSTARS.2013.2250921. Ван дер Мерве, Д., Бурчфилд, ДР, Витт, ТД, Прайс, КП, Шарда, А., 2020. Дрондор
айыл чарбасы. Adv. Агрон. 162, 1–30.
Велусами, П., Раджендран, С., Махендран, РК, Насир, С., Шафик, М., Чой, Дж.-Г., 2022.
Тактык айыл чарбасында учкучсуз учуучу аппараттар (UAV): колдонмолор жана кыйынчылыктар. Энергиялар 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. Учкучсуз учуучу аппаратты колдонуу менен экологиялык жактан сезгич деңиз чөйрөлөрүнүн картасын түзүү жана классификациялоо
Унаанын (UAV) сүрөттөрү жана Объектке негизделген сүрөт анализи (OBIA). Remote Sensing 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Буудай жана рапс өсүмдүктөрүнүн үстүндөгү учкучсуз аба системасынан жашыл аймактын индекси . Remote Sens. Environ. 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. Жайлоодо төрт оптикалык UAV негизинде сенсорлор чөптөр: кыйынчылыктар жана
чектөөлөр. Biogeosciences 12 (1), 163–175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Тактык айыл чарба жер астындагы нерселердин Интернети: архитектура жана технология аспектилери. Ad Hoc Network. 81,
160–173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. Санариптик ден соолук үчүн жашыруун ингредиент катары жооптуу жасалма интеллект: библиометрикалык талдоо, түшүнүктөр жана изилдөө багыттары.
Маалымат. Сист. Фронт. 1–16.
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019. Өсүмдүктөрдүн өсүшүнө мониторинг жүргүзүүдө алыстан изилдөө тенденциясын библиометриялык талдоо: Кытайдагы окуяны изилдөө. Алыстан зондтоо 11 (7). https://doi.org/10.3390/rs11070809.
Уайт, HD, Griffith, BC, 1981. Author cocitation: Alitera meter of интеллектуалдык структура. J. Am. Соц. Маалымат. Sci. 32 (3), 163–171.
Xiang, H., Tian, L., 2011. Автономдуу учкучсуз учуучу аппараттын (UAV) негизинде арзан баадагы айыл чарба аралыктан зонддоо системасын иштеп чыгуу. Биосист. Eng. 108 (2), 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. UAV негизиндеги сенсорлорду колдонуу менен өсүмдүктөрдүн жогорку өндүрүмдүүлүгүн фенотиптөө белгилерине сереп салуу. Эсептөө. Электрон. Agric. 178, 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. Учкучсуз учуучу аппарат алыстан зонддоо колдонмолору үчүн - карап чыгуу. алыстан зондтоо 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. Көп ротор аркылуу инфракызыл термикалык сүрөттөө менен адамдарды көзөмөлдөө жана жалган тректерди алып салуу. Дрондор 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. Сүрөттөрдү колдонуу менен өсүмдүктөрдүн параметрлерин баалоо салыштыруу учкучсуз учактан
көз ирмемдик гиперспектралдык сенсор жана жогорку сапаттагы санарип камерасы. Remote Sensing 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. Учкучсуз учуучу аппаратты колдонуу менен күздүк буудайдын жер үстүндөгү биомассасын баалоо- негизделген сүрөт
гиперспектралдык сенсор жана өсүмдүк бийиктиги жакшыртылган моделдер. Алыстан сезүү 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Эллис, EC, 2015. Тропикалык токой калыбына мониторинг жүргүзүү үчүн жеңил учкучсуз учуучу аппараттарды колдонуу. Биол.
Консерв. 186, 287–295. https://doi.org/10.1016/j.biocon.2015.03.031. Замора-Искьердо, МА, Санта, Дж., Мартинес, Ж.А., Мартинес, В., Скармета, AF, 2019.
Акылдуу айыл чарба IoT платформасы кырга жана булуттагы эсептөөлөргө негизделген. Биосист. Eng. 177,
4-17.
Zarco-Tejada, PJ, Diaz-Varela, R., Agileri, V., Loudjani, P., 2014. Учкучсуз абадан алынган өтө жогорку резолюциядагы сүрөттөрдү колдонуу менен дарактын бийиктигин аныктоо
транспорт каражаты (УАВ) жана автоматтык 3D фото-кайра куруу ыкмалары. евро. J. Агрон. 55, 89–99. https://doi.org/10.1016/j.eja.2014.01.004.
Zhang, C., Craine, WA, McGee, RJ, Vandemark, GJ, Davis, JB, Brown, J., Hulbert, SH, Sankaran, S., 2020. Сүрөткө негизделген фенотиптин салкын мезгилиндеги гүлдөө интенсивдүүлүгү. Сенсорлор 20 (5), 1450. https://doi.org/10.3390/s20051450.
Zhang, C., Kovacs, JM, 2012. Так айыл чарбасы үчүн чакан учкучсуз учуучу системаларды колдонуу: карап чыгуу. Так. Agric. 13 (6), 693–712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. UAV multispectral алыстан зондоонун негизинде жүгөрү суунун стресстин картасы. Алыстан зондтоо 11 (6), 605.
Чжан, X., Хан, Л., Донг, Ю., Ши, Ю., Хуан, В., Хан, Л., Гонц' алез-Морено, П., Ма, Х., Йе, Х., Собейх , Т., 2019. Автоматташтырылган сары дат үчүн терең үйрөнүүгө негизделген ыкма
жогорку резолюциядагы гиперспектралдык UAV сүрөттөрүнөн ооруну аныктоо. Алыстан зондтоо 11 (13), 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. Wavelet анализи менен айкалышкан гиперспектралдык сүрөттү колдонуу менен чай өсүмдүктөрүнүн ооруларын жана курт-кумурскалар стресстерин аныктоо жана дискриминациялоо. Эсептөө. Электрон. Agric. 193, 106717 https://doi.org/10.1016/j. compag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. Аба сүрөтүн семантикалык сегментациялоо үчүн энтропия жетекчиликке алынган атаандаштык доменди адаптациялоо. IEEE Trans. Г
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Жерге негизделген спектрдик убакыттын катар анализи аркылуу күрүч фенологиясын аныктоо индексинин маалыматтары. Талаа өсүмдүктөрү рес. 198, 131–139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. зымсыз сенсорлордун негизинде так айыл чарба агып себүү системасын долбоорлоо. Int. J. Online Eng. 14 (05), 184.
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. UAV-LiDAR маалыматтарын колдонуу менен жайгаштырылган жүгөрү өсүмдүктөрүнүн бийиктигинин өзгөрүүлөрүн талдоо. Айыл чарба 10 (5), 146. https://
doi.org/10.3390/agriculture10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Жүгөрү-IAS: Өсүмдүктөрдүн жогорку өндүрүмдүүлүгүн фенотиптөө үчүн терең үйрөнүүнү колдонуу менен жүгөрү сүрөтүн талдоо программасы . Өсүмдүк ыкмалары 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. Дандын түшүмдүүлүгүн болжолдоо көп мезгилдүү өсүмдүктөрдү колдонуу менен күрүч
UAV негизиндеги мультиспектралдык жана санариптик сүрөттөрдүн индекстери. ISPRS J. Фотограмма. Remote Sens. 130, 246–255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. Зымсыз сенсордук тармакка негизделген парниктик мониторинг системасынын негизги технологиясын симуляциялоо. Int. J. Online Eng. 12 (05),
43.
Чжоу, З., Маджид, Ю., Диверрес Наранжо, Г., Гамбакорта, EMT, 2021. Тактык айыл чарбасында инфракызыл термикалык сүрөттөр менен өсүмдүк суусунун стрессине баа берүү: карап чыгуу
жана терең үйрөнүү колдонмолорунун келечектеги перспективалары. Эсептөө. Электрон. Agric. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.