Abderahman Rejeb a , Əlirza Abdullahi b , Kərim Rəcəb c , Horst Treiblmaier d,
- a İdarəetmə və Hüquq Departamenti, İqtisadiyyat Fakültəsi, Roma Tor Verqata Universiteti, Via Kolumbiya, 2, Roma 00133, İtaliya
- b Biznesin idarə edilməsi şöbəsi, İdarəetmə Fakültəsi, Xarəzmi Universiteti, 1599964511 Tehran, İran
- c Bizerte Elmlər Fakültəsi, Karfagen Universiteti, Zarzouna, 7021 Bizerte, Tunis
- d Beynəlxalq İdarəetmə Məktəbi, Modul Universiteti Vyana, Am Kahlenberg 1, 1190 Vyana, Avstriya
MƏQALƏ MƏLUMATI | ÖZET |
Keywords: Drones İHA Həssas kənd təsərrüfatı Things İnternet Bibliometriya | Pilotsuz Hava Vasitələri (İHA) olaraq da adlandırılan dronlar son onilliklərdə diqqətəlayiq bir inkişafın şahidi oldular. Kənd təsərrüfatında fermerlərə əhəmiyyətli xərclərə qənaət təklif edərək əkinçilik təcrübələrini dəyişdilər, əməliyyat səmərəliliyi və daha yaxşı gəlirlilik. Son onilliklərdə kənd təsərrüfatı dronları mövzusu var diqqətəlayiq akademik diqqəti cəlb etdi. Buna görə də biz bibliometrikaya əsaslanan hərtərəfli araşdırma aparırıq mövcud akademik ədəbiyyatı ümumiləşdirmək və strukturlaşdırmaq və cari tədqiqat meyllərini və qaynar nöqtələri aşkar etmək. Biz bibliometrik üsulları tətbiq etmək və ümumiləşdirmək üçün kənd təsərrüfatı dronlarını əhatə edən ədəbiyyatı təhlil etmək və əvvəlki tədqiqatları qiymətləndirin. Təhlillərimiz göstərir ki, uzaqdan zondlama, dəqiq kənd təsərrüfatı, dərin öyrənmə, maşın öyrənməsi və əşyaların interneti kənd təsərrüfatı dronları ilə bağlı kritik mövzulardır. Birgə sitat təhlil ədəbiyyatda altı geniş tədqiqat klasterini ortaya qoyur. Bu araşdırma kənd təsərrüfatında dron tədqiqatlarını ümumiləşdirmək və gələcək tədqiqat istiqamətlərini təklif etmək üçün ilk cəhdlərdən biridir. |
giriş
Kənd təsərrüfatı dünyanın əsas qida mənbəyidir (Friha et al., 2021) və o, ciddi problemlərlə üzləşib.
qida məhsullarına artan tələbat, qida təhlükəsizliyi və təhlükəsizlik problemləri, o cümlədən ətraf mühitin mühafizəsi, suyun qorunması və
davamlılıq (Inoue, 2020). Bu inkişafın davam edəcəyi proqnozlaşdırılır, çünki dünya əhalisinin 9.7-ci ilə qədər 2050 milyarda çatacağı təxmin edilir.
(2019). Kənd təsərrüfatı qlobal miqyasda su istehlakının ən görkəmli nümunəsini təşkil etdiyindən, qida tələbatı və suya
yaxın gələcəkdə istehlak kəskin şəkildə artacaq. Bundan əlavə, gübrə və pestisidlərin istehlakı artır
əkinçilik fəaliyyətinin intensivləşdirilməsi ilə birlikdə gələcək ekoloji problemlərə səbəb ola bilər. Eynilə, əkin sahələri məhduddur və
dünyada fermerlərin sayı azalır. Bu problemlər innovativ və davamlı əkinçilik həllərinə olan ehtiyacı vurğulayır (İlyas
et al., 2018; Friha və başqaları, 2021; Inoue, 2020; Tzounis et al., 2017).
Yeni texnologiyaların tətbiqi bu problemləri həll etmək üçün perspektivli həll yolu kimi müəyyən edilmişdir. Ağıllı əkinçilik (Brewster et al.,
2017; Tang və digərləri, 2021) və dəqiq kənd təsərrüfatı (Feng et al., 2019; Khanna & Kaur, 2019) bu cür müzakirələr nəticəsində ortaya çıxdı. The
birincisi, səmərəliliyi və effektivliyi artırmaq üçün kənd təsərrüfatı fəaliyyətlərində informasiya kommunikasiya texnologiyalarının (İKT) və digər qabaqcıl yeniliklərin qəbulu üçün ümumi anlayışdır (Haque et al., 2021). Sonuncu, torpağın bölündüyü sahə üçün xüsusi idarəetməyə diqqət yetirir
homojen hissələr və hər bir hissə yeni texnologiyalar vasitəsilə məhsul məhsuldarlığının optimallaşdırılması üçün kənd təsərrüfatı məhsullarının dəqiq miqdarını alır (Feng et al., 2019; Khanna & Kaur, 2019). Bu sahədə alimlərin diqqətini cəlb edən görkəmli texnologiyalar arasında Simsiz Sensor Şəbəkələri (WSN) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016), Əşyaların İnterneti (IoT) (Gill et al., 2017; He və başqaları, 2021; Liu və başqaları, 2019),
süni intellekt (AI) texnikaları, o cümlədən maşın öyrənməsi və dərin öyrənmə (Liakos et al., 2018; Parsaeian et al., 2020; Shadrin et al.,
2019), hesablama texnologiyaları (Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019), big data (Gill et al., 2017; Tantalaki)
və başqaları, 2019) və blokçeyn (PW Khan və digərləri, 2020; Pincheira və digərləri, 2021).
Yuxarıda göstərilən texnologiyalara əlavə olaraq, uzaqdan zondlama yüksək təkmilləşdirmə potensialına malik texnoloji vasitə hesab edilmişdir
ağıllı və dəqiq kənd təsərrüfatı. Peyklər, insan ekipajlı təyyarələr və dronlar məşhur uzaqdan zondlama texnologiyalarıdır (Tsouros et al., 2019).
Xalq arasında Pilotsuz Uçuş Aparatları (PUA), Pilotsuz Təyyarə Sistemləri (UAS) və uzaqdan idarə olunan təyyarələr kimi tanınan dronlar
digər uzaqdan zondlama texnologiyaları ilə müqayisədə çoxlu üstünlüklərə malik olduqları üçün böyük əhəmiyyət kəsb edir. Məsələn, dronlar çatdıra bilər
buludlu günlərdə yüksək keyfiyyətli və yüksək keyfiyyətli şəkillər (Manfreda et al., 2018). Həmçinin, onların mövcudluğu və ötürmə sürəti digərini təşkil edir
faydalar (Radoglou-Grammatikis və digərləri, 2020). Təyyarələrlə müqayisədə dronlar yüksək qiymətə qənaətlidir və qurmaq və saxlamaq asandır (Tsouros et al., 2019). İlkin olaraq hərbi məqsədlər üçün istifadə edilməsinə baxmayaraq, pilotsuz təyyarələr çoxsaylı mülki tətbiqlərdən, məsələn, təchizat zəncirinin idarə edilməsində (A. Rejeb, Rejeb, et al., 2021a), humanitar məqsədlər üçün (A. Rejeb, Rejeb, et al., 2021c), ağıllı kənd təsərrüfatı, ölçmə və xəritəçəkmə, mədəni irs sənədləri, fəlakətlərin idarə edilməsi və meşə və vəhşi təbiətin mühafizəsi (Panday, Pratihast, et al., 2020). Kənd təsərrüfatında dronların müxtəlif tətbiq sahələri mövcuddur, çünki onlar məhsulun idarə edilməsini dəstəkləmək üçün yeni texnologiyalar, hesablama imkanları və bort sensorları ilə birləşdirilə bilər (məsələn, xəritəçəkmə, monitorinq, suvarma, bitki diaqnozu) (H. Huang et al., 2021) , fəlakətlərin azaldılması, erkən xəbərdarlıq sistemləri, vəhşi təbiətin və meşə təsərrüfatının mühafizəsi (Negash et al., 2019). Eynilə, dronlardan məhsul və böyümənin monitorinqi, məhsulun qiymətləndirilməsi, su stresinin qiymətləndirilməsi və alaq otlarının, zərərvericilərin və xəstəliklərin aşkarlanması da daxil olmaqla bir sıra kənd təsərrüfatı fəaliyyətlərində istifadə edilə bilər (Inoue, 2020; Panday, Pratihast, et al., 2020). Pilotsuz uçuş aparatları yalnız sensor məlumatlarına əsaslanaraq monitorinq, qiymətləndirmə və aşkarlama məqsədləri üçün deyil, həm də dəqiq suvarma və alaq otlarına, zərərvericilərə və xəstəliklərə qarşı dəqiq mübarizə üçün istifadə edilə bilər. Başqa sözlə, dronlar ətraf mühitlə bağlı məlumatlara əsaslanaraq dəqiq miqdarda su və pestisidlər səpə bilirlər. Dronların kənd təsərrüfatında faydaları Cədvəl 1-də ümumiləşdirilmişdir.
Dronların kənd təsərrüfatında əsas faydaları.
Xeyir | İstinad(lar) |
Zaman və məkanı gücləndirin algılama qətnamələri | (Qaqo və başqaları, 2015; Niu və başqaları, 2020; Srivastava və s., 2020) |
Dəqiq kənd təsərrüfatını asanlaşdırın | (L. Deng et al., 2018; Kalischuk et al., 2019; Maimaitijiang və başqaları, 2017) |
Təsnifatı və kəşfiyyatı bitkilər | (Inoue, 2020; Kalischuk və başqaları, 2019; Lopez- ' Granados və başqaları, 2016; Maimaitijiang və başqaları, 2017; Melville və başqaları, 2019; Moharana və Dutta, 2016) |
Gübrə istifadəsi | (L. Deng və başqaları, 2018; Guan və başqaları, 2019) |
Quraqlığın monitorinqi | (Fawcett et al., 2020; Panday, Pratihast, et al., 2020; Su və başqaları, 2018) |
Biokütlənin qiymətləndirilməsi | (Bendig və başqaları, 2014) |
Məhsulun qiymətləndirilməsi | (Inoue, 2020; Panday, Shrestha və başqaları, 2020; Tao və s., 2020) |
Fəlakətin azaldılması | (Negash et al., 2019) |
Vəhşi təbiətin mühafizəsi və meşə təsərrüfatı | (Negash et al., 2019; Panday, Pratihast, et al., 2020) |
Su stresinin qiymətləndirilməsi | (Inoue, 2020; J. Su, Coombes, et al., 2018; L. Zhang və başqaları, 2019) |
Zərərvericilər, alaq otları və xəstəliklər aşkar | (Gaˇsparovi´c et al., 2020; Inoue, 2020; J. Su, Liu, et al., 2018; X. Zhang və başqaları, 2019) |
Digər tərəfdən, dronlar da məhdudiyyətlərlə üzləşirlər. Pilotların iştirakı, mühərrik gücü, sabitlik və etibarlılıq, faydalı yükə görə sensorların keyfiyyəti
çəki məhdudiyyətləri, həyata keçirmə xərcləri və aviasiya tənzimlənməsi bunlardandır (C. Zhang & Kovacs, 2012). Biz çatışmazlıqları müqayisə edirik
Cədvəl 2-də göstərilən üç mobil uzaqdan zondlama texnologiyasından. Torpaq sensorları kimi digər uzaqdan zondlama texnologiyaları bu tədqiqatın diqqət mərkəzindən kənardadır.
Müxtəlif mobil uzaqdan zondlama texnologiyalarının çatışmazlıqları.
Uzaqdan zondlama texnologiyaları | Qüsurları | References |
Dron (İHA) | Pilotun iştirakı; şəkillər' keyfiyyət (orta); icra xərcləri (orta); sabitlik, manevr və etibarlılıq; standartlaşdırma; mühərrik gücü; məhdud güc mənbələr (batareyanın uzunömürlülüyü); məhdud uçuş müddəti, toqquşma və kiberhücumlar; məhduddur faydalı yükün çəkisi; böyük verilənlər bazası və məhdud məlumat emalı imkanlar; tənzimləmənin olmaması; təcrübənin olmaması, yüksək giriş girişinə maneələr yaradır kənd təsərrüfatı dronları; | (Bacco və başqaları, 2018; Dawaliby və başqaları, 2020; Hardin & Hardin, 2010; Hardin & Jensen, 2011; Lagkas və başqaları, 2018; Laliberte et al., 2007; Laliberte & Rango, 2011; Manfreda və başqaları, 2018, 2018; Nebiker və başqaları, 2008; Puri və başqaları, 2017; Velusamy və başqaları, 2022; C. Zhang və Kovacs, 2012) |
Peyk | Dövri peyk əhatə dairəsi, məhdud spektral qətnamə; görmə problemlərinə qarşı həssaslıq (məsələn, buludlar); Əlçatmazlıq və aşağı ötürmə sürəti; oriyentasiya və vinyetləmə bahalı məkan məlumatlarına təsir göstərir kolleksiya; yavaş məlumat çatdırılması son istifadəçilər üçün vaxt | (Abutalebi və başqaları, 2019; Cen və başqaları, 2019; Chen və başqaları, 2019; Nansen və Elliott, 2016; Panday, Pratihast, və başqaları, 2020; Sai Vineeth və s., 2019) |
Təyyarə | Yüksək övladlığa götürmə xərcləri; mürəkkəb quraşdırma; təmir xərcləri; etibarlılığın olmaması təyyarələr, həndəsə şəkillər; qeyri-müntəzəm məlumatlar alınması; elastikliyin olmaması; ölümcül qəzalar; sensor məlumatları vibrasiya səbəbiylə dəyişikliklər; georeferensiya məsələləri | (Armstronq və başqaları, 2011; Atkinson və başqaları, 2018; Barbedo & Koenigkan, 2018; Kovalev və Voroşilova, 2020; Suomalainen və başqaları, 2013; Thamm və başqaları, 2013) |
Kənd təsərrüfatında çoxşaxəli və çoxməqsədli texnologiya olaraq dronlar müxtəlif aspektlərdən araşdırılıb. Məsələn, alimlər kənd təsərrüfatında dron tətbiqlərini (Kulbacki və digərləri, 2018; Mogili & Deepak, 2018), onların dəqiq kənd təsərrüfatına töhfələrini (Puri et al., 2017; Tsouros et al., 2019), digərləri ilə tamamlayıcılığını araşdırdılar. qabaqcıl texnologiyalar (Al-Thani və digərləri, 2020; Dutta & Mitra, 2021; Nayyar və digərləri, 2020; Saha və digərləri, 2018) və onların naviqasiya və hissetmə imkanlarını inkişaf etdirmək imkanları (Baret et al. , 2015; Suomalainen et al., 2014). Kənd təsərrüfatında dron tətbiqləri ilə bağlı tədqiqatlar geniş yayıldığı üçün (Khan et al., 2021)), mövcud ədəbiyyatı ümumiləşdirməyə və domenin intellektual strukturunu aşkar etməyə ehtiyac var. Bundan əlavə, davamlı təkmilləşdirmələrə malik yüksək texnologiyalı sahə kimi mövcud ədəbiyyatı vaxtaşırı ümumiləşdirmək və mühüm tədqiqat boşluqlarını müəyyən etmək üçün strukturlaşdırılmış təhlillər aparılmalıdır. Kimə
tarixdə kənd təsərrüfatı sektorunda dron tətbiqlərini müzakirə edən bir neçə rəy var. Məsələn, Mogili və Deepak (2018) dronların məhsulun monitorinqi və pestisidlərin səpilməsi üçün təsirlərini qısaca nəzərdən keçirdi. Inoue (2020) kənd təsərrüfatında uzaqdan zondlamada peyk və dronlardan istifadənin nəzərdən keçirilməsini aparır. Müəllif ağıllı kənd təsərrüfatının mənimsənilməsinin texnoloji problemlərini və peyklərin və dronların töhfələrini nümunə araşdırmalarına və ən yaxşı təcrübələrə əsaslanaraq araşdırır. Tsouros və b. (2019) müxtəlif məlumatların toplanması və emal üsullarını vurğulayaraq müxtəlif tipli dronları və onların kənd təsərrüfatında əsas tətbiqlərini ümumiləşdirir. Bu yaxınlarda Aslan et al. (2022) kənd təsərrüfatı fəaliyyətlərində İHA tətbiqlərinin hərtərəfli nəzərdən keçirilməsini aparmış və istixanada İHA-nın eyni vaxtda lokallaşdırılması və xəritələşdirilməsinin aktuallığını vurğulamışdır. Diaz-Qonzales və başqaları. (2022) müxtəlif maşın öyrənmə üsullarına və uzaqdan məhsul istehsalına dair son araşdırmaları nəzərdən keçirdi
algılama sistemləri. Onların tapıntıları göstərdi ki, İHA-lar torpaq göstəricilərini qiymətləndirmək üçün faydalıdır və məkan ayırdetmə qabiliyyəti, məlumatın müvəqqətiliyi və çeviklik baxımından peyk sistemlərini üstələyir. Basiri və b. (2022) dəqiq kənd təsərrüfatı kontekstində çox rotorlu İHA-lar üçün yolun planlaşdırılması problemlərini aradan qaldırmaq üçün müxtəlif yanaşma və üsulları hərtərəfli nəzərdən keçirdi. Bundan əlavə, Awais et al. (2022) su vəziyyətini qiymətləndirmək üçün əkinlərdə İHA-nın uzaqdan zondlama məlumatlarının tətbiqini ümumiləşdirdi və tullantıların stress tətbiqi üçün İHA-nın uzaqdan zondlanmasının perspektiv imkanlarının dərin sintezini təmin etdi. Nəhayət, Aquilani et al. (2022) otlaq əsaslı heyvandarlıq sistemlərində tətbiq olunan qabaqcadan əkinçilik texnologiyalarını nəzərdən keçirdi və İHA-ların imkan verdiyi məsafədən zondlaşdırmanın biokütlənin qiymətləndirilməsi və sürü idarə edilməsi üçün əlverişli olduğu qənaətinə gəldi.
Həmçinin, son vaxtlar mal-qaranın monitorinqi, izlənilməsi və toplanmasında İHA-lardan istifadə cəhdləri barədə məlumat verilmişdir.
Baxmayaraq ki, bu rəylər yeni və mühüm fikirlər verir, ədəbiyyatda bibliometrikaya əsaslanan hərtərəfli və müasir icmal tapıla bilməz ki, bu da aydın bilik boşluğunu göstərir. Bundan əlavə, elmi istehsal elmi sahədə böyüdükdə, tədqiqatçılar üçün sahənin bilik strukturunu dərk etmək üçün kəmiyyət təhlili yanaşmalarından istifadə etmələri vacib olur (Rivera & Pizam, 2015). Eynilə, Ferreira et al. (2014) iddia edirdi ki, tədqiqat sahələri yetkinləşdikcə və mürəkkəbləşdikcə, alimlər yeni töhfələri aşkar etmək, tədqiqat ənənələrini və tendensiyalarını ələ keçirmək, hansı mövzuların öyrənildiyini müəyyənləşdirmək və bilik strukturunu araşdırmaq üçün yaradılan və toplanan biliklərə vaxtaşırı məna verməyə çalışmalıdırlar. sahə və potensial tədqiqat istiqamətləri. Raparelli və Bajocco (2019) kənd təsərrüfatı və meşə təsərrüfatında dron tətbiqlərinin bilik sahəsini araşdırmaq üçün bibliometrik təhlil aparsalar da, onların araşdırması yalnız 1995-2017-ci illər arasında dərc edilmiş elmi araşdırmaları nəzərdən keçirir ki, bu da sürətlə hərəkət edən sahənin dinamikasını əks etdirmir. Bundan əlavə, müəlliflər bu sahədə ən təsirli töhfələri müəyyən etməyə, ədəbiyyatı qruplaşdırmağa və birgə sitat təhlilindən istifadə edərək intellektual strukturu qiymətləndirməyə cəhd etmədilər. Nəticədə, cari tədqiqat ocaqlarını, meyllərini və qaynar nöqtələrini aşkar etmək üçün ədəbiyyatı ümumiləşdirmək lazımdır.
Bu bilik boşluğunu doldurmaq üçün biz dronların və kənd təsərrüfatının kəsişməsində aparılan tədqiqatların cari vəziyyətini araşdırmaq üçün kəmiyyət metodologiyasından və ciddi bibliometrik metodlardan istifadə edirik. Biz iddia edirik ki, hazırkı tədqiqat kənd təsərrüfatında çox ehtiyac duyulan inkişaf etməkdə olan texnologiyanı araşdıraraq mövcud ədəbiyyata bir sıra töhfələr verir, çünki bu, bu sektorda bir neçə aspekti dəyişdirmək üçün böyük potensial təmin edir. Kənd təsərrüfatı kontekstində dronlar haqqında səpələnmiş və parçalanmış biliklər nəzərə alınmaqla, kənd təsərrüfatı dronlarının bibliometrik təhlilinə ehtiyac daha da hiss olunur. Eynilə, kənd təsərrüfatı dronlarına aid ədəbiyyatın bu tədqiqat sahəsinin əsasını yaradan ən təsirli tədqiqatları nəzərə alaraq sistematik şəkildə qruplaşdırılması tələb olunur. Təhlilin ləyaqəti ədəbiyyatda təmsil olunan əsas tədqiqat mövzularının aydınlaşdırılmasını da əhatə edir. Texnologiyanın transformasiya potensialını nəzərə alaraq, biz güman edirik ki, dərin şəbəkə təhlili təsirli işləri müəyyən etməklə və dronların kənd təsərrüfatı üçün potensialı ilə bağlı mövzuları aşkar etməklə yeni fikirlər verir.
Buna görə də biz aşağıdakı tədqiqat məqsədlərinə nail olmağa çalışırıq:
- Kənd təsərrüfatı sahəsində dron tətbiqlərinə görkəmli töhfələri olan nüfuzlu nəşrlərin müəyyən edilməsi.
- Ədəbiyyatın qruplaşdırılması, tədqiqat ocaqlarının müəyyənləşdirilməsi və birgə sitat təhlilindən istifadə etməklə semantik oxşarlığa əsaslanan əsas “intellektual struktur” tədqiqatlarının xəritələşdirilməsi.
- Bu sahədə müxtəlif nəşrlər arasında əlaqələrin və sitat şəbəkələrinin zamanla təkamülünün başa düşülməsi və gələcək tədqiqat istiqamətlərinin və aktual mövzuların müəyyən edilməsi.
Sənədin qalan hissəsi aşağıdakı kimi strukturlaşdırılmışdır: 2-ci bölmə metodologiya və məlumat toplama mərhələlərini təsvir edir; bölmə 3 təhlillərin nəticələrini təqdim edir; və bölmə 4 tapıntıları müzakirə edir və tədqiqat töhfələri, təsirləri və gələcək istiqamətləri ilə yekunlaşır.
Metodologiya
Bu hazırkı tədqiqat işində biz kənd təsərrüfatında dron tətbiqlərini araşdırmaq üçün bibliometrik təhlil aparırıq. Bu kəmiyyət yanaşması bilik sahəsinin intellektual strukturunu (Arora və Chakraborty, 2021) və bu metodun tətbiqi ilə araşdırıla bilən cari vəziyyəti, aktual mövzuları və gələcək tədqiqat istiqamətlərini ortaya qoyur (Kapoor et al., 2018; Mishra et al. , 2017; A. Rejeb, Rejeb, et al., 2021b; A. Rejeb et al., 2021d; MA Rejeb et al., 2020). Ümumiyyətlə, bibliometrik təhlil statistika və riyazi metodlara əsaslanan yazılı ünsiyyətin gizli nümunələrini və intizamın təkamülünü ümumiləşdirmək və aşkar etmək üçün mövcud ədəbiyyatı araşdırır və bu, böyük məlumat dəstlərinə aiddir (Pritchard, 1969; Small, 1999; Tahai & Rigsby). , 1998). Bibliometriyadan istifadə etməklə, biz oxşarlığa əsaslanan sahəyə töhfə verən mövcud paradiqmaları və tədqiqat mərkəzlərini daha yaxşı başa düşməyə çalışırıq (Thelwall, 2008). Bibliometriya metodologiyanın obyektiv kəmiyyət gücü ilə dəstəklənən yeni anlayışlar təqdim edir (Casillas & Acedo, 2007). Çoxsaylı alimlər əvvəllər kənd təsərrüfatı, uzaqdan zondlama və rəqəmsal transformasiya da daxil olmaqla əlaqəli sahələrdə bibliometrik tədqiqatlar aparmışlar (Armenta-Medina et al., 2020; Bouzembrak et al., 2019; A. Rejeb, Treiblmaier, et al., 2021; Wamba & Queiroz, 2021; Wang et al., 2019).
Sitat təhlili
Sitatların təhlili müəyyən bir tədqiqat sahəsinə dair müxtəlif fikirləri ortaya qoyur. İlk növbədə, bu, müəyyən bir tədqiqat sahəsinə töhfə verən və əhəmiyyətli təsir göstərən ən nüfuzlu müəllifləri və nəşrləri aşkar etməyə kömək edir (Gundolf & Filser, 2013). İkincisi, bilik axını və müəlliflər arasında ünsiyyət əlaqələri aşkar edilə bilər. Nəhayət, sitat gətirilən və istinad edilən əsərlər arasında əlaqəni izləməklə, zamanla bilik sahəsinin dəyişməsini və təkamülünü araşdırmaq olar (Pournader
və başqaları, 2020). Nəşrin yüksək sitat nömrələri onun aktuallığını və tədqiqat sahəsinə əhəmiyyətli töhfələrini əks etdirir (Baldi, 1998; Gundolf & Filser, 2013; Marinko, 1998). Nəşrlərin sitat təhlili də müvafiq əsərləri müəyyən etməyə və onların populyarlığını və zamanla irəliləyişini izləməyə kömək edir.
Sənədin birgə sitat təhlili
Birgə sitat təhlili nəşrlər arasında əlaqələri araşdırmaq və sahənin intellektual strukturunu təsvir etmək üçün dəyərli üsuldur (Nerur və digərləri, 2008). Başqa sözlə, ən çox istinad edilən nəşrləri və onların əlaqələrini müəyyən etməklə, metod nəşrləri bir çoxluqdakı nəşrlərin müntəzəm olaraq oxşar fikirləri paylaşdığı fərqli tədqiqat qruplarına qruplaşdırır (McCain, 1990; Small, 1973). Qeyd etmək vacibdir ki, oxşarlıq nəşrlərin nəticələrinin eyni olması demək deyil
bir-birinə bağlı və bir-biri ilə razılaşan; nəşrlər mövzu oxşarlığına görə eyni klasterə aiddir, lakin ziddiyyətli baxışlara malik ola bilər.
Məlumatların toplanması və təhlili
White və Griffith (1981) tərəfindən təklif olunan metodologiyaya uyğun olaraq, kənd təsərrüfatında dron tətbiqlərinin bütün tədqiqat sahəsini əhatə etmək üçün jurnal məqalələrinin hərtərəfli axtarışını həyata keçirdik və aşağıdakı beş addımı izlədik:
- İlk addım məlumatların toplanması idi. Scopus standartlaşdırılmış nəticələri ilə ən əhatəli və etibarlı verilənlər bazalarından biri seçildi. Kənd təsərrüfatında bütün dron tətbiqləri ilə bağlı nəşrlərin meta-məlumatları əldə edilib. Sonra mövzudan kənar məqalələri təhlildən çıxararaq seçilmiş məqalələri təhlil etdik.
- Biz ədəbiyyatı təhlil etdik və tədqiqat sahəsində istifadə olunan ən vacib açar sözləri müəyyən etdik.
- Sitat təhlilindən istifadə edərək, əsas sitat nümunələrini aşkar etmək üçün müəlliflər və sənədlər arasındakı əlaqəni araşdırdıq. Biz həmçinin kənd təsərrüfatı dronları sahəsinə mühüm töhfələr verən ən nüfuzlu müəllifləri və nəşrləri müəyyən etdik.
- Oxşar nəşrləri qruplar üzrə qruplaşdırmaq üçün birgə sitat təhlili apardıq.
- Nəhayət, əməkdaşlıq şəbəkəsini təsvir etmək üçün ölkələr, institutlar və jurnallar arasındakı əlaqələri və əlaqələri təhlil etdik.
Müvafiq axtarış terminlərinin müəyyən edilməsi
Məlumatların toplanması üçün aşağıdakı axtarış sətirlərini tətbiq etdik: (drone* VEYA “pilotsuz uçuş aparatı” YA PUA* VEYA “pilotsuz təyyarə sistemi”” YA UAS Və ya “uzaqdan idarə olunan təyyarə”) VƏ (kənd təsərrüfatı YA əkinçilik YA əkinçilik YA əkinçi). Axtarış 2021-ci ilin sentyabrında aparılıb. Pilotsuz təyyarələrin İHA, UAS və uzaqdan idarə olunan təyyarələr də daxil olmaqla bir neçə təyinatı var (Sah et al., 2021). Kənd təsərrüfatı ilə bağlı xüsusi axtarış terminləri Abdollahi və başqalarının araşdırması əsasında müəyyən edilmişdir. (2021). Aydınlıq və şəffaflıq naminə istifadə etdiyimiz dəqiq sorğu Əlavə 1-də verilmişdir. Məlumatların təmizlənməsi prosesindən sonra biz sitat və birgə sitat təhlili üçün ümumi alət olan BibExcel-ə yüklənmiş mətn faylı yaratdıq. Bu alət həmçinin digər proqram təminatı ilə sadə qarşılıqlı əlaqə təklif edir və məlumatların işlənməsi və təhlilində əhəmiyyətli dərəcədə sərbəstlik təklif edir. Tapıntıları vizuallaşdırmaq və bibliometrik şəbəkələri yaratmaq üçün VOSviewer versiyası 1.6.16 istifadə edilmişdir (Eck & Waltman, 2009). VOSviewer, xüsusən də bibliometrik xəritələrin təhlili üçün bir sıra intuitiv vizuallaşdırma təklif edir (Geng et al., 2020). Bundan əlavə, nəticələri daha yaxşı başa düşməyə kömək edən sadə vizual nəticələrin təmin edilməsinə kömək edir (Abdollahi et al., 2021). Yuxarıda qeyd edildiyi kimi axtarış sətirlərini tətbiq edərək, biz bütün müvafiq nəşrləri topladıq və saxladıq. İlk axtarış nəticələri cəmi 5,085 sənəd əldə etdi. Seçilmiş nümunənin keyfiyyətini təmin etmək üçün tədqiqatda yalnız resenziyalı jurnal məqalələri nəzərdən keçirilmiş, nəticədə kitablar, fəsillər, konfrans materialları və redaksiya qeydləri kimi digər sənəd növləri istisna edilmişdir. Yoxlama prosesi zamanı aidiyyəti olmayan (yəni, bu işin əhatə dairəsindən kənar), lazımsız (yəni, ikiqat indeksləşdirmədən yaranan dublikatlar) və ingilis dilində danışmayan nəşrlər süzgəcdən keçirilib. Bu proses 4,700 sənədin yekun təhlilə daxil edilməsi ilə nəticələndi.
Tapıntılar və müzakirə
Başlamaq üçün kənd təsərrüfatı dronları ilə bağlı mövcud ədəbiyyatda nəşrlərin nəticələrini təhlil etdik. Elmi tədqiqatların müvəqqəti bölgüsü Şəkil 1-də göstərilmişdir. Biz 2011-ci ildən (30 nəşr) nəşrlərin sürətlə artdığını görürük; buna görə də təhlil dövrünü iki fərqli mərhələyə bölmək qərarına gəldik. Biz 1990 və 2010-cu illər arasındakı dövrə hər il təxminən yeddi məqalənin dərc olunduğu qurulma mərhələsinə istinad edirik. 2010-cu ildən sonrakı dövr böyümə mərhələsi adlandırıldı, çünki kənd təsərrüfatında dron tətbiqləri ilə bağlı tədqiqatlar bu dövrdə eksponensial artımın şahidi oldu. 2010-cu ildən sonra nəşrlərin sayının artması tədqiqatçılar arasında artan marağı təsdiqləyir ki, bu da dronların uzaqdan zondlamaya tətbiq edildiyini və dəqiq kənd təsərrüfatında istifadə edildiyini əks etdirir (Deng et al., 2018; Maes & Steppe, 2019; Messina & Modica, 2020). ). Konkret olaraq, nəşrlərin sayı 108-cü ildəki 2013-dən 498-ci ildə 2018-ə yüksəldi və 1,275-ci ildə 2020-ə çatdı. 935-ci ilin yanvar-sentyabrın ortaları arasında cəmi 2021 məqalə dərc olundu. Sonradan biz təhlilimizi daha çox artım mərhələsinə yönəltməyə üstünlük verdik. çünki bu dövr kənd təsərrüfatı dronlarının ən son və mühüm incəliklərini əks etdirir.
Açar söz təhlili
Müəlliflərin nəşr üçün seçdiyi açar sözlər məqalənin necə təmsil olunduğuna və elmi icmalar arasında necə çatdırılmasına mühüm təsir göstərir. Onlar tədqiqatın əsas mövzularını müəyyənləşdirir və onun inkişaf və ya uğursuzluq potensialını müəyyən edirlər (Day & Gastel, 1998; Kim və digərləri, 2016; Uddin və digərləri, 2015). Daha geniş tədqiqat tendensiyalarını və istiqamətlərini aşkar etmək üçün bir vasitə olan açar sözlər təhlili bir domendəki bütün əlaqəli nəşrlərin açar sözlərinin tərtibinə aiddir (Dixit & Jakhar, 2021). Hazırkı araşdırmada biz ən populyar mövzuları araşdırmaq üçün ümumiləşdirilmiş açar sözləri iki qrupa (yəni, 2010 və 2011–2021-ci ilə qədər) ayırdıq. Bunu etməklə, hər iki dəstdə mühüm açar sözləri izləyə və bütün lazımi məlumatları əldə etdiyimizə əmin ola bilərik. Hər dəst üçün ilk on açar sözlər Cədvəl 3-də təqdim edilmişdir. Biz “drone” və “drones” və ya oxşar şəkildə “Internet of Things” və “IoT” kimi semantik cəhətdən eyni olan açar sözləri birləşdirərək uyğunsuzluqları aradan qaldırdıq.
Cədvəl 3-də göstərilir ki, “pilotsuz uçuş aparatı” hər iki dövr üçün “dron” və “pilotsuz hava sistemi” ilə müqayisədə daha çox istifadə olunan açar sözdür. Həmçinin, “uzaqdan zondlama”, “dəqiq kənd təsərrüfatı” və “kənd təsərrüfatı” hər iki dövrdə yüksək yer tutur. Birinci dövrdə “dəqiq kənd təsərrüfatı” beşinci, ikinci dövrdə isə ikinci yeri tutdu ki, bu da pilotsuz uçan aparatların monitorinq edə bildikləri üçün dəqiq kənd təsərrüfatına nail olmaqda getdikcə daha çox əhəmiyyət kəsb etdiyini göstərir.
aşkarlama və qiymətləndirmə təcrübələrini digər uzaqdan zondlama və yer əsaslı sistemlərlə müqayisədə daha sürətli, daha ucuz və yerinə yetirilməsi asanlaşdırır. Bundan əlavə, lazım olduqda dəqiq miqdarda (məsələn, su və ya pestisidlər) səpə bilərlər (Guo və digərləri, 2020; Inoue, 2020; Panday, Pratihast, et al., 2020).
Ən çox istifadə olunan açar sözlərin siyahısı.
Düzmək | 1990-2010 | Nömrəsi hadisələr | 2011-2021 | Nömrəsi hadisələr |
1 | pilotsuz hava avtomobil | 28 | insansız hava vasitəsi | 1628 |
2 | uzaq algılama | 7 | dəqiqlik kənd təsərrüfatı | 489 |
3 | kənd təsərrüfatı | 4 | uzaq algılama | 399 |
4 | havadan | 4 | vızıltı | 374 |
5 | dəqiqlik kənd təsərrüfatı | 4 | insansız hava sistemi | 271 |
6 | pilotsuz hava | 4 | kənd təsərrüfatı | 177 |
7 | hiperspektral sensoru | 3 | dərin öyrənmə | 151 |
8 | süni sinir şəbəkələri | 2 | maşın öyrənmək | 149 |
9 | avtonom uçuş | 2 | vegetasiya indeks | 142 |
10 | qəhvə | 2 | İnternet Things | 124 |
Digər maraqlı xüsusiyyət isə tamamlayıcı texnologiyaların olmasıdır. Birinci mərhələdə “Hiperspektral Sensor” və “Süni Neyron Şəbəkələr” (ANN) ilk on açar sözlər sırasındadır. Hiperspektral görüntüləmə, müxtəlif dalğa uzunluqlarında çoxlu sayda təsvirlər toplayaraq ənənəvi təsvirdə inqilab etdi. Bunu etməklə, sensorlar eyni vaxtda multispektral görüntüləmə, spektroskopiya və RGB təsvirləri ilə müqayisədə daha yaxşı məkan və spektral məlumat toplaya bilər (Adao ˜ et al.,
2017). Birinci mərhələdə “ANN”, ikinci mərhələdə isə “dərin öyrənmə” (DL) və “maşın öyrənmə” (ML)-nin meydana çıxması, nəşr olunan işlərin əksəriyyətinin dronlar üçün süni intellekt texnikalarının potensialının araşdırılmasına yönəldiyini göstərir. əsaslanan kənd təsərrüfatı. Pilotsuz uçuş aparatları avtonom şəkildə uça bilsələr də, hələ də pilotun cəlb olunmasını tələb edirlər ki, bu da cihaz intellektinin aşağı səviyyəsini nəzərdə tutur. Bununla belə, bu problem daha yaxşı situasiya məlumatlılığı və avtonom qərar dəstəyi təmin edə bilən AI texnikalarının inkişafı sayəsində həll edilə bilər. Süni intellektlə təchiz edilmiş dronlar naviqasiya zamanı toqquşmaların qarşısını ala, torpaq və məhsulun idarə olunmasını təkmilləşdirə bilər (Inoue, 2020) və insanlar üçün əməyi və stressi azalda bilər (BK Sharma et al., 2019).
Çevikliyi və böyük həcmdə qeyri-xətti məlumatları idarə etmək qabiliyyətinə görə, AI üsulları proqnozlaşdırma və qərar qəbul etmək üçün dronlar və digər uzaqdan zondlama və yer əsaslı sistemlər tərəfindən ötürülən məlumatları təhlil etmək üçün uyğun üsullardır (Ali et al., 2015; Inoue, 2020). Bundan əlavə, ikinci dövrdə “IoT” nin mövcudluğu onun kənd təsərrüfatında artan rolunu göstərir. IoT, pilotsuz uçuş aparatları, ML, DL, WSN-lər və böyük verilənlər daxil olmaqla, digər texnologiyaları bir-birinə bağlayaraq kənd təsərrüfatında inqilab edir. IoT-nin tətbiqinin əsas üstünlüklərindən biri onun müxtəlif vəzifələri (məlumatların əldə edilməsi, məlumatların təhlili və emalı, qərarların qəbulu və həyata keçirilməsi) yaxın real vaxt rejimində səmərəli və effektiv şəkildə birləşdirə bilməsidir (Elijah et al., 2018; Feng et al. , 2019; Muangprathub et al., 2019). Bundan əlavə, dronlar bitki örtüyünün canlılığını və bitki örtüyünün xüsusiyyətlərini hesablamaq üçün lazım olan məlumatları əldə etmək üçün səmərəli vasitələr hesab olunur (Candiago et al., 2015). Şəkil 2a və 2b hər iki dövr üçün açar sözlə əlaqəli şəbəkələri təsvir edir.
Nüfuzlu müəlliflər
Bu bölmədə biz nüfuzlu müəllifləri müəyyənləşdiririk və müəllif sitat şəbəkələrinin mövcud ədəbiyyatı necə vizuallaşdıra və təşkil edə biləcəyini araşdırırıq. Şəkil 3 ən çox sitat gətirən bütün tədqiqatçıların xronoloji üst-üstə düşməsini göstərir. Rəng şkalası müəlliflərin sitatlarının il boyu dəyişməsini əks etdirir. Minimum 50 sitat və on nəşrdən istifadə edərək, kənd təsərrüfatı dronları ilə bağlı araşdırmalar dərc edən tədqiqatçıların sitat strukturunu araşdırırıq. Çıxmaq
12,891 müəllif, yalnız 115-i bu şərtə cavab verdi. Cədvəl 4-də sitatların maksimum sayına görə sıralanmış ilk on nüfuzlu müəllifin siyahısı verilmişdir. Siyahıya 1,963 sitatla Lopez-Qranados F. başçılıq edir, üçüncü yerdə isə 1,909 sitatla Zarco-Tejada PJ gəlir.
Ən çox istinad edilən müəlliflərin siyahısı.
Sıralaması | müəllif | alıntıları |
1 | Lopez-Qranados F. | 1,963 |
2 | Zarco-Tejada PJ | 1,909 |
3 | Pena ˜ JM | 1,644 |
4 | Torres-S´ anchez J. | 1,576 |
5 | Fereres E | 1,339 |
6 | Remondino F | 1,235 |
7 | Bolten A | 1,160 |
8 | Bareth G | 1,155 |
9 | Berni JA | 1,132 |
10 | de Castro AI | 1,036 |
Fərdi nəşrlərə gəldikdə, Zhang və Kovacsın (2012) məqaləsi Precision Agriculture jurnalında dərc olunan ən çox istinad edilən araşdırma olmuşdur. Burada müəlliflər dəqiq kənd təsərrüfatında UAS tətbiqini nəzərdən keçirdilər. Onların araşdırmalarının nəticələri göstərir ki, fermerləri etibarlı son məhsullarla təmin etmək üçün platformanın dizaynı, istehsalı, təsvirin georeferensiyasının standartlaşdırılması və məlumat axtarışı işinin təkmilləşdirilməsinə ehtiyac var. Bundan əlavə, onlar fermeri xüsusilə sahənin planlaşdırılması, təsvirin çəkilməsi, həmçinin məlumatların şərhi və təhlili ilə daha güclü şəkildə məşğul etməyi tövsiyə edirlər. Əhəmiyyətli olan odur ki, bu tədqiqat İHA-nın sahə xəritəsi, canlılıq xəritəsi, kimyəvi tərkibin ölçülməsi, bitki örtüyünün stresinin monitorinqi və gübrələrin bitki böyüməsinə təsirinin qiymətləndirilməsində əhəmiyyətini göstərən ilk tədqiqatlar sırasında idi. Texnologiya ilə bağlı problemlərə həmçinin qadağanedici xərclər, sensor qabiliyyəti, platformanın sabitliyi və etibarlılığı, standartlaşdırmanın olmaması və böyük həcmdə məlumatların təhlili üçün ardıcıl prosedur daxildir.
Sitat təhlili
Sitatların təhlili məqalələrin təsirinin öyrənilməsini təmsil edir, axınlara meylli olsa da (məsələn, sitat yanlılığı, özünə istinad) təsirin qiymətləndirilməsi üçün standart alətlərdən biri hesab olunur (Osareh, 1996; A. Rejeb et al., 2022; Sarli et al., 2010). Sitatlar həm də məqalələrin müəyyən bir mövzu üzrə ədəbiyyata verdiyi töhfələrin əhəmiyyətini və canlılığını əks etdirir (R. Sharma et al., 2022). Kənd təsərrüfatı dronları ilə bağlı ən təsirli araşdırmaları müəyyən etmək üçün sitat təhlili apardıq və məzmunu ümumiləşdirdik. Cədvəl 5 1990–2010 və 2011–2021-ci illər üçün ən nüfuzlu on beş məqalənin siyahısını təqdim edir. Berni və başqalarının məqalələri. (2009)b və Austin (2010) 1990 və 2010-cu illərdə müvafiq olaraq 831 və 498 sitatla ən çox istinad edilmişlər. Berni və başqaları. (2009)b sərfəli termal və dar zolaqlı multispektral görüntüləmə sensorları ilə təchiz edilmiş helikopter əsaslı İHA vasitəsilə kəmiyyət məsafədən zondlama məhsullarının inkişaf etdirilməsi potensialını təsvir etmişdir. Ənənəvi pilotlu hava sensorları ilə müqayisədə, kənd təsərrüfatı üçün ucuz İHA sistemi, daha yaxşı olmasa da, məhsulların biofiziki parametrlərinin müqayisəli qiymətləndirmələrinə nail ola bilir. Münasib qiymət və operativ çeviklik, yüksək spektral, məkan və müvəqqəti ayırdetmə imkanları ilə yanaşı, tez bir zamanda dönüş zamanı İHA-ları suvarma planlaşdırması və dəqiq əkinçilik də daxil olmaqla, vaxt baxımından kritik idarəetmə tələb edən bir sıra tətbiqlər üçün uyğun edir. Berni və başqalarının kağızı. (2009)b, kənd təsərrüfatı tətbiqləri üçün lazımi kalibrləmə mexanizmləri ilə pilotsuz fırlanan qanadlı platformanı və rəqəmsal və istilik sensorlarını effektiv şəkildə birləşdirdiyinə görə yüksək sitat gətirir. Ən çox istinad edilən ikinci nəşr, İHA-ları dizayn, inkişaf və yerləşdirmə perspektivlərindən müzakirə edən Austin (2010) tərəfindən yazılmış kitabdır. Kənd təsərrüfatında İHA-lar məhsulun rənginin dəyişməsi yolu ilə xəstəliklərin erkən aşkarlanması, məhsulun səpilməsi və çiləməsinin asanlaşdırılması, həmçinin sürülərin monitorinqi və idarə edilməsi ilə məhsulun monitorinqini dəstəkləyir.
Sullivan və başqalarının tədqiqatları. (2007), Lumme et al. (2008) və Gokto ¨ ǧan et al. (2010) ən çox istinad edilən ilk on beş məqalənin siyahısını tamamlayır. Bu məqalələr kənd təsərrüfatını dəstəkləmək üçün İHA əsaslı sistemlərin inkişafını təsvir edir. Onlar məhsulun monitorinqi və skan edilməsi, alaq otlarına nəzarət və idarə olunması və qərara dəstək kimi müxtəlif problemlərin həlli yollarını təklif edirlər. Onlar həmçinin İHA-nın nümunə götürmə səmərəliliyini artırmaq və fermerlərə dəqiq və təsirli vasitələr hazırlamaqda kömək etmək qabiliyyətini təklif edir və müzakirə edirlər.
əkin strategiyaları. İki məqalənin müəllifi Berni (Berni və digərləri, 2009b; Berni və digərləri, 2009a), onun kənd təsərrüfatı dronları ilə bağlı tədqiqatlara əhəmiyyətli təsirini vurğulayır. Zarco-Tejada et al. (2014) ağacın hündürlüyünün ölçülməsində ucuz İHA görüntülərindən istifadə ehtiyacını göstərmək üçün qabaqcıl tədqiqatlar arasında olmuşdur.
Ən çox istinad edilən nəşrlərin siyahısı.
Düzmək | 1990 2010 dən üçün | 2011 2021 dən üçün | ||
Sənəd | sitat | Sənəd | sitat | |
1 | (Berni və başqaları, 2009b) | 831 | (C. Zhang & Kovacs, 2012) | 967 |
2 | (Austin, 2010) | 498 | (Nex və Remondino, 2014) | 893 |
3 | (Hunt və başqaları, 2010) | 331 | (Floreano & Wood, 2015) | 552 |
4 | (SR Herwitz və başqaları, 2004) | 285 | (Hossein Motlagh et al., 2016) | 391 |
5 | (CCD Lelong və başqaları, 2008) | 272 | (Shakhatreh və başqaları, 2019) | 383 |
6 | (Berni və başqaları, 2009b) | 250 | (Ma və başqaları, 2017) | 373 |
7 | (Grenzdorffer ¨ və başqaları, 2008) | 198 | (Bendig və başqaları, 2014) | 360 |
8 | (Hrabar və başqaları, 2005) | 175 | (Zarco-Tejada və başqaları, 2014) | 347 |
9 | (Y. Huang və başqaları, 2009) | 129 | (ad˜ ao və başqaları, 2017) | 335 |
10 | (Schmale III və başqaları, 2008) | 119 | (Honkavaara və başqaları, 2013a) | 331 |
11 | (Abd-Elrahman et al., 2005) | 79 | (Candiago et al., 2015) | 327 |
12 | (Techy və başqaları, 2010) | 69 | (Xiang və Tian, 2011) | 307 |
13 | (Sullivan və başqaları, 2007) | 51 | (Matese və başqaları, 2015) | 303 |
14 | (Lumme və başqaları, 2008) | 42 | (Qaqo və başqaları, 2015) | 275 |
15 | (Gokto ¨ ǧan et al., 2010) | 40 | (Aasen və başqaları, 2015a) | 269 |
İkinci dövrdə (2011-2021), Zhang və Kovacs (2012) və Nex və Remondino (2014) tərəfindən aparılan araşdırmalar ən çox istinad edilən nəşrlərlə nəticələndi. Zhang və Kovacs (2012) dəqiq kənd təsərrüfatının coğrafi məlumat sistemləri, GPS və uzaqdan zondlama kimi geoməkan texnikalarının və sensorların tətbiqindən faydalana biləcəyini iddia edərək, sahədəki variasiyaları tutmaq və alternativ strategiyalardan istifadə etməklə onları idarə etmək üçün istifadə edə bilər. Dronların qəbulu dəqiq kənd təsərrüfatında bir dəyişiklik olaraq, uzaqdan zondlamada yeni dövrün müjdəsini verdi, hava müşahidəsini sadələşdirdi, məhsul artımı məlumatlarını, torpaq şəraitini və çiləmə sahələrini ələ keçirdi. Zhang və Kovacsın (2012) icmalı mühüm əhəmiyyət kəsb edir, çünki o, platforma və kamera məhdudiyyətləri, məlumatların işlənməsi ilə bağlı problemlər, fermerlərin iştirakı və aviasiya qaydaları kimi ətraf mühitin monitorinqi və dəqiq kənd təsərrüfatında bu cihazların mövcud istifadələrini və çətinliklərini aşkar edərək İHA-lar haqqında fikirlər təklif edir. . İkinci
Nex və Remondino (2014) tərəfindən ən çox istinad edilən tədqiqat yerüstü şəkilləri çəkmək, emal etmək və təhlil etmək üçün İHA-ların sənətinin vəziyyətini nəzərdən keçirdi.
Onların işi həmçinin İHA təsvirlərinin işlənməsi sahəsində ən yeni irəliləyişləri nümayiş etdirən bir neçə İHA platforması, tətbiqi və istifadə hallarının icmalını təqdim etdi. Kənd təsərrüfatında fermerlər xərclərə və vaxta qənaət etmək, zərərin tez və dəqiq qeydini almaq və mümkün problemləri qabaqcadan görmək üçün effektiv qərarlar qəbul etmək üçün İHA-lardan istifadə edə bilərdilər. Adi hava platformalarından fərqli olaraq, İHA-lar yüksək dəqiqlik potensialını qoruyarkən əməliyyat xərclərini azalda və çətin yerlərdə giriş təhlükəsini azalda bilər. Onların məqaləsində İHA-ların müxtəlif üstünlükləri, xüsusən də dəqiqlik və qətnamə baxımından ümumiləşdirilmişdir.
2011 və 2021-ci illər arasında qalan on üç ən çox istinad edilən nəşrlər arasında görüntüləmə missiyalarında dron tətbiqləri ilə əlaqəli tədqiqatlara daha çox diqqət yetirdik (Bendig et al., 2014; Ma et al., 2017; Zarco-Tejada et al., 2014) , dəqiq kənd təsərrüfatı (Candiago et al., 2015; Honkavaara et al., 2013a), dəqiq üzümçülük (Matese et al., 2015), su stresinin qiymətləndirilməsi (Gago et al., 2015) və vegetasiya monitorinqi (Aasen et al. , 2015a). İlk illərdə tədqiqatçılar diqqət yetirdilər
kənd təsərrüfatı üçün ucuz, yüngül və dəqiq İHA əsaslı sistemlərin işlənib hazırlanması haqqında daha çox; daha son tədqiqatlar daha çox kənd təsərrüfatı və sahə tədqiqatları üçün İHA tətbiqlərinin nəzərdən keçirilməsinə yönəlmişdir. Xülasə, bu təhlil göstərir ki, nüfuzlu nəşrlər əsasən İHA-ların hazırkı elmi və texnoloji vəziyyətini qiymətləndirmək üçün əvvəlki tədqiqatların icmallarını və dəqiq kənd təsərrüfatını dəstəkləmək üçün inkişaf etmiş İHA sistemlərini təqdim ediblər. Maraqlıdır ki, biz empirik istifadə edən tədqiqatlara rast gəlmədik
əhəmiyyətli bilik boşluğunu meydana gətirən və bu mövzuda daha çox araşdırma tələb edən metodologiyalar və ya təsviri nümunə tədqiqatları.
Birgə sitat təhlili
Gmür (2006) görə, birgə sitat təhlili oxşar nəşrləri müəyyən edir və onları qruplaşdırır. Bir klasterin diqqətlə araşdırılması nəşrlər arasında ümumi tədqiqat sahəsini aşkar edə bilər. Müvafiq mövzu sahələrini təsvir etmək və nəşrlərin intellektual nümunələrini aşkar etmək üçün kənd təsərrüfatı dronlarına aid ədəbiyyatın birgə sitatını araşdırırıq. Bu baxımdan, Small (1973) ən təsirli və əsas tədqiqatları öyrənmək üçün kositasiya təhlilindən istifadə etməyi tövsiyə etmişdir.
bir intizam daxilində. Dəsti ən əsas məqalələrlə məhdudlaşdırmaq üçün (Goyal & Kumar, 2021) biz 25 ortaq sitat həddi təyin etdik, yəni iki məqalə 25 və ya daha çox müxtəlif nəşrlərin istinad siyahılarında birlikdə istinad edilməlidir. Klasterləşmə həmçinin minimum klaster ölçüsü 1 ilə və daha kiçik klasterləri daha böyük olanlarla birləşdirmək üçün heç bir üsul olmadan aparılmışdır. Nəticədə, tədqiqatların oxşarlığına və onların intellektual strukturuna əsasən altı klaster yaradıldı. Cədvəl 6 hər klaster üzrə nəşrlərin paylanmasını göstərir.
Klaster 1: Bu klasterdə bu klasterdəki nəşrlər ətraf mühitin monitorinqi, məhsulun idarə edilməsi və alaq otlarının idarə edilməsində dronların rolunu müzakirə etdikdən sonra dərc edilmiş on səkkiz sənəddən ibarətdir. Məsələn, Manfreda et al. (2018) təbii kənd təsərrüfatı ekosisteminin monitorinqində İHA-nın mövcud tədqiqatları və tətbiqləri haqqında ümumi məlumat verir və texnologiyanın ətraf mühitin monitorinqini kəskin şəkildə artırmaq və azaldılması üçün böyük potensial təklif etdiyini iddia edir.
sahə müşahidəsi ilə adi hava və kosmosdan uzaqdan zondlama arasında mövcud boşluq. Bu, münasib qiymətə geniş ərazilərə təkmilləşdirilmiş müvəqqəti axtarış və məkan anlayışları üçün yeni imkanlar təklif etməklə edilə bilər. İHA-lar daim ətraf mühiti hiss edə və əldə edilən məlumatları xəstəliyin olmaması və ya suyun aşkarlanması kimi mümkün problemləri müəyyən etmək üçün sensorları idarə edən ağıllı, mərkəzləşdirilmiş/mərkəzləşdirilməmiş qurumlara göndərə bilər (Padua ´ et al., 2017). Adao ˜ və b. (2017) İHA-ların suyun statusu, biokütlənin qiymətləndirilməsi və canlılığın qiymətləndirilməsi ilə bağlı geniş həcmdə xammal məlumatları əldə etməklə bitkilərin şəraitini qiymətləndirmək üçün ideal olduğunu iddia edir. İHA-ya quraşdırılmış sensorlar, həmçinin uzaqdan zondlama məlumatlarının vaxtında ələ keçirilməsinə imkan vermək üçün lazımi ekoloji şəraitdə dərhal yerləşdirilə bilər (Von Bueren et al., 2015). İHA-lar vasitəsilə fermerlər qapalı əkinçilik mühitlərinin (məsələn, istixanalar) üçölçülü məkanında praktiki olaraq istənilən yerdən ölçmələr əldə edərək, yerli iqlim nəzarətini və bitki monitorinqini təmin etməklə qapalı əkinçilik fəaliyyətini həyata keçirə bilirlər (Roldan ´ et al. ., 2015). Dəqiqlik kontekstində
kənd təsərrüfatı, məhsul idarəetmə qərarları müvafiq vaxt və məkan həlli ilə dəqiq, etibarlı məhsul məlumatlarını tələb edir (Gebbers & Adamchuk, 2010; Gevaert et al., 2015; Maes & Steppe, 2019). Bu səbəbdən Agüera Vega et al. (2015) vegetasiya dövründə günəbaxan məhsulunun şəkillərini əldə etmək üçün İHA-da quraşdırılmış multispektral sensor sistemindən istifadə etmişdir. Eynilə, Huang et al. (2009) qeyd edir ki, İHA-lar əsasında uzaqdan zondlama toplanmış spektral məlumatlardan məhsul və torpağın ölçülməsini asanlaşdıra bilər. Verger və başqaları. (2014) buğda və kolza bitkilərinə diqqət yetirərək, dəqiq kənd təsərrüfatı tətbiqlərində İHA-nın əks etdirmə ölçmələrindən yaşıl sahə indeksini (GAI) qiymətləndirmək üçün bir texnika hazırladı və sınaqdan keçirdi. Buna görə də, dronlar tez-tez təkrar ziyarətlər və yüksək məkan qətnaməsi ilə məhsul vəziyyəti məlumatlarını əldə etmək üçün yeni imkanlar təqdim edir (Dong et al., 2019; Garzonio et al., 2017; H. Zheng et al., 2016).
Kənd təsərrüfatı dronlarında nüfuzlu nəşrlərin qruplaşdırılması.
Qrup | Geniş mövzu | References |
1 | Ətraf mühitin monitorinqi, məhsul idarə, alaq otlarının idarə edilməsi | (ad˜ ao et al., 2017; Agüera Veqa et al., 2015; de Castro və başqaları, 2018; Gomez-Cand ´ on ´ et al., 2014; YB Huang və başqaları, 2013; Xan və başqaları, 2017; Lopez-Qranados, ' 2011; Manfreda və başqaları, 2018; P´ adua və başqaları, 2017; Pena ˜ et al., 2013; P'erez-Ortiz et al., 2015; Rasmussen və başqaları, 2013, 2016; Torres-S´ anchez və başqaları, 2014; Torres-Sanchez, 'Lopez-Granados, ' & Pena, ˜ 2015; Verger və başqaları, 2014; Von Bueren və başqaları, 2015; C. Zhang & Kovacs, 2012) |
2 | Uzaqdan fenotipləşdirmə, məhsuldarlıq təxmin, məhsul səthi modeli, bitkilərin sayılması | (Bendig və başqaları, 2013, 2014; Geipel et al., 2014; Gnadinger ¨ & Şmidhalter, 2017; Həqiqətdəlab et al., 2016; Holman və başqaları, 2016; Jin və başqaları, 2017; W. Li və başqaları, 2016; Maimaitijiang və başqaları, 2017; Sənkəran et al., 2015; Schirrmann et al., 2016; Shi və başqaları, 2016; Yue və başqaları, 2017; X. Zhou və başqaları, 2017) |
3 | Su üçün termal görüntüləmə, multispektral görüntüləmə | (Baluja və başqaları, 2012; Berni və başqaları, 2009b; Berni və başqaları, 2009a; Candiago et al., 2015; Qaqo və başqaları, 2015; Gonzalez-Dugo et al., 2013, 2014; Grenzdorffer ¨ və başqaları, 2008; Xaliq və başqaları, 2019; Matese et al., 2015; Ribeiro-Gomes et al., 2017; Santesteban et al., 2017; Uto və başqaları, 2013) |
4 | Hipersektral görüntüləmə, spektral views | (Aasen et al., 2015a; Bareth et al., 2015; Hakala və başqaları, 2013; Honkavaara və başqaları, 2013a; Lucieer et al., 2014; Saari və başqaları, 2011; Suomalainen et al., 2014) |
5 | 3D Xəritəçəkmə Proqramları | (Jim'enez-Brenes və başqaları, 2017; Nex & Remondino, 2014; Salamí və başqaları, 2014; Torres-S´ anchez, Lopez-´ Granados, Serrano, et al., 2015; Zahawi və başqaları, 2015; Zarko-Tejada və s., 2014) |
6 | Kənd təsərrüfatına nəzarət | (SR Herwitz et al., 2004; Hunt et al., 2010; CCD Lelong və başqaları, 2008; Primicerio et al., 2012; Xiang & Tian, 2011) |
Bundan əlavə, dronlar alaq otlarının xəritələşdirilməsi də daxil olmaqla kənd təsərrüfatında çətin tapşırıqlar üçün faydalıdır. Cihazlar tərəfindən çəkilmiş şəkillər tarlalarda alaq otlarının erkən aşkarlanması üçün faydalı olduğunu sübut etdi (de Castro və s., 2018; Jim'enez-Brenes et al., 2017; Lam et al., 2021; Lopez-Granados ' et al., 2016; Rozenberg və başqaları, 2021). Bu baxımdan de Kastro və b. (2018) iddia edir ki, İHA təsvirləri və Obyekt Əsaslı Şəkil Analizinin (OBIA) birləşməsi praktikantlara alaq otlarının tədqiqində irəliyə doğru böyük bir addım olan erkən mövsümün çəmənliklərində erkən aşkarlamanın avtomatlaşdırılması probleminin öhdəsindən gəlməyə imkan verib. Eynilə, Pena ˜ et al. (2013) qeyd edir ki, OBİA proseduru ilə birlikdə İHA-dan ultra yüksək məkan ayırdetmə təsvirlərindən istifadə mövsümi alaq otlarına qarşı mübarizə tədbirlərinin həyata keçirilməsinin planlaşdırılmasında istifadə oluna bilən erkən qarğıdalı bitkilərində alaq otları xəritələrini yaratmağa imkan verir, peyk və ənənəvi hava şəkillərinin imkanlarından kənar bir vəzifə. Şəkil təsnifatı və ya obyekt aşkarlama alqoritmləri ilə müqayisədə, semantik seqmentləşdirmə üsulları alaq otlarının xəritələşdirilməsi tapşırıqlarında daha effektivdir (J. Deng et al., 2020), beləliklə fermerlərə tarla şəraitini aşkarlamağa, itkiləri azaltmağa və vegetasiya dövründə məhsuldarlığı yaxşılaşdırmağa imkan verir (Ramesh və başqaları, 2020). Dərin öyrənmə əsaslı semantik seqmentləşdirmə yüksək ayırdetmə qabiliyyətinə malik hava təsvirlərindən bitki örtüyünün dəqiq ölçülməsini də təmin edə bilər (Ramesh et al., 2020; A. Zheng et al., 2022). Uzaqdan potensiallarına baxmayaraq
piksel təsnifatı, semantik seqmentləşdirmə üsulları əhəmiyyətli hesablamalar və yüksək GPU yaddaşı tələb edir (J. Deng et al., 2020).
Maşın öyrənməsi və İHA-ya əsaslanaraq, P´erez-Ortiz et al. (2015) fermerlər alaq otlarına qarşı erkən mübarizəni qəbul etdikdə sahəyə xas alaq otlarına qarşı mübarizə strategiyalarını təmin etmək üçün alaq otlarının xəritələşdirilməsi yanaşmasını təklif etmişdir. Nəhayət, Rasmussen et al. (2013) dronların böyük məkan ayırdetmə çevikliyi ilə ucuz algılama təmin etdiyini vurğuladı. Ümumilikdə, bu klasterdəki nəşrlər uzaqdan zondlama, məhsul monitorinqi və alaq otlarının xəritələşdirilməsini dəstəkləmək üçün İHA-ların potensiallarının araşdırılmasına yönəlib. Ətraf mühitin monitorinqi, məhsulun idarə edilməsi və alaq otlarının xəritələşdirilməsində dron tətbiqlərinin daha davamlı kənd təsərrüfatına necə nail ola biləcəyini daha da araşdırmaq üçün əlavə dərin tədqiqatlara ehtiyac var (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018) və məhsul sığortası tətbiqlərində bu texnologiyanın idarəetmə məsələlərini həll edin (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). Tədqiqatçılar işlənmiş məlumatların son keyfiyyətini artırmaq üçün İHA-nın toplanmış ölçmələrini səmərəli emal üsulları ilə təsdiqləməyə cəmləşməlidirlər (Manfreda et al., 2018). Bundan əlavə, rəqəmsal şəkillərdə alaq otlarını göstərən pikselləri tanıyan və İHA-nın alaq otu xəritəsinin çəkilməsi zamanı uyğun olmayan fonu aradan qaldıran müvafiq alqoritmlərin işlənib hazırlanması tələb olunur (Gaˇsparovi´c et al., 2020; Hamylton et al., 2020; H. Huang et al. , 2018, 2020; Lopez- ´ Granados et al., 2016). Bitkilərin tanınması, yarpaqların təsnifatı və xəstəliklərin xəritələşdirilməsində semantik seqmentləşdirmə üsullarının qəbulu ilə bağlı əlavə tədqiqatlar xoşdur (Fuentes-Pacheco et al., 2019; Kerkech et al., 2020).
Klaster 2. Bu klasterdəki nəşrlər kənd təsərrüfatı dronlarının bir neçə aspektinə diqqət yetirmişdir. Uzaqdan fenotipləşdirmə ilə bağlı, Sankaran et al. (2015) tarlada məhsulların sürətli fenotiplənməsi üçün İHA-larla aşağı hündürlükdə, yüksək ayırdetmə qabiliyyətinə malik hava təsvirlərindən istifadə potensialını nəzərdən keçirdi və onlar iddia edirlər ki, yer əsaslı zondlama platformaları ilə müqayisədə, adekvat sensorları olan kiçik İHA-lar bir sıra üstünlüklər təklif edir. sahəyə daha asan giriş, yüksək ayırdetmə məlumatları, səmərəli məlumatların toplanması,
sahənin böyüməsi şəraitinin sürətli qiymətləndirilməsi və aşağı əməliyyat xərcləri. Bununla belə, müəlliflər həmçinin qeyd edirlər ki, İHA-nın sahənin fenotiplənməsi üçün effektiv tətbiqi iki fundamental elementə, yəni İHA xüsusiyyətlərinə (məsələn, təhlükəsizlik, sabitlik, yerləşdirmə, avtonomiya) və sensor xüsusiyyətlərinə (məsələn, ayırdetmə qabiliyyəti, çəki, spektral dalğa uzunluqları, sahə) əsaslanır. görünüşü). Həqiqəttalab və b. (2016) İHA görüntülərindən süjet səviyyəli məlumatları əldə etmək və yetişdirmə prosesini sürətləndirmək üçün yarı avtomatlaşdırılmış görüntü emal boru kəmərini təklif etdi. Holman və başqaları. (2016) yüksək inkişaf etmişdir
ötürmə qabiliyyəti sahəsində fenotipləmə sistemi və İHA-nın keyfiyyətli, həcmli, sahəyə əsaslanan fenotipik məlumatları toplamaq qabiliyyətinə malik olduğunu və cihazın geniş ərazilər və müxtəlif sahə yerləri üçün effektiv olduğunu vurğuladı.
Məhsuldarlığın qiymətləndirilməsi, xüsusilə vaxtında mövcud olduqda, inanılmaz dərəcədə həyati bir məlumat parçası olduğundan, İHA-ların bütün sahə ölçmələrini təmin etmək və yüksək keyfiyyətli məlumatları səmərəli şəkildə əldə etmək potensialı var (Daakir və digərləri, 2017; Demir və digərləri, 2018). ; Enciso və başqaları, 2019; Kulbacki və digərləri, 2018; Pudelko və başqaları, 2012). Bu baxımdan, Jin et al. (2017) yaranma mərhələsində buğda bitkisinin sıxlığını qiymətləndirmək üçün bir üsul hazırlamaq və qiymətləndirmək üçün çox aşağı hündürlüklərdə İHA-lar tərəfindən əldə edilən yüksək ayırdetməli təsvirlərdən istifadə etmişdir. Müəlliflərin fikrincə, PUA-lar kameralarla təchiz edilmiş rover sistemlərinin məhdudiyyətlərini aradan qaldırır və əkinlərdə bitki sıxlığını qiymətləndirmək üçün qeyri-invaziv metodu təmsil edir, bu da fermerlərə torpağın hərəkət qabiliyyətindən asılı olmayaraq sahənin fenotiplənməsi üçün lazım olan yüksək məhsuldarlığa nail olmağa imkan verir. Li və başqaları. (2016) qarğıdalı parametrlərini, o cümlədən örtünün hündürlüyünü və yerüstü biokütləni qiymətləndirmək üçün İHA əsaslı sistemdən istifadə edərək son dərəcə yüksək rezolyusiyaya malik yüzlərlə stereo görüntü toplayıb. Nəhayət, Yue et al. (2017) aşkar etdi ki, İHA-lardan təyin olunan məhsul hündürlüyü yerüstü biokütlənin (AGB) qiymətləndirilməsini artıra bilər.
Məhsulun böyüməsini izləmək üçün bir yanaşma məhsul səthi modellərinin işlənib hazırlanması ideyasıdır (Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021). Bir neçə tədqiqat bitkilərin hündürlüyünü ələ keçirmək və böyüməsini izləmək üçün İHA-dan çəkilmiş şəkillərin mümkünlüyünü vurğuladı. Məsələn, Bendig et al. (2013) İHA-dan istifadə edərək 0.05 m-dən az çox yüksək ayırdetmə qabiliyyətinə malik çox zamanlı məhsul səthi modellərinin inkişafını təsvir etmişdir. Onlar məhsulu aşkar etməyi hədəfləyiblər
artım dəyişkənliyi və onun məhsulun müalicəsi, sort və stressdən asılılığı. Bendig et al. (2014) məhsul səthi modellərindən çıxarılan bitki hündürlüyünə əsaslanaraq təzə və quru biokütləni qiymətləndirmək üçün İHA-lardan istifadə etdi və aşkar etdi ki, hava platformalarından və yerüstü lazer skanından fərqli olaraq, İHA-lardan yüksək keyfiyyətli təsvirlər müxtəlif böyümə üçün bitki boyu modelləşdirmənin dəqiqliyini əhəmiyyətli dərəcədə artıra bilər. mərhələləri. Eyni şəkildə, Geipel et al. (2014) görüntü əldə etmək üçün araşdırmalarında İHA-lardan istifadə edib
Mövsümün əvvəlindən ortasınadək üç müxtəlif artım fazasında qarğıdalı taxılının məhsuldarlığının proqnozlaşdırılması üçün verilənlər toplusunu hazırlamış və belə nəticəyə gəlmişdir ki, hava şəkilləri və məhsul səthi modelləri əsasında spektral və məkan modelləşdirmənin kombinasiyası mövsüm ortası qarğıdalı məhsuldarlığını proqnozlaşdırmaq üçün uyğun üsuldur. Nəhayət, Gnadinger ¨ və Schmidhalter (2017) dəqiq fenotipləşdirmədə İHA-nın faydasını araşdırdılar və bu texnologiyanın istifadəsinin təsərrüfat idarəçiliyini təkmilləşdirə biləcəyini və heyvandarlıq və aqronomik məqsədlər üçün çöl təcrübəsini təmin edə biləcəyini vurğuladılar. Ümumilikdə, biz müşahidə edirik ki, 2-ci klasterdəki nəşrlər uzaq məsafədə PUA-ların əsas üstünlüklərinə diqqət yetirir.
fenotipləşdirmə, məhsuldarlığın qiymətləndirilməsi, məhsul səthinin modelləşdirilməsi və bitkilərin sayılması. Gələcək tədqiqatlar uzaqdan tədqiq edilən məlumatların işlənməsini avtomatlaşdıra və optimallaşdıra bilən uzaqdan fenotipləşdirmə üçün yeni metodlar inkişaf etdirməklə daha da dərinləşə bilər (Barabaschi və s., 2016; Liebisch və digərləri, 2015; Mochida et al., 2015; S. Zhou et al. ., 2021). Bundan əlavə, İHA-lara quraşdırılmış Əşyaların İnterneti sensorlarının performansı və onların xərcləri, əməyi və məhsuldarlığın qiymətləndirilməsinin dəqiqliyi arasında uyğunluq tədqiq edilməlidir.
gələcək (Ju & Son, 2018a, 2018b; Xie & Yang, 2020; Yue et al., 2018). Nəhayət, etibarlı məlumat yarada, kənd təsərrüfatı istehsalında səmərəliliyi maksimuma çatdıra və fermerlərin əllə hesablama işlərini minimuma endirməyə imkan verən səmərəli təsvir emalı metodlarının hazırlanmasına ehtiyac var (RU Khan et al., 2021; Koh et al., 2021; Lin & Guo, 2020; C. Zhang və başqaları, 2020).
Klaster 3. Bu klasterdəki nəşrlər İHA platformalarında istifadə olunan kənd təsərrüfatı resurslarının uzaqdan zondlanması üçün müxtəlif növ təsvir sistemlərini müzakirə edir. Bu baxımdan, termal görüntüləmə məhsulun zədələnməsinin qarşısını almaq və quraqlıq stresini erkən aşkar etmək üçün səth temperaturunun monitorinqinə imkan verir (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017; Yeom, 2021). Baluja və başqaları. (2012) gəmidə multispektral və termal kameraların istifadə edildiyini iddia etdi
İHA tədqiqatçılara yüksək keyfiyyətli şəkillər əldə etməyə və üzüm suyunun vəziyyətini qiymətləndirməyə imkan verdi. Bu, uzaqdan zondlama məlumatlarından istifadə edərək yeni su planlaşdırma modellərini hazırlamaq üçün faydalı ola bilər (Baluja et al., 2012). səbəbiylə
İHA-ların məhdud yük qabiliyyəti, Ribeiro-Gomes et al. (2017) zavodlarda su gərginliyini müəyyən etmək üçün soyudulmamış termal kameraların İHA-lara inteqrasiyasını nəzərdən keçirmişdir ki, bu da bu tip PUA-ları ənənəvi peyk əsaslı uzaqdan zondlama və soyudulmuş termal kameralarla təchiz edilmiş İHA-lardan daha səmərəli və həyat qabiliyyətli edir. Müəlliflərin fikrincə, soyudulmamış termal kameralar soyudulmuş kameralardan daha yüngüldür və müvafiq kalibrləmə tələb olunur. Gonzalez-Dugo və başqaları. (2014) göstərdi ki, termal görüntülər, suyun vəziyyətini qiymətləndirmək və sitrus bağları arasında və daxilində su stresinin miqdarını müəyyən etmək üçün məhsulun su stress indekslərinin məkan xəritələrini effektiv şəkildə yaradır. Gonzalez-Dugo və başqaları. (2013) və Santesteban et al. (2017) kommersiya bağının və üzüm bağının su vəziyyətinin dəyişkənliyini qiymətləndirmək üçün yüksək ayırdetmə qabiliyyətinə malik İHA termal görüntülərinin istifadəsini araşdırdı.
Multispektral görüntüləmə ənənəvi RGB (Qırmızı, Yaşıl və Mavi) şəkillərlə müqayisədə böyük məlumat verə bilər (Ad˜ ao et al., 2017; Navia et al., 2016). Bu spektral məlumatlar, məkan məlumatları ilə birlikdə təsnifat, xəritələşdirmə, proqnozlaşdırma, proqnozlaşdırma və aşkarlama məqsədləri üçün kömək edə bilər (Berni et al., 2009b). Candiago və başqalarına görə. (2015), İHA əsaslı multispektral görüntüləmə etibarlı və səmərəli resurs kimi məhsulun qiymətləndirilməsinə və dəqiq kənd təsərrüfatına böyük töhfə verə bilər. Həmçinin,
Xaliq və b. (2019) peyk və İHA əsaslı multispektral təsvirlər arasında müqayisə aparıb. İHA-a əsaslanan təsvirlər üzüm bağlarının dəyişkənliyini, eləcə də məhsul örtülərini təmsil etmək üçün canlı xəritələri təsvir etməkdə daha dəqiqliklə nəticələndi. Bir sözlə, bu klasterdəki məqalələr kənd təsərrüfatı İHA-larına termal və multispektral görüntüləmə sensorlarının daxil edilməsini müzakirə edir. Müvafiq olaraq, termal və multispektral təsvirin süni intellektlə necə inteqrasiya oluna biləcəyini anlamaq üçün daha çox araşdırmaya ehtiyac var.
bitki stressini aşkar etmək üçün üsullar (məsələn, dərin öyrənmə) (Ampatzidis və digərləri, 2020; Ampatzidis & Partel, 2019; Jung və digərləri, 2021; Santesteban və digərləri, 2017; Syeda və digərləri, 2021). Bu cür anlayışlar bitki böyüməsi, stress və fenologiyanın monitorinqi ilə yanaşı, daha səmərəli və dəqiq aşkarlanmasına kömək edəcək (Buters et al., 2019; Cao et al., 2020; Neupane & BaysalGurel, 2021; L. Zhou et al., 2020).
Klaster 4. Bu klaster kənd təsərrüfatı təcrübələrini dəstəkləməkdə spektral təsvirin və hiperspektral təsvirin həlledici rolu ətrafında fırlanan yeddi sənəddən ibarətdir. Hiperspektral görüntüləmə özünü yer sisteminin kəmiyyətcə qiymətləndirilməsinə imkan verən uzaqdan zondlama metodu kimi müəyyən etmişdir (Schaepman et al., 2009). Daha dəqiq desək, o, səth materiallarının identifikasiyasına, (nisbi) konsentrasiyaların və səth komponentlərinin nisbətlərinin təyin edilməsi
qarışıq piksellər daxilində (Kirsch et al., 2018; Zhao et al., 2022). Başqa sözlə, hiperspektral sistemlər tərəfindən təmin edilən yüksək spektral ayırdetmə vegetarian xassələri və ya yarpaq suyunun tərkibi kimi müxtəlif parametrlərin daha dəqiq qiymətləndirilməsinə imkan verir (Suomalainen et al., 2014). Bu klasterdəki tədqiqatçılar bu cür sistemlərin müxtəlif aspektlərini araşdırdılar. Digərləri arasında Aasen et al. (2015b) yüngül çəkidən üç ölçülü hiperspektral məlumat əldə etmək üçün unikal bir yanaşma təklif etdi.
Bitki örtüyünün monitorinqi üçün PUA-larda istifadə edilən snapshot kameraları. Lucieer və başqaları. (2014) yeni hiperspektral UAS-ın dizaynı, inkişafı və hava əməliyyatları, eləcə də onunla toplanmış görüntü məlumatlarının kalibrlənməsi, təhlili və şərhini müzakirə etdi. Nəhayət, Honkavaara et al. (2013b) FabryPerot interferometrə əsaslanan spektral təsvirlər üçün hərtərəfli emal yanaşmasını inkişaf etdirdi və onun dəqiq kənd təsərrüfatı üçün biokütlənin təxmin edilməsi prosedurunda istifadəsini göstərdi. Bu cari klaster üçün potensial gələcək yollara sensor texnologiyalarında texniki təkmilləşdirmələrə ehtiyacın vurğulanması (Aasen və başqaları, 2015b), eləcə də tamamlayıcı texnologiyaların, xüsusən də böyük verilənlərin və analitikanın daxil edilməsi və təkmilləşdirilməsi ehtiyacının vurğulanması daxildir (Ang & Seng, 2021; Radoglou). -Grammatikis et al., 2020; Shakoor et al., 2019). Sonuncu, əsasən ağıllı kənd təsərrüfatında tətbiq edilən müxtəlif sensorlar tərəfindən yaradılan getdikcə artan məlumatlardan qaynaqlanır (C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021).
Klaster 5. Bu klasterdəki nəşrlər dronlara əsaslanan 3Dmapping tətbiqlərini araşdırdı. 3D xəritəçəkmə üçün dronların istifadəsi mürəkkəb sahə işini yüngülləşdirə və səmərəliliyi əhəmiyyətli dərəcədə artıra bilər (Torres-Sanchez ´ et al., 2015). Klasterdəki beş məqalə əsasən bitki monitorinqi proqramlarına yönəldilmişdir. Məsələn, örtü sahəsi, ağacın hündürlüyü və tac həcmi haqqında üç ölçülü məlumat əldə etmək üçün Torres-Sanchez ´ et al. (2015) rəqəmsal səth modelləri yaratmaq üçün İHA texnologiyasından və sonra obyekt əsaslı görüntü analizi (OBIA) yanaşmalarından istifadə etdi. Bundan əlavə, Zarco-Tejada et al. (2014) İHA texnologiyası və üçölçülü foto-rekonstruksiya üsullarını birləşdirərək ağacın hündürlüyünü ölçüb. Jim'enez-Brenes Lopez-Granados, ' De Castro, et al. (2017) İHA texnologiyasını qabaqcıl OBIA metodologiyası ilə birləşdirərək onlarla zeytun ağacının çox zamanlı, 3D monitorinqi üçün yeni bir prosesi nümayiş etdirdi. Bu klasterdə gələcək işlər üçün maraqlı yollara cari işlərin təkmilləşdirilməsi daxildir
OBIA (de Castro və digərləri, 2014, 2017; Ventura et al. , 2016) və foto rekonstruksiya və ya yeni metodların inkişafı (Díaz-Varela et al., 2018; Torres-S´ anchez et al., 2020).
Klaster 6. Bu klaster kənd təsərrüfatına nəzarətdə dronların rolunu müzakirə edir. İHA-lar peyk və təyyarə təsvirinin çatışmazlıqlarını tamamlaya və aradan qaldıra bilərdi. Məsələn, onlar daha az yanacaq və ya sınaq sınaqları ilə real vaxta yaxın yüksək rezolyusiyanı təmin edə bilər, nəticədə daimi və real vaxt rejimində müşahidə və qərarların qəbulu prosesində təkmilləşdirmələr aparılır (S. Herwitz et al., 2004). İHA-ların başqa bir əsas töhfəsi onların dəqiq kənd təsərrüfatı və ya sahəyə məxsus əkinçilik üçün sahəyə aid məlumatları təmin etmək qabiliyyətidir, çünki onların yüksək ayırdetmə qabiliyyəti, müxtəlif parametrlər haqqında ətraflı məlumatlar fermerlərə torpağı homojen hissələrə bölmək və onlara uyğun olaraq müalicə etmək imkanı verir (Hunt et al. , 2010; CC Lelong et al., 2008; Primicerio et al., 2012). İHA-ya əsaslanan belə kənd təsərrüfatı nəzarəti ərzaq təhlükəsizliyinin monitorinqini və qərar qəbulunu dəstəkləyə bilər (SR Herwitz et al., 2004). Kənd təsərrüfatına nəzarət sahəsində tədqiqatları inkişaf etdirmək üçün təkcə sensorlar, PUA-lar və digər əlaqəli texnologiyalar və onların rabitə və məlumat ötürmə üsullarında təkmilləşdirmələrə ehtiyac yoxdur (Ewing et al., 2020; Shuai et al., 2019), həm də dronları müxtəlif qurğularla inteqrasiya etmək lazımdır. monitorinq, kənd təsərrüfatı nəzarəti və qərarların qəbulu kimi ağıllı kənd təsərrüfatı ilə bağlı müxtəlif vəzifələri optimallaşdırmaq üçün texnologiyalar yüksək potensiallı tədqiqat sahəsidir (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). Bu baxımdan, IoT, WSN-lər və böyük verilənlər maraqlı tamamlayıcı imkanlar təklif edir (van der Merwe et al., 2020). Tətbiq xərcləri, xərclərə qənaət, enerji səmərəliliyi və məlumat təhlükəsizliyi bu cür inteqrasiya üçün az tədqiq edilən sahələr arasındadır (Masroor et al., 2021).
Ölkələr və akademik qurumlar
Son addım mənşə ölkəsinin və müəlliflərin akademik mənsubiyyətinin araşdırılmasını əhatə edirdi. Bu təhlil vasitəsilə biz dronların kənd təsərrüfatında tətbiqinə töhfə verən alimlərin coğrafi bölgüsünü daha yaxşı başa düşməyə çalışırıq. Ölkələrin və akademik qurumların müxtəlifliyinə diqqət yetirmək lazımdır. Ölkə baxımından ABŞ, Çin, Hindistan və İtaliya nəşrlərin sayına görə siyahıda birinci yerdədir (Cədvəl 7). Cari
kənd təsərrüfatı dronları üzrə tədqiqatlar əsasən Şimali Amerika və Asiya ölkələrində cəmlənir, əsasən onların dəqiq kənd təsərrüfatı tətbiqləri ilə yüksək məşğul olması səbəbindən. Məsələn, ABŞ-da kənd təsərrüfatı dronları bazarı 841.9-ci ildə 2020 milyon ABŞ dolları dəyərində qiymətləndirilib ki, bu da qlobal bazar payının təxminən 30%-ni təşkil edir (ReportLinker, 2021). Dünyanın ən böyük iqtisadiyyatı olaraq sıralanan Çinin 2.6-ci ildə təqribən 2027 milyard ABŞ dolları həcmində bazar həcminə çatacağı proqnozlaşdırılır. Bu ölkə məhsuldarlıq problemlərinin öhdəsindən gəlmək və daha yaxşı məhsuldarlıq, əməyin azaldılması və daha az istehsal daxilolmalarına nail olmaq üçün kənd təsərrüfatı dronlarına müraciət edir. Bununla belə, Çində texnologiyanın tətbiqi həm də əhalinin sayı və mövcud məhsul idarəçiliyi təcrübələrini innovasiya etmək və təkmilləşdirmək ehtiyacı kimi amillərdən irəli gəlir.
Ən məhsuldar ölkələr və töhfə verən universitetlər/təşkilatlar
kənd təsərrüfatı dronları ilə bağlı araşdırma.
Düzmək | Ölkələr |
1 | ABŞ |
2 | Çin |
3 | Hindistan |
4 | İtaliya |
5 | İspaniya |
6 | Almaniya |
7 | Braziliya |
8 | Avstraliya |
9 | Yaponiya |
10 | Birləşmiş Krallıq |
Düzmək | Universitetlər/Təşkilatlar |
1 | Elmlər Çin Akademiyası |
2 | Çin Xalq Respublikasının Kənd Təsərrüfatı Nazirliyi |
3 | Superior de Investigaciones Científicas |
4 | Texas A&M Universiteti |
5 | Çin Əkinçilik Universiteti |
6 | USDA Kənd Təsərrüfatı Tədqiqat Xidməti |
7 | CSIC - Instituto de Agricultura Sostenible IAS |
8 | Purdue Universiteti |
9 | Milli Tədqiqat Şurası |
10 | Cənubi Çin Kənd Təsərrüfatı Universiteti |
Universitet və təşkilati nöqteyi-nəzərdən nəşrlərin sayına görə siyahıya Çin Elmlər Akademiyası başçılıq edir, Çin Xalq Respublikasının Kənd Təsərrüfatı Nazirliyi və Consejo Superior de Investigaciones Científicas ikinci yerdədir. Çin Elmlər Akademiyası müəlliflər Liao Xiaohan və Li Jun tərəfindən təmsil olunur; Han Ventinq Çin Xalq Respublikasının Kənd Təsərrüfatı Nazirliyini təmsil edir; və Consejo Superior de Investigaciones Científicas-ı Lopez-Qranados, ´ F. və Pena, ˜ Jos´e María S. təmsil edir. ABŞ-dan Texas A&M Universiteti və Purdue Universiteti kimi universitetlər öz təkliflərini tapırlar.
qeyd etmək. Ən çox nəşr olunan universitetlər və onların əlaqələri Şəkil 4-də göstərilmişdir. Bundan əlavə, bu siyahıya elmi tədqiqatlarda fəal olan, lakin akademik qurum olmayan Consiglio Nazionale delle Ricerche və Consejo Superior de Investigaciones Científicas kimi institutlar daxildir. .
Seçimimizə faktiki olaraq bütün mövcud məlumatları əhatə edən çoxlu jurnallar daxil idi. Cədvəl 8-də göstərildiyi kimi, 258 məqalə ilə Uzaqdan Zondlama birinci yerdə, 126 məqalə ilə Ağıllı və Robotik Sistemlər: Nəzəriyyə və Tətbiqlər Jurnalı və 98 məqalə ilə Kənd Təsərrüfatında Kompüter və Elektronika jurnalı ikinci yerdədir. Uzaqdan Zondlaşdırma əsasən dronların tətbiqi və inkişafına yönəldilsə də, Kənd Təsərrüfatında Kompüter və Elektronika əsasən kənd təsərrüfatında kompüter avadanlığı, proqram təminatı, elektronika və idarəetmə sistemlərindəki irəliləyişləri əhatə edir. 87 nəşri olan IEEE Robotics and Automation Letters və 34 nəşri olan IEEE Access kimi sahələr arası satış məntəqələri də bu sahədə ən yaxşı satış nöqtələridir. Ən yaxşı on beş nəşr 959 sənədlə ədəbiyyata töhfə verib ki, bu da bütün nəşrlərin təxminən 20.40%-ni təşkil edir. Jurnalın birgə sitat təhlili bizə nəşrlər arasındakı əhəmiyyəti və oxşarlığı araşdırmaq imkanı verir. Birgə sitat təhlili Şəkil 5-də göstərildiyi kimi üç klaster verir. Qırmızı klaster Remote Sensing, Computer and Electronics in Agriculture, Sensorlar,
və Uzaqdan Zondlama Beynəlxalq Jurnalı. Bütün bu nəşrlər uzaqdan zondlama və dəqiq kənd təsərrüfatı sahələrində yüksək nüfuzlu jurnallardır. Yaşıl çoxluqda robot texnikası ilə məşğul olan jurnallar var, məsələn, Journal of Intelligent and Robotic Systems: Theory and Applications, IEEE Robotics and Automation Letters, IEEE Access və Dronlar. Bu nəşrlər əsasən avtomatlaşdırmaya dair məqalələr dərc edir və kənd təsərrüfatı mühəndisləri üçün faydalıdır. Yekun klaster Aqronomiya və Beynəlxalq Kənd Təsərrüfatı və Biologiya Mühəndisliyi Jurnalı kimi aqronomiya və kənd təsərrüfatı mühəndisliyi ilə bağlı jurnallar tərəfindən formalaşır.
Kənd təsərrüfatı dronları ilə bağlı araşdırmalarda top 15 jurnal.
Düzmək | Jurnal | Saymaq |
1 | Uzaqdan Zondlama | 258 |
2 | Ağıllı və Robotik Sistemlər Jurnalı: Nəzəriyyə və Applications | 126 |
3 | Kənd təsərrüfatında kompüter və elektronika | 98 |
4 | IEEE Robototexnika və Avtomatlaşdırma Məktubları | 87 |
5 | Sensor | 73 |
6 | Uzaqdan Zondlama Beynəlxalq Jurnalı | 42 |
7 | Həssas əkinçilik | 41 |
8 | Drones | 40 |
9 | Aqronomiya | 34 |
10 | IEEE Giriş | 34 |
11 | Qabaqcıl Robot Sistemləri Beynəlxalq Jurnalı | 31 |
12 | Beynəlxalq Kənd Təsərrüfatı və Biologiya Mühəndisliyi Jurnalı | 25 |
13 | PLoS ONE | 25 |
14 | Field Robotics jurnalı | 23 |
15 | Biosistemlərin Mühəndisliyi | 23 |
Nəticə
xülasə
Bu araşdırmada kənd təsərrüfatı dronları ilə bağlı mövcud araşdırmaları ümumiləşdirdik və təhlil etdik. Müxtəlif bibliometrik üsulları tətbiq edərək, kənd təsərrüfatı dronları ilə əlaqəli tədqiqatların intellektual strukturunu daha yaxşı başa düşməyə çalışdıq. Ümumilikdə, bizim icmal ədəbiyyatda açar sözləri müəyyənləşdirmək və müzakirə etmək, dronlar sahəsində semantik cəhətdən oxşar icmalar yaratmaqla bilik qruplarını aşkar etmək, əvvəlki tədqiqatları göstərmək və gələcək tədqiqat istiqamətlərini təklif etməklə bir sıra töhfələr təklif edir. Aşağıda kənd təsərrüfatı dronlarının inkişafı ilə bağlı araşdırmanın əsas nəticələrini qeyd edirik:
• 2012-ci ildən sonra məqalələrin sayının artmasının göstərdiyi kimi, son on ildə ümumi ədəbiyyat sürətlə artıb və böyük diqqəti cəlb edib. Baxmayaraq ki, bu bilik sahəsi hələ tam yetkinliyə çatmayıb (Barrientos et al., 2011; Maes). & Steppe, 2019), bir neçə sual hələ də cavabsızdır. Məsələn, qapalı təsərrüfatda dronların faydası hələ də müzakirə üçün açıqdır (Aslan və digərləri, 2022; Krul və digərləri, 2021; Rold'an et al., 2015). Sahə səhnələrinin mürəkkəbliyi və müxtəlif təsvir şəraiti (məsələn, kölgələr və işıqlandırma) daha yüksək spektral sinif dispersiyasına səbəb ola bilər (Yao et al., 2019). Hətta sonrakı tədqiqat mərhələlərində belə, tədqiqatçılardan müəyyən ssenarilərə və tələb olunan görüntü keyfiyyətinə uyğun olaraq optimal uçuş planlarını müəyyən etmək tələb olunur (Soares et al., 2021; Tu et al.,
2020).
• Biz qeyd edirik ki, sahə səmərəli İHA sistemlərinin hazırlanmasından maşın öyrənməsi və kənd təsərrüfatı dronlarının dizaynında dərin öyrənmə kimi süni intellekt üsullarının daxil edilməsinə doğru irəliləyib (Bah et al., 2018; Kitano et al., 2019; Maimaitijiang et al. , 2020; Mazzia və başqaları, 2020; Tetila və başqaları, 2020).
• Kənd təsərrüfatı dronları üzərində aparılan tədqiqatlar əsasən ətraf mühitin monitorinqi, məhsulun idarə edilməsi və alaq otlarının idarə edilməsi (klaster 1), eləcə də uzaqdan fenotipləşdirmə və məhsuldarlığın qiymətləndirilməsi (klaster 2) sahələrində texnologiyanın potensiallarını tədqiq etməklə uzaqdan zondlamanı müzakirə etmişdir. Kənd təsərrüfatı dronları ilə bağlı təsirli tədqiqatlar toplusuna Austin (2010), Berni et al daxildir. (2009)a, Herwitz et al. (2004), Nex və Remondino (2014) və Zhang və Kovacs (2012). Bu tədqiqatlar kənd təsərrüfatı kontekstində dronla əlaqəli tədqiqatların konseptual əsaslarını inkişaf etdirdi.
• Metodologiya ilə əlaqədar olaraq biz müşahidə etdik ki, indiyədək aparılan tədqiqatların əksəriyyəti ya sistem dizaynı, konseptual və ya nəzərdən keçirməyə əsaslanan tədqiqatlardan ibarət olub (Inoue, 2020; Nex & Remondino, 2014; P´erez-Ortiz et al. , 2015; Yao və başqaları, 2019). Biz həmçinin kənd təsərrüfatı dronlarının tədqiqində empirik, keyfiyyətli və keys-study əsaslı metodların çatışmazlığını görürük.
• Son zamanlarda dəqiq kənd təsərrüfatı, AI texnikaları, dəqiq üzümçülük və su stresinin qiymətləndirilməsi ilə bağlı mövzular əhəmiyyətli dərəcədə diqqəti cəlb etmişdir (Espinoza et al., 2017; Gomez-Cand ´ on ´ et al., 2016; Matese et al., 2015; Matese & Di Gennaro, 2018, 2021; Z. Zhou et al., 2021). İki ayrı dövrdə, 1990–2010 və 2011–2021-ci illərdə tədqiqat qruplarının diqqətlə araşdırılması domenin intellektual strukturunun irəliləyişini ortaya qoyur. 1990-cı ildən 2010-cu ilə qədər olan dövr pilotsuz uçan aparatların dizaynı, inkişafı və tətbiqi ilə bağlı müzakirələrdən aydın görünən mərkəzi anlayışların və konsepsiyaların formalaşmasını təşkil etmişdir. İkinci dövrdə, tədqiqat diqqəti kənd təsərrüfatında İHA-dan istifadə hallarını sintez etməyə səy göstərərək əvvəlki tədqiqatları genişləndirir. Biz həmçinin görüntüləmə tapşırıqlarında və dəqiq kənd təsərrüfatında dron tətbiqlərini müzakirə edən çoxsaylı araşdırmalar tapdıq.
Düzmək | Jurnal | Saymaq |
1 | Uzaqdan Zondlama | 258 |
2 | Ağıllı və Robotik Sistemlər Jurnalı: Nəzəriyyə və | 126 |
Applications | ||
3 | Kənd təsərrüfatında kompüter və elektronika | 98 |
4 | IEEE Robototexnika və Avtomatlaşdırma Məktubları | 87 |
5 | Sensor | 73 |
6 | Uzaqdan Zondlama Beynəlxalq Jurnalı | 42 |
7 | Həssas əkinçilik | 41 |
8 | Drones | 40 |
9 | Aqronomiya | 34 |
10 | IEEE Giriş | 34 |
11 | Qabaqcıl Robot Sistemləri Beynəlxalq Jurnalı | 31 |
12 | Beynəlxalq Kənd Təsərrüfatı və Biologiya Mühəndisliyi Jurnalı | 25 |
13 | PLoS ONE | 25 |
14 | Field Robotics jurnalı | 23 |
15 | Biosistemlərin Mühəndisliyi | 22 |
Nəticələr
Bibliometrik baxışımız alimlər, fermerlər, kənd təsərrüfatı mütəxəssisləri, məhsul məsləhətçiləri və İHA sistemi dizaynerləri nəzərə alınmaqla hazırlanmış və aparılmışdır. Müəlliflərin ən yaxşı bildiyinə görə, bu, dərin bibliometrik təhlili aparan ilk orijinal rəylərdən biridir.
kənd təsərrüfatında dron tətbiqləri. Biz nəşrlərin sitat və birgə sitat təhlilindən istifadə edərək bu məlumat orqanının hərtərəfli təhlilini apardıq. Dron tədqiqatının intellektual strukturunu təsvir etmək cəhdlərimiz həm də akademiklər üçün yeni anlayışlar təklif edir. Zamanla istifadə olunan açar sözlərin diqqətlə nəzərdən keçirilməsi dronla əlaqəli ədəbiyyatda qaynar nöqtələri və əsas tədqiqat sahələrini ortaya qoyur. Bundan əlavə, biz bu sahədə tamamlanan ən təsirli tədqiqat işlərini müəyyən etmək üçün ən çox istinad edilən tədqiqatların siyahısını təqdim edirik. Məqalələrin və açar sözlərin müəyyən edilməsi, nəticədə gələcək tədqiqatlar üçün bir neçə yol açmaq üçün möhkəm başlanğıc nöqtəsi ola bilər.
Əhəmiyyətlisi odur ki, biz müqayisə edilə bilən işləri təsnif edən klasterləri aşkar etdik və nəticələri ətraflı araşdırdıq. Klasterlərdə təsnif edilən tədqiqatlar İHA tədqiqatının intellektual strukturunu anlamağa kömək edir. Qeyd edək ki, biz dronların övladlığa götürülmə faktorlarını tədqiq edən az sayda araşdırma aşkar etdik
və əkinçilik fəaliyyətində maneələr (bax Cədvəl 9). Gələcək tədqiqatçılar müxtəlif əkinçilik fəaliyyətlərində və iqlim şəraitində dronların qəbulu faktorlarını qiymətləndirən empirik araşdırmalar apararaq bu potensial boşluğu aradan qaldıra bilərlər. Bundan əlavə, dronların effektivliyi ilə bağlı tədqiqata əsaslanan tədqiqatlar sahədən real məlumatlar ilə dəstəklənməlidir. Həmçinin, fermerlərin və menecerlərin akademik tədqiqatlara cəlb edilməsi dron tədqiqatlarının həm nəzəri, həm də praktiki inkişafı üçün faydalı olardı. Biz həmçinin ən görkəmli tədqiqatçıları və onların töhfələrini müəyyən edə bildik, bu da dəyərlidir, çünki son əsas işlərdən xəbərdar olmaq gələcək akademik səylər üçün müəyyən istiqamətlər təklif edə bilər.
Cədvəl 9
İHA qəbul etmə maneələri.
Baryer | təsvir |
Məlumat təhlükəsizliyi | Kibertəhlükəsizlik həyata keçirmək üçün əsas problemdir IoT həlləri (Masroor et al., 2021). |
Qarşılıqlı fəaliyyət və inteqrasiya | İHA, WSN, IoT və s. kimi müxtəlif texnologiyalar. inteqrasiya edilməli və məlumatları ötürməlidir mürəkkəblik səviyyəsini artırmaq (Alsamhi et al., 2021; Popescu və başqaları, 2020; Vuran və başqaları, 2018). |
İcra xərcləri | Bu, xüsusilə kiçik fermerlər və fermerlər üçün belədir müxtəlif qabaqcıl texnologiyaların inteqrasiyası ( Masroor və başqaları, 2021). |
Əmək biliyi və ekspertizası | İHA-ları idarə etmək üçün təcrübəli dron pilotlarına ehtiyac var. Həmçinin, müxtəlif qabaqcıl tətbiq texnologiyalar ixtisaslı işçilər tələb edir (YB Huang et al., 2013; Tsouros və başqaları, 2019). |
Mühərrikin gücü və uçuş müddəti | Dronları uzun saatlarla idarə etmək və örtmək mümkün deyil böyük ərazilər (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Sabitlik, etibarlılıq və manevr qabiliyyəti | Pis hava şəraitində pilotsuz təyyarələr dayanıqlı deyil (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Yük məhdudiyyətləri və sensorların keyfiyyəti | Dronlar yalnız məhdud yükləri daşıya bilir aşağı keyfiyyətli sensorları yükləmək qabiliyyəti (Nebiker et al., 2008). |
Nizamlama | Pilotsuz uçuş aparatları da təhlükəli ola bildiyindən, ciddi olanları da var bəzi sahələrdə qaydalar (Hardin & Jensen, 2011; Laliberte və Rango, 2011). |
Fermerlərin biliyi və maraq | Digər qabaqcıl texnologiyalar kimi, dronların uğurlu icrası təcrübə tələb edir və həmçinin qeyri-müəyyənliklərlə müşayiət olunur (Fisher et al., 2009; Lambert və başqaları, 2004; Stafford, 2000). |
Məhsuldarlığı artırmaq üçün mövcud resurslardan səmərəli istifadə etməyə daimi ehtiyac olduğundan, fermerlər tarlalarının sürətli, dəqiq və sərfəli skan edilməsini təmin etmək üçün dronlardan istifadə edə bilərlər. Texnologiya fermerlərə məhsullarının vəziyyətini müəyyən etmək və suyun vəziyyətini, yetişmə mərhələsini, həşəratların invaziyasını və qida ehtiyaclarını qiymətləndirməkdə kömək edə bilər. Pilotsuz uçan aparatların uzaqdan zondlama imkanları fermerlərə problemləri erkən mərhələdə təxmin etmək və dərhal uyğun müdaxilələr etmək üçün mühüm məlumatlar təqdim edə bilər. Bununla belə, texnologiyanın faydaları yalnız problemlər düzgün həll edildikdə reallaşa bilər. işığında
Məlumat təhlükəsizliyi, sensor texnologiyası problemləri (məsələn, ölçmələrin etibarlılığı və ya dəqiqliyi), inteqrasiyanın mürəkkəbliyi və əhəmiyyətli həyata keçirmə xərcləri ilə bağlı mövcud problemlər, gələcək tədqiqatlar həmçinin kənd təsərrüfatı dronlarının və digər kəsici qurğuların inteqrasiyasının texniki, iqtisadi və əməliyyat mümkünlüyünü yoxlamalıdır. kənar texnologiyalar.
Məhdudiyyətlər
Tədqiqatımızın bir sıra məhdudiyyətləri var. Birincisi, tapıntılar yekun təhlil üçün seçilmiş nəşrlər tərəfindən müəyyən edilir. Kənd təsərrüfatı dronları ilə bağlı bütün müvafiq araşdırmaları, xüsusən də Scopus verilənlər bazasında indeksləşdirilməyənləri çəkmək çətindir. Bundan əlavə, məlumatların toplanması prosesi əhatəli olmaya və qeyri-müəyyən nəticələrə səbəb ola bilən axtarış açar sözlərinin təyini ilə məhdudlaşır. Beləliklə, gələcək araşdırmalar etmək üçün məlumat toplamanın altında yatan mövzuya daha çox diqqət yetirmək lazımdır
daha etibarlı nəticələr. Digər məhdudiyyət az sayda sitat olan yeni nəşrlərə aiddir. Bibliometrik təhlil əvvəlki nəşrlərə meyllidir, çünki onlar illər ərzində daha çox sitat alırlar. Son tədqiqatlar diqqəti cəlb etmək və sitat toplamaq üçün müəyyən vaxta ehtiyac duyur. Nəticə etibarı ilə, paradiqma dəyişikliyi gətirən son tədqiqatlar ilk on təsirli əsərə daxil olmayacaq. Bu məhdudiyyət kənd təsərrüfatı dronları kimi sürətlə inkişaf edən tədqiqat sahələrinin araşdırılmasında üstünlük təşkil edir. Bu iş üçün ədəbiyyatı öyrənmək üçün Scopus ilə məsləhətləşdiyimiz üçün gələcək tədqiqatçılar fərqli düşünə bilərlər
üfüqü genişləndirmək və tədqiqat strukturunu təkmilləşdirmək üçün Web of Science və IEEE Xplore kimi verilənlər bazaları.
Potensial bibliometrik tədqiqatlar yeni anlayışlar yaratmaq üçün konfrans sənədləri, fəsillər və kitablar kimi digər mühüm bilik mənbələrini nəzərdən keçirə bilər. Kənd təsərrüfatı dronları ilə bağlı qlobal nəşrlərin xəritələşdirilməsinə və araşdırılmasına baxmayaraq, tapıntılarımız universitetlərin elmi nəticələrinin arxasında duran səbəbləri açıqlamadı. Bu, kənd təsərrüfatı ilə bağlı araşdırmalara gəldikdə bəzi universitetlərin niyə digərlərindən daha məhsuldar olduğunu keyfiyyətcə izah edən yeni tədqiqat sahəsinə yol açır.
dronlar. Bundan əlavə, gələcək tədqiqatlar bir neçə tədqiqatçı tərəfindən göstərildiyi kimi ətraf mühitin monitorinqi, məhsulun idarə edilməsi və alaq otlarının xəritələşdirilməsi kimi bir neçə yolla əkinçilik davamlılığını artırmaq üçün dronların potensialına dair fikirlər təmin edə bilər (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018b). Seçilmiş məqalələrin çoxluğuna görə mətn təhlili mümkün olmadığından, məqalələri araşdıran sistemli ədəbiyyat icmallarına ehtiyac var.
istifadə olunan tədqiqat metodları və fermerlərin əvvəlki tədqiqatlara cəlb edilməsi. Bir sözlə, dron tədqiqatları ilə bağlı təhlilimiz bu bilik orqanının görünməz əlaqələrini ortaya qoyur. Buna görə də bu icmal nəşrlər arasında əlaqələri aşkar etməyə kömək edir və tədqiqat sahəsinin intellektual strukturunu araşdırır. O, həmçinin ədəbiyyatın müxtəlif aspektləri, məsələn, müəlliflərin açar sözləri, mənsubiyyətləri və ölkələri arasındakı əlaqəni təsvir edir.
Rəqabət Marağı Bəyannaməsi
Müəlliflər, bu yazıda bildirilən işə təsir göstərə biləcək məlum rəqabətli maliyyə maraqları və ya şəxsi münasibətləri olmadığını bildirirlər.
Əlavə 1
TITLE-ABS-KEY (((drone* VƏ ya “pilotsuz hava vasitəsi” YA PUA* VEYA “pilotsuz təyyarə sistemi"” YA UAS Və ya “uzaqdan idarə olunan təyyarə”) VƏ (kənd təsərrüfatı YA əkinçilik YA əkinçilik YA əkinçi))) VƏ (İSTİSNA EDİN (YETKİLİYYAT, 2022)) VƏ (LİMİT-TO (DİL, “İngilis”)).
References
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. Bitki örtüyünün monitorinqi üçün yüngül İHA snapshot kameraları ilə 3D hiperspektral məlumatların yaradılması:
keyfiyyət təminatı üçün kameranın kalibrlənməsi. ISPRS J. Fotoqramma. Uzaqdan Sensor 108, 245–259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005. Pilotsuz uçuş aparatının təsvirindən quşların avtomatik aşkarlanması üçün nümunənin tanınması alqoritminin inkişafı.
Sorğu. Torpaq məlumatı. Sci. 65 (1), 37–45.
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021. Kənd təsərrüfatında simsiz sensor şəbəkələri: bibliometrik təhlildən əldə edilən fikirlər. Davamlılıq 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M.. NDVI və buxarlanma. Irrig. Sci. 37 (3), 407–429. https://doi.org/10.1007/s00271-018-0613-9.
Adao, ˜ T., Hruˇska, J., Padua, ´ L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. Hiperspektral görüntüləmə: İHA əsaslı sensorlar, məlumatlara baxış emal və
kənd təsərrüfatı və meşə təsərrüfatı üçün müraciətlər. Uzaqdan Zondlama 9 (11). https://doi.org/ 10.3390/rs9111110.
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Günəbaxan məhsulunun monitorinqi üçün pilotsuz uçuş aparatından istifadə edərək çox zamanlı görüntüləmə. Biosist. Eng.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. İHA-dan dəqiq rəqəmsal yüksəklik modellərinin yaradılması aşağı faizlə üst-üstə düşən şəkillər əldə etdi. Int.
J. Uzaqdan Sensor 38 (8–10), 3113–3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Ali, I., Greifeneder, F., Stamenkovic, J., Neumann, M., Notarnicola, C., 2015. Uzaqdan zondlama məlumatlarından biokütlə və torpaq nəminin axtarışı üçün maşın öyrənmə yanaşmalarının nəzərdən keçirilməsi. Uzaqdan Zondlama 7 (12), 16398–16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M., B5G şəbəkələrində İHA-lardan istifadə edən əşyaların yaşıl interneti: Tətbiqlərin nəzərdən keçirilməsi
və strategiyalar. Elan. Hoc. Şəbəkə. 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Al-Tani, N., Albuainain, A., Alnaimi, F., Zorba, N., 2020. Qoyun Heyvanlarının Monitorinqi üçün Dronlar. In: 20-ci IEEE Aralıq dənizi Elektrotexnika Konfransı. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. Multispektral görüntüləmə və süni intellektdən istifadə edərək sitrus meyvələrində İHA əsaslı yüksək ötürmə qabiliyyətinin fenotiplənməsi. Uzaqdan Zondlama 11 (4), https://doi.org/10.3390/rs11040410.
Ampatzidis, Y., Partel, V., Costa, L., 2020. Agroview: Süni intellektdən istifadə edən dəqiq kənd təsərrüfatı tətbiqləri üçün İHA-dan toplanmış məlumatları emal etmək, təhlil etmək və vizuallaşdırmaq üçün bulud əsaslı proqram. Hesablama. elektron. Aqric. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. Kənd təsərrüfatında hiperspektral məlumatla böyük məlumatlar və maşın öyrənməsi. IEEE Access 9, 36699–36718. https://doi.org/10.1109/
ACCESS.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. İcmal: otlaq əsaslı heyvandarlıq sistemlərində dəqiq Heyvandarlıq Təsərrüfatı texnologiyaları. Heyvan 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, ´ D., Mejia-Aguirre, C., Mütərəqqi informasiya və kommunikasiya texnologiyaları üçün tendensiyalar
Kənd təsərrüfatı məhsuldarlığının yaxşılaşdırılması: bibliometrik təhlil. Aqronomiya 10 (12), Maddə 12. https://doi.org/10.3390/agronomy10121989.
Armstrong, I., Pirrone-Brusse, M., Smith, A., Jadud, M., 2011. Uçan gator: occam-π-də hava robotlarına doğru. Kommun. Proses memarı. 2011, 329–340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. İstehlakçı şikayət davranışının (CCB) tədqiqatının intellektual strukturu: Bibliometrik təhlil. J. Business Res. 122, 60–74.
Aslan, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022.
Açıq sahələrdə və istixanalarda dəqiq əkinçilik üçün İHA ilə aparılan son tədqiqatların hərtərəfli tədqiqi. Tətbiq. Sci. 12 (3), 1047. https://doi.org/10.3390/
app12031047.
Atkinson, JA, Jackson, RJ, Bentley, AR, Ober, E., & Wells, DM (2018). Gələcək üçün sahənin fenotiplənməsi. Onlayn illik bitki rəylərində (səh. 719–736). John
Wiley & Sons, Ltd. doi: 10.1002/9781119312994.apr0651.
Austin, R., 2010. Pilotsuz Təyyarə Sistemləri: İHA Dizayn, İnkişaf və Yerləşdirmə. In: Pilotsuz Təyyarə Sistemləri: İHA Dizayn, İnkişaf və
Yerləşdirmə. John Wiley və oğulları. https://doi.org/10.1002/9780470664797.
Awais, M., Li, W., Cheema, MJM, Zaman, QU, Shaheen, A., Aslam, B., Zhu, W., Ajmal, M., Faheem, M., Hussain, S., Nadeem, AA, Afzal, MM, Liu, C., 2022. Bitki stressində İHA əsaslı uzaqdan zondlama rəqəmsal kənd təsərrüfatı təcrübələri üçün yüksək qətnamə istilik sensorundan istifadə edərək təsəvvür edin: meta-nəzərdən. Int. J. Environ. Sci. Texnologiya. 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. Ağıllı əkinçilik: İmkanlar, problemlər
və texnologiya imkanları. 2018 IoT Vertical və. Kənd Təsərrüfatı üzrə Aktual Sammit - Toskana (IOT Toskana) 1–6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. İHA şəkillərində xətt bitkilərində alaq otlarının aşkarlanması üçün nəzarətsiz məlumatların etiketlənməsi ilə dərindən öyrənmə. Uzaqdan Zondlama 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Baldi, S., 1998. Sitatların bölüşdürülməsində normativlərə qarşı sosial konstruktivist proseslər: şəbəkə-analitik model. am. Sosial. Vəhy 63 (6), 829–846. https://doi.
org/10.2307/2657504.
Baluja, J., Diaqo, MP, Balda, P., Zorer, R., Meggio, F., Morales, F., Tardaguila, J., 2012. Termal və multispektral ilə üzüm bağlarının su vəziyyəti dəyişkənliyinin qiymətləndirilməsi
pilotsuz uçuş aparatından (PUA) istifadə edilən görüntülər. 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., Next nəsil yetişdirmə. Bitki Elmi. 242, 3–13. https://doi.org/10.1016/j.
bitkilərci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. Mal-qaranın monitorinqi üçün pilotsuz uçuş sistemlərinin istifadəsinə dair perspektivlər. 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. Aşağı çəki və İHA əsaslı hiperspektral tam kadr kameralar
bitkilərin monitorinqi üçün: Portativ spektroradiometr ölçmələri ilə spektral müqayisə. Photogrammetrie, Fernerkundung, Geoinformation 2015 (1), 69–79.
https://doi.org/10.1127/pfg/2015/0256.
Barrientos, A., Kolorado, J., del Cerro, J., Martinez, A., Rossi, C., Sanz, D., Valente, J., Kənd təsərrüfatında havadan uzaqdan zondlama: ərazinin əhatə dairəsinə praktik yanaşma
və mini hava robotlarının donanması üçün yolun planlaşdırılması. J. Field Rob. 28 (5), 667–689. https://doi.org/10.1002/rob.20403.
Basiri, A., Mariani, V., Silano, G., Aatif, M., Iannelli, L., Glielmo, L., 2022. Çox rotorlu İHA-lar üçün yol planlaşdırma alqoritmlərinin dəqiqliklə tətbiqi üzrə sorğu
Kənd təsərrüfatı. J. Naviq. 75 (2), 364–383.
Basnet, B., Bang, J., 2018. Bilik tutumlu kənd təsərrüfatının ən müasir texnologiyası: tətbiqi algılama sistemləri və məlumat analitikasına baxış. J. Sens. 2018, 1–13.
Bendig, J., Bolten, A., Bareth, G., 2013. Məhsulun böyümə dəyişkənliyini izləmək üçün çox zamanlı, çox yüksək ayırdetmə qabiliyyətinə malik məhsul səthi modelləri üçün İHA əsaslı görüntüləmə. Photogrammetrie, Fernerkundung, Geoinformation 2013 (6), 551–562. https://doi. org/10.1127/1432-8364/2013/0200.
Bendig, J., Bolten, A., Bennertz, S., Broscheit, J., Eichfuss, S., Bareth, G., 2014. İHA əsaslı RGB görüntüləməsindən əldə edilən məhsul səthi modellərindən (CSMs) istifadə edərək arpa biokütləsinin qiymətləndirilməsi. Uzaqdan Zondlama 6 (11), 10395–10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. İHA əsaslı bitki hündürlüyünü məhsul səthindən birləşdirmək modellər,
arpada biokütlənin monitorinqi üçün görünən və yaxın infraqırmızı bitki indeksləri. Int. J. Tətbiq. 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. Yüksək rezolyusiyadan istifadə edərək zeytun bağlarında çətir keçiriciliyinin və CWSI-nin xəritələşdirilməsi
termal uzaqdan zondlama görüntüləri. Uzaqdan Sensor. Ətraf. 113 (11), 2380–2388. https://doi.org/10.1016/j.rse.2009.06.018.
Berni, JA, Zarco-Tejada, PJ, Suarez, ´ L., Fereres, E., 2009b. Pilotsuz uçan aparatdan bitki örtüyünün monitorinqi üçün termal və dar zolaqlı multispektral uzaqdan zondlama. IEEE Trans. Geosci. Uzaqdan Sensor 47 (3), 722–738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. Qida təhlükəsizliyində əşyaların interneti: Ədəbiyyat icmalı və bibliometrik təhlil. Trends Food Sci. Texnologiya. 94,54–64. https://doi.org/10.1016/j.tifs.2019.11.002.
Brewster, C., Roussaki, I., Kalatzis, N., Doolin, K., Ellis, K., 2017. Kənd təsərrüfatında IoT: Avropa miqyasında genişmiqyaslı pilotun layihələndirilməsi. IEEE Commun. Mag. 55 (9), 26–33.
Buters, TM, Belton, D., Cross, AT, 2019. Millimetr dəqiqliyi ilə fərdi tinglərin və fidan icmalarının çox sensorlu İHA izlənilməsi. Dronlar 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. İHA görüntülərindən dəqiq əkinçilik tətbiqləri üçün multispektral şəkillərin və bitki örtüyünün indekslərinin qiymətləndirilməsi. Uzaqdan Zondlama 7 (4), 4026–4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. İHA-dan əldə edilən geniş dinamik diapazonlu vegetasiya indeksindən (WDRVI) istifadə edərək şəkər çuğundurunun artım göstəricilərinin monitorinqi
multispektral şəkillər. Hesablama. elektron. Aqric. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. Ailə biznesi ədəbiyyatının intellektual strukturunun təkamülü: FBR-nin bibliometrik tədqiqi. Ailə Biznesi Rev. 20 (2), 141–162.
Cen, H., Wan, L., Zhu, J., Li, Y., Li, X., Zhu, Y., Weng, H., Wu, W., Yin, W., Xu, C., Bao, Y., Feng, L., Shou, J., He, Y., 2019. Altında düyü biokütləsinin dinamik monitorinqi
ikili şəkil çərçivəli snapshot kameraları ilə yüngül İHA-dan istifadə edərək müxtəlif azot müalicəsi. Bitki üsulları 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418-8.
Chamuah, A., Singh, R., 2019. Mülki İHA vasitəsilə Hindistan kənd təsərrüfatında davamlılığın təmin edilməsi: məsuliyyətli innovasiya perspektivi. SN Tətbiqi. Sci. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. Hindistan məhsul sığortası tətbiqləri üçün mülki pilotsuz uçuş aparatının (İHA) innovasiyalarının məsuliyyətli idarə edilməsi. J. Məsul
Texnologiya. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen, A., Orlov-Levin, V., Meron, M., 2019. Dəqiq suvarma idarəçiliyinə məhsul örtüyünün yüksək ayırdetməli görünən kanallı hava təsvirinin tətbiqi. Aqric. Su
idarə et. 216, 196–205. https://doi.org/10.1016/j.agwat.2019.02.017.
Daakir, M., Pierrot-Deseilligny, M., Bosser, P., Pichard, F., Thom, C., Rabot, Y., Martin, O., 2017. Bortda fotoqrammetriya və tək tezlikli GPS yerləşdirmə ilə yüngül çəkili İHA metrologiya tətbiqləri üçün. ISPRS J. Fotoqramma. Uzaqdan Sensor 127, 115–126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Avtonom dron əməliyyatlarının idarə edilməsi üçün blokçeyn əsaslı IoT platforması. In: 2-ci ACM-nin materialları
5G və Beyond üçün Dron Yardımlı Simsiz Rabitə üzrə MobiCom Seminarı, səh. 31–36. https://doi.org/10.1145/3414045.3415939.
Day, RA, Gastel, B., 1998. Elmi məqaləni necə yazmaq və dərc etmək. Cambridge University Press. de Castro, AI, Pena, ˜ JM, Torres-Sanchez, ´ J., Jim´enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´ F., 2020. Cinodon dactylon infeting xəritəsi dəqiq üzümçülük üçün avtomatik qərar ağacı-OBIA proseduru və İHA təsvirləri ilə bitkiləri əhatə edin. Uzaqdan Zondlama 12 (1), 56. https://doi.org/10.3390/rs12010056.
de Castro, AI, Torres-S´ anchez, J., Pena, ˜ JM, Jim´enez-Brenes, FM, Csillik, O., Lopez- ´Granados, F., 2018. Avtomatik təsadüfi meşə-OBIA alqoritmi İHA görüntülərindən istifadə edərək əkin cərgələri arasında və içərisində erkən alaq otlarının xəritələşdirilməsi. Uzaqdan Zondlama 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sönmez, ¨ NK, Akar, T., Ünal, S., 2018. İHA Görüntülərindən Alınan DSM İstifadəsi ilə Buğda Genotiplərinin Bitki Boyunun Avtomatlaşdırılmış Ölçüsü. Proseslər 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020. Pilotsuz uçuş aparatlarından istifadə edərək real vaxt rejimində alaq otlarının xəritələşdirilməsi üçün yüngül semantik seqmentasiya şəbəkəsi. Tətbiq. Sci. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. Dəqiq kənd təsərrüfatı üçün İHA əsaslı multispektral uzaqdan zondlama: müxtəlif kameralar arasında müqayisə. ISPRS J. Fotoqramma. Uzaqdan Sensor 146, 124–136.
Diaz-Qonzales, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022. Torpaq göstəricilərini qiymətləndirmək üçün tətbiq olunan maşın öyrənməsi və uzaqdan zondlama üsulları – baxış. Ekol. İnd. 135, 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Díaz-Varela, RA, De la Rosa, R., Leon, ´ L., Zarco-Tejada, PJ, 2015. 3D fotoşəkildən istifadə edərək zeytun ağacının tacı parametrlərini qiymətləndirmək üçün yüksək rezolyusiyaya malik havadan PUA görüntüləri
yenidənqurma: heyvandarlıq sınaqlarında tətbiq. Uzaqdan Zondlama 7 (4), 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. Hava limanının tutumunun idarə edilməsi: baxış və bibliometrik təhlil. J. Hava Transp. idarə et. 91, 102010.
Dong, T., Shang, J., Liu, J., Qian, B., Jing, Q., Ma, B., Huffman, T., Geng, X., Sow, A., Shi, Y., Canisius, F., Jiao, X., Kovacs, JM, Walters, D., Cable, J., Wilson, J., 2019.
Ontario, Kanadada məhsulun böyüməsi və məhsuldarlığının tarladaxili dəyişkənliyini müəyyən etmək üçün RapidEye görüntülərindən istifadə. Precision Agric. 20 (6), 1231–1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. COVID-19-dan sonrakı dövrdə qida tədarükü zəncirini başa düşmək üçün kənd təsərrüfatı dronlarının və iyotların tətbiqi. In: Choudhury, A., Biswas, A., Prateek, M.,
Chakrabarti, A. (Red.), Kənd Təsərrüfatı İnformatikası: IoT və Maşın Öyrənməsindən istifadə edərək avtomatlaşdırma. Wiley, səh. 67–87. van Eck, N., Waltman, L., 2009. Proqram təminatı sorğusu: VOSviewer, bibliometrik xəritəçəkmə üçün kompüter proqramı. Scientometrics 84 (2), 523–538. https://doi.org/10.1007/s11192-009-0146-3.
Elijah, O., Rahman, TA, Orikumhi, I., Leow, CY, Hindia, MN, 2018. Əşyaların İnterneti (IoT) və kənd təsərrüfatında məlumat analitikasına ümumi baxış: faydalar və problemlər.
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. Aqronomik göstəricilərin təsdiqi İHA və sahə
Pomidor növləri üçün ölçülər. Hesablama. elektron. Aqric. 158, 278–283. https:// doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. Yüksək rezolyusiyaya malik multispektral və termal məsafədən zondlamaya əsaslanan su gərginliyinin qiymətləndirilməsi
yeraltı suvarılan üzüm bağları. Uzaqdan Zondlama 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Torpağın gradasiyası üçün hiperspektral uzaqdan zondlamadan istifadə. Uzaqdan Zondlama 12 (20), 3312. ttps://doi.org/10.3390/
rs12203312.
Fawcett, D., Panigada, C., Tagliabue, G., Boschetti, M., Celesti, M., Evdokimov, A., Biriukova, K., Colombo, R., Miglietta, F., Rascher, U., Anderson, K., 2020. Əməliyyat şəraitində dron əsaslı multispektral səthi əks etdirmə və bitki örtüyü indekslərinin çoxölçülü qiymətləndirilməsi. Uzaqdan Zondlama 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. Dəqiq kənd təsərrüfatı üçün Əşyaların İnternetində simsiz rabitə texnologiyalarının öyrənilməsi. Simsiz Pers. Kommun. 108 (3),
1785-1802.
Ferreira, MP, Pinto, CF, Serra, FR, 2014. Beynəlxalq biznes tədqiqatında əməliyyat xərcləri nəzəriyyəsi: üç onillikdə bibliometrik tədqiqat. Scientometrics 98 (3), 1899–1922. https://doi.org/10.1007/s11192-013-1172-8.
Fisher, P., Abuzar, M., Rab, M., Best, F., Chandra, S., 2009. Avstraliyanın cənub-şərqində dəqiq kənd təsərrüfatında irəliləyişlər. I. simulyasiya etmək üçün reqressiya metodologiyası
fermerlərin tarixi padok məhsuldarlığından istifadə edərək taxıl məhsuldarlığında məkan dəyişikliyi və normallaşdırılmış fərq bitki örtüyü indeksi. Bitki otlaq elmi. 60 (9), 844–858.
Floreano, D., Wood, RJ, 2015. Elm, texnologiya və kiçik avtonom dronların gələcəyi. Təbiət 521 (7553), 460–466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. Ağıllı kənd təsərrüfatının gələcəyi üçün əşyaların interneti: inkişaf etməkdə olan texnologiyaların hərtərəfli sorğusu. IEEE CAA J. Autom. Sinica 8 (4), 718–752.
Fuentes-Pacheco, J., Torres-Olivares, J., Roman-Rangel, E., Cervantes, S., JuarezLopez, P., Hermosillo-Valadez, J., Rendon-Mancha, ´ JM, 2019. Əncir bitkisinin seqmentasiyası dərin konvolusion kodlayıcı-dekoder şəbəkəsindən istifadə edərək hava təsvirlərindən. Uzaqdan Zondlama 11 (10), 1157. https://doi.org/10.3390/rs11101157.
Gago, J., Douthe, C., Coopman, RE, Gallego, PP, Ribas-Carbo, M., Flexas, J., Escalona, J., Medrano, H., 2015. İHA-lar su stresini qiymətləndirmək üçün problem yaradır.
davamlı kənd təsərrüfatı. Aqric. Su Meneceri. 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. Termal görüntüləmə zavodda
defisitli suvarma strategiyaları altında badam ağaclarında (cv. Guara) məhsul-su vəziyyətini qiymətləndirmək üçün səviyyə. Aqric. Su Meneceri. 208, 176–186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. Kiçik bir hiperspektral UAS istifadə edərək səthin əks olunması və suninduksiya edilmiş flüoresan spektroskopiya ölçmələri. Uzaqdan Zondlama 9 (5), 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. Avtomatik metod
İHA təsvirləri əsasında yulaf tarlalarında alaq otlarının xəritəsi. Hesablama. elektron. Aqric.
Gebbers, R., Adamchuk, VI, 2010. Dəqiq kənd təsərrüfatı və ərzaq təhlükəsizliyi. Elm 327 (5967), 828–831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. Pilotsuz təyyarə sistemi ilə əldə edilmiş hava şəkilləri və məhsul səthi modelləri əsasında qarğıdalı məhsuldarlığının birləşdirilmiş spektral və məkan modelləşdirilməsi. Uzaqdan Zondlama 6 (11), 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. İstifadəçilər üçün davamlı dizayn: ədəbiyyat icmalı və bibliometrik təhlil. Ətraf. Sci. Çirkləndirici. Res. 27 (24), 29824–29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Multispektral peyk və hiperspektral birləşdirərək spektral-zaman reaksiya səthlərinin yaradılması
Dəqiq kənd təsərrüfatı tətbiqləri üçün İHA görüntüləri. IEEE J. Sel. Üst. Tətbiq. Earth Obs. Uzaqdan Sensor 8 (6), 3140–3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. Bulud və böyük məlumat xidməti kimi IoT əsaslı kənd təsərrüfatı: rəqəmsal Hindistanın başlanğıcı. J. Org. və Son İstifadəçi Hesablaması. (JOEUC) 29 (4),
1-23.
Gmür, M., 2006. Birgə sitat təhlili və görünməz kolleclərin axtarışı: metodoloji qiymətləndirmə. Scientometrics 57 (1), 27–57. https://doi.org/10.1023/
a: 1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Pilotsuz Uçuş Vasitələri (İHA) ilə qarğıdalı bitkilərinin rəqəmsal sayları. Uzaqdan Zondlama 9 (6). Https://doi.org/10.3390/rs9060544.
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. Suda alaq otlarına nəzarət və nəzarət üçün fırlanan qanadlı pilotsuz hava vasitəsi
idarəetmə. J. Intell. Robot Sistemi: Teor. Tətbiq. 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. Buğdada dəqiq kənd təsərrüfatı məqsədləri üçün pilotsuz uçuş aparatının (İHA) görüntülərindən alınan mozaikaların düzgünlüyünün qiymətləndirilməsi. Dəqiq. Aqric. 15 (1), 44–56. https://doi.org/10.1007/s11119-013-9335-4.
Gomez-Cand ´ on, ´ D., Virlet, N., Labb´e, S., Jolivot, A., Regnard, J.-L., 2016. İHA ilə hiss edilən görüntülərlə ağac miqyasında su gərginliyinin sahə fenotiplənməsi : üçün yeni anlayışlar
istilik alınması və kalibrləmə. Dəqiq. Aqric. 17 (6), 786–800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. Sitrus bağlarında su çatışmazlığının göstəricisi kimi məhsulun su stress indeksindən istifadənin tətbiqi və məhdudiyyətləri. Aqric. üçün. Meteorol. 198–199, 94–104. https://doi.org/10.1016/j. agrformet.2014.08.003.
Gonzalez-Dugo, V., Zarco-Tejada, P., Nicolas, ´ E., Nortes, PA, Alarcon, ´ JJ, Intrigliolo, DS, Fereres, E., 2013. Yüksək keyfiyyətli İHA termal görüntülərindən istifadə
kommersiya bağı daxilində beş meyvə ağacı növünün su statusunun dəyişkənliyini qiymətləndirmək. Dəqiq. Aqric. 14 (6), 660–678. https://doi.org/10.1007/s11119-013-9322-9.
Goyal, K., Kumar, S., 2021. Maliyyə savadlılığı: Sistematik baxış və bibliometrik təhlil. Int. J. İstehlakçı Tədqiqatlar 45 (1), 80-105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. Meşə və kənd təsərrüfatında aşağı qiymətli İHA-ların fotoqrammetrik potensialı. Fotoqrammetriya, Uzaqdan Zondlama və Məkan İnformasiya Elmlərinin Beynəlxalq Arxivləri – ISPRS Arxivləri 37, 1207–1213. https://www.scopus.com/inward/record.uri?eid=2-s2.0-85039543258&partnerI D=40&md5=b4b2d639257e8ddb5a373d15959c4e1e.
Guan, S., Fukami, K., Matsunaka, H., Okami, M., Tanaka, R., Nakano, H., Sakai, T., Nakano, K., Ohdan, H., Takahashi, K., 2019. Yüksək ayırdetmə nisbətinin qiymətləndirilməsi
Kiçik İHA-lardan istifadə edərək gübrə tətbiqi səviyyəsi və düyü və buğda məhsuldarlığı ilə NDVI. Uzaqdan Zondlama 11 (2), 112.
Gundolf, K., Filser, M., 2013. İdarəetmə tədqiqatı və din: sitat təhlili. J. Avtobus. Etika 112 (1), 177–185.
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. CFD simulyasiyası və məkanın eksperimental yoxlanışı və müvəqqəti paylanmaları
hoverdə dörd rotorlu kənd təsərrüfatı İHA-nın aşağı yuyulma hava axını. Hesablama. elektron. Aqric. 172, 105343 https://doi.org/10.1016/j.compag.2020.105343.
Haghighattalab, A., Gonz' alez P'erez, L., Mondal, S., Singh, D., Schinstock, D., Rutkoski, J., Ortiz-Monasterio, I., Singh, RP, Goodin, D. , Polşa, J., 2016.
Böyük buğda yetişdirmə tingliklərinin yüksək məhsuldarlıq fenotipləşdirilməsi üçün pilotsuz uçuş sistemlərinin tətbiqi. Bitki üsulları 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. Müxtəlif işıqlandırma şəraitində İHA-lardan spektral görüntüləmə . GG Bill R. (Red.), Fotoqrammetriya, Uzaqdan Zondlama və Məkan İnformasiya Elmlərinin Beynəlxalq Arxivləri—ISPRS Arxivləri (Cild 40, Sayı 1W2, səh. 189-194). Beynəlxalq Fotoqrammetriya və Uzaqdan Zondlama Cəmiyyəti. https://www.scopus.com/inward/record.uri?eid=2-s2.0-848875632.
Hamilton, SM, Morris, RH, Carvalho, RC, Roder, N., Barlow, P., Mills, K., Wang, L. Pilotsuz havadan ada bitki örtüyünün xəritələşdirilməsi üsullarının qiymətləndirilməsi
avtomobil (İHA) şəkilləri: Piksel təsnifatı, vizual şərh və maşın öyrənmə yanaşmaları. Int. J. Tətbiq. Earth Obs. Geoinf. 89, 102085 https://doi.org/
10.1016/j.jag.2020.102085.
Haque, A., Islam, N., Samrat, NH, Dey, S., Ray, B., 2021. Banqladeşdə məsuliyyətli rəhbərlik vasitəsilə ağıllı əkinçilik: imkanlar, imkanlar və kənarda.
Davamlılıq 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. Ətraf mühit tədqiqatlarında kiçik miqyaslı uzaqdan idarə olunan nəqliyyat vasitələri. Coğrafiya Kompası 4 (9), 1297–1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin, PJ, Jensen, RR, 2011. Ətraf mühitin uzaqdan zondlanmasında kiçik miqyaslı pilotsuz uçuş aparatları: problemlər və imkanlar. GISci. Uzaqdan Sensor 48 (1), 99–111. https://doi.org/10.2747/1548-1603.48.1.99.
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Əşyaların Kənd Təsərrüfatı İnterneti: texnologiyalar və tətbiqlər, (1-ci nəşr 2021-ci il). 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.
Pilotsuz uçuş aparatından görüntü: kənd təsərrüfatına nəzarət və qərara dəstək. Hesablama. elektron. Aqric. 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, İHA əsaslı uzaqdan zondlamadan istifadə etməklə buğda bitkisinin hündürlüyünün və tarla sahəsi sınaqlarında böyümə sürətinin yüksək məhsuldarlıq sahəsinin fenotiplənməsi. Uzaqdan Zondlama 8 (12). https://doi. org/10.3390/rs8121031.
Honkavaara, E., Saari, H., Kaivosoja, J., Pol ¨ onen, ¨ I., Hakala, T., Litkey, P., M¨akynen, J., Pesonen, L., 2013. Emal və qiymətləndirmə dəqiq kənd təsərrüfatı üçün yüngül İHA spektral kameradan istifadə edərək toplanmış spektrometrik, stereoskopik görüntülər. Uzaqdan Zondlama 5 (10), 5006–5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. Aşağı hündürlükdə pilotsuz uçuş aparatlarına əsaslanan əşyaların interneti xidmətləri: hərtərəfli sorğu və gələcək perspektivlər. 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. İHA üçün şəhər kanyonlarının birləşdirilmiş optik axını və stereo əsaslı naviqasiyası. In: 2005 IEEE/RSJ
İntellektual Robotlar və Sistemlər üzrə Beynəlxalq Konfrans, səh. 3309–3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. Bulud dumanı hesablaması üçün yaradıcı IoT kənd təsərrüfatı platforması. Davam et. Hesablama. İnf. Sistem. 28, 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. Pilotsuz uçuş aparatının alaq otlarının xəritələşdirilməsi üçün tam konvolyusiya şəbəkəsi ( İHA) görüntüləri. PLoS ONE 13 (4), e0196302.
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020. İHA görüntülərinin alaq otlarının xəritələşdirilməsində Obyekt əsaslı Şəkil Analizinə (OBIA) qarşı dərin öyrənmə. Int. J.
Uzaqdan Sensor 41 (9), 3446–3479. https://doi.org/10.1080/01431161.2019.1706112.
Huang, H., Yang, A., Tang, Y., Zhuang, J., Hou, C., Tan, Z., Dananjayan, S., He, Y., Guo, Q., Luo, S., 2021. Məhsulun monitorinqində İHA təsvirləri üçün dərin rəng kalibrlənməsi
yerli qlobal diqqət ilə semantik üslub transferindən istifadə. Int. J. Tətbiq. 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. Kənd təsərrüfatı istehsalı üçün pilotsuz uçuş aparatı texnologiyalarının inkişafı və perspektivi
idarəetmə. Int. J. Aqric. Biol. 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. Pilotsuz hava vasitəsi platforması üçün sprey sisteminin inkişafı. Tətbiq. Eng. Aqric. 25 (6), 803–809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. NIR-yaşıl-mavi rəqəmsal fotoşəkillərin alınması
məhsulun monitorinqi üçün pilotsuz təyyarə. Uzaqdan Zondlama 2 (1), 290–305. https://doi. org/10.3390/rs2010290. Inoue, Y., 2020. Ağıllı əkinçilik üçün əkinlərin və torpaqların peyk və dron əsaslı uzaqdan zondlanması – baxış. Torpaq Elmi. Bitki Nutr. 66 (6), 798–810. https://doi.org/10.1080/00380768.2020.1738899.
Islam, N., Rashid, MM, Pasandideh, F., Ray, B., Moore, S., Kadel, R., 2021. Əşyaların İnterneti (IoT) və kommunikasiya texnologiyalarının nəzərdən keçirilməsi
Pilotsuz Uçuş Aparatı (İHA) əsaslı davamlı ağıllı əkinçilik. Davamlılıq 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. Hesablanmış yüksək qətnamə rəqəmsal səth modellərinin düzgünlüyünün qiymətləndirilməsi
PhotoScan® və MicMac® qeyri-optimal sorğu şəraitində. Uzaqdan Zondlama 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. Zeytun ağacının arxitekturasına və illik budama təsirlərinin ölçülməsi İHA əsaslı 3D modelləşdirmədən istifadə edərək örtük artımı. Bitki üsulları 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. Çox aşağı hündürlükdə İHA görüntülərindən çıxanda buğda bitkilərinin bitki sıxlığının təxminləri. Uzaqdan Sensor.
Ətraf. 198, 105–114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. Bulud hesablamaları tərəfindən dəstəklənən kənd təsərrüfatı məhsullarının monitorinqi sistemi. Klaster Hesablama. 22 (4), 8929–8938.
Ju, C., & Son, HI 2018a. Kənd təsərrüfatında uzaqdan zondlama üçün çoxsaylı İHA sistemlərinin performansının qiymətləndirilməsi. IEEE Beynəlxalq Robototexnika və Avtomatlaşdırma Konfransında (ICRA), Brisbane, Avstraliya, 21-26. Kənd Təsərrüfatında Robotik Görünüş və Fəaliyyət üzrə Seminarın materialları.
Ju, C., Son, HI, 2018b. Kənd təsərrüfatı tətbiqləri üçün çoxsaylı İHA sistemləri: nəzarət, həyata keçirmə və qiymətləndirmə. Elektronika 7 (9), 162. https://doi.org/10.3390/
elektronika7090162.
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021. Uzaqdan zondlama və süni intellektin potensialı
kənd təsərrüfatı istehsal sistemlərinin davamlılığı. Curr. Rəy. Biotexnol. 70, 15–22. https://doi.org/10.1016/j.copbio.2020.09.003.
Kalischuk, M., Paret, ML, Freeman, JH, Raj, D., Da Silva, S., Eubanks, S., Wiggins, DJ, Lollar, M., Marois, JJ, Mellinger, HC, Das, J. , 2019. Pilotsuz uçuş aparatının köməyi ilə multispektral məhsul təsvirini qarpızda saqqız gövdəsi zədələnməsi üçün adi kəşfiyyat təcrübəsinə daxil edən təkmilləşdirilmiş məhsul kəşfiyyatı texnikası. Bitki Dis. 103 (7), 1642–1650.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. Sosial media araşdırmalarında irəliləyişlər: keçmiş, indi və gələcək. məlumat verin. Sistem. Ön. 20
(3), 531-558.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: multispektral şəkillər və dərinlik xəritəsi əsasında üzüm xəstəliklərinin aşkarlanması şəbəkəsi. Uzaqdan Zondlama 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. Üzüm bağları üçün peyk və İHA əsaslı multispektral görüntülərin müqayisəsi
dəyişkənliyin qiymətləndirilməsi. Uzaqdan Zondlama 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-blockchain qabaqcıl dərin öyrənmədən istifadə edərək qida sənayesi 4.0 üçün optimallaşdırılmış mənbə sistemini aktivləşdirdi. Sensorlar 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. Bitki xəstəliklərinin təsvirə əsaslanan aşkarlanması: klassik maşın öyrənməsindən dərin öyrənmə səyahətinə qədər. Simsiz rabitə. Mobil hesablama. 2021, 1–13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. İHA əsaslı məhsul/alaq otlarının təsnifatı üçün yeni yarı nəzarətli çərçivə. PLoS ONE 16 (5), e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. Dəqiq kənd təsərrüfatında termal uzaqdan zondlamanın cari və potensial tətbiqlərinə ümumi baxış. Hesablama. elektron.
Aqric. 139, 22–32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna, A., Kaur, S., 2019. Əşyaların İnternetinin (IoT) təkamülü və onun Precision Agriculture sahəsində əhəmiyyətli təsiri. Hesablama. elektron. Aqric. 157, 218–231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. Davamlı təşkilatlar üçün əməkdaşların cəlb edilməsi: sosial şəbəkə təhlili və partlayışdan istifadə edərək açar söz təhlili
aşkarlama yanaşması. Davamlılıq 8 (7), 631.
Kirsch, M., Lorenz, S., Zimmermann, R., Tusa, L., Mockel, ¨ R., Hodl, ¨ P., Booysen, R., Xodadadzadeh, M., Gloaguen, R., 2018. İnteqrasiya yerüstü və pilotsuz uçuşlar
kəşfiyyat xəritəsi və mədən monitorinqi üçün hiperspektral və fotoqrammetrik zondlama üsulları. Uzaqdan Zondlama 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. Dərin öyrənmə və İHA təsvirlərindən istifadə edərək qarğıdalı bitkilərinin hesablanması. IEEE Geosci. Uzaqdan Sensor Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. Yüksək məhsuldarlıq görüntü əsaslı bitki fenotiplənməsi üçün avtomatlaşdırılmış maşın öyrənməsi. Uzaqdan Zondlama 13 (5), 858. https://
doi.org/10.3390/rs13050858.
Kovalev, IV, Voroshilova, AA, 2020. Yük PUA-larının ekosisteminin inkişafında müasir texnoloji tendensiyalar. J. Fizika. Konf. Ser. 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Monokulyar kamera ilə kiçik bir drondan istifadə edərək qapalı heyvandarlıq və əkinçilik üçün vizual SLAM: texniki-iqtisadi əsaslandırma.
Dronlar 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. Kənd təsərrüfatının avtomatlaşdırılması üçün dronların sorğusu əkindən tutmuş
məhsul. In: INES 2018 – IEEE 22nd International Conference on Intelligent Engineering Systems, s. 000353–358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. İHA IoT çərçivə baxışları və çətinlikləri: dronları "Şeylər" olaraq qorumaq üçün. Sensorlar 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. Arid üzərində pilotsuz təyyarə ilə əldə edilmiş sub-desimetr görüntülərinin təhlili üçün təsvirin işlənməsi və təsnifat prosedurları
yaylaqlar. GISci. Uzaqdan Sensor 48 (1), 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. Meraların xəritələşdirilməsi və monitorinqi üçün pilotsuz uçuş aparatları: iki sistemin müqayisəsi. ASPRS İllik Konfransının Materialları.
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. Doğma çəmənlikdə alaq otlarının xəritələşdirilməsi üçün açıq mənbəli iş axını
pilotsuz uçuş aparatının istifadəsi: Rumex obtusifolius-un bir nümunə kimi istifadəsi. Avro. J.Uzaqdan Sensor 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. Qəbul, gəlirlilik və dəqiq əkinçilik məlumatlarından daha yaxşı istifadə etmək.
İş kağızı. Purdue Universiteti. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb´e, S., Baret, F., 2008. Kiçik sahələrdə buğda məhsulunun kəmiyyət monitorinqi üçün pilotsuz uçuş aparatlarının təsvirlərinin qiymətləndirilməsi. Sensorlar 8 (5), 3557–3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. Böyük verilənlərə və əşyaların internetinə əsaslanan ağıllı kənd təsərrüfatının dizaynı. Int. J. Distrib. Sens.Şəbəkə. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Li, W., Niu, Z., Chen, H., Li, D., Wu, M., Zhao, W., 2016. Qarğıdalının yüksək rezolyusiyaya malik stereo şəkillərdən istifadə edərək örtüyünün hündürlüyünün və yerüstü biokütləsinin uzaqdan qiymətləndirilməsi. aşağı qiymətli pilotsuz uçuş aparatı sistemi. Ekol. İnd. 67, 637–648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. Kənd təsərrüfatında maşın öyrənməsi: bir baxış. Sensorlar 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. Mobil çox sensorlu yanaşma ilə qarğıdalı əlamətlərinin uzaqdan, havadan fenotiplənməsi. Bitki üsulları 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin, Z., Guo, W., 2020. Pilotsuz hava sistemi görüntülərindən və dərindən öyrənmədən istifadə edərək sorqum panikulasının aşkarlanması və sayılması. Ön. Bitki Elmi. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Bulud hesablamalarına əsaslanan müasir eko-kənd təsərrüfatının Əşyaların İnterneti monitorinq sistemi. IEEE Access 7, 37050–37058.
Lopez-Granados, ´ F., 2011. Sahəyə xüsusi alaq otlarının idarə edilməsi üçün alaq otlarının aşkarlanması: xəritəçəkmə və real vaxt yanaşmaları. Weed Res. 51 (1), 1–11. https://doi.org/10.1111/j.1365-3180.2010.00829.x.
Lopez-Qranados, ´ F., Torres-Sanchez, ´ J., De Castro, A.-I., Serrano-P´erez, A., MesasCarrascosa, F.-J., Pena, ˜ J.-M. , 2016. Yüksək ayırdetmə qabiliyyətinə malik İHA görüntülərindən istifadə etməklə ot bitkisində ot alaq otunun obyekt əsaslı erkən monitorinqi. Aqron. Davam et. Dev. 36 (4), 1–12
Lopez-Qranados, ´ F., Torres-S´ anchez, J., Serrano-P´erez, A., de Castro, AI, MesasCarrascosa, F.-J., Pena, ˜ J.-M., 2016. İHA texnologiyasından istifadə edərək günəbaxanda erkən mövsüm alaq otlarının xəritələşdirilməsi: alaq otları həddinə qarşı herbisid müalicəsi xəritələrinin dəyişkənliyi. Dəqiq. Aqric. 17 (2), 183–199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS – multirotorlu pilotsuz təyyarə sistemindən görüntü spektroskopiyası. 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. Yer üzərində lazer skan edilməsi kənd təsərrüfatı bitkiləri. JJ-də
Chen J. Maas H–G. (Red.), Fotoqrammetriya, Uzaqdan Zondlama və Məkan İnformasiya Elmlərinin Beynəlxalq Arxivləri—ISPRS Arxivləri (Cild 37, səh. 563–566).
Beynəlxalq Fotoqrammetriya və Uzaqdan Zondlama Cəmiyyəti. 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. Nəzarət olunan obyekt əsaslı torpaq örtüyü təsvirinin təsnifatına baxış. ISPRS J. Fotoqramma. Uzaqdan Sensor 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. Dəqiq kənd təsərrüfatında pilotsuz uçuş aparatları ilə uzaqdan zondlama üçün perspektivlər. Trends Plant Sci. 24 (2), 152–164. https://doi.org/10.1016/j.tplants.2018.11.007.
Maimaitijiang, M., Qulam, A., Sidike, P., Hartling, S., Maimaitiyiming, M., Peterson, K., Shavers, E., Fishman, J., Peterson, J., Kadam, S., Burken, J., Fritschi, F., 2017.
Çox sensorlu məlumatların birləşməsindən və ekstremal öyrənmə maşınından istifadə edərək, pilotsuz uçuş sistemi (UAS) əsasında soyanın fenotiplənməsi. ISPRS J. Fotoqramma. Uzaqdan Sensor 134, 43–58. https://doi.org/10.1016/j.isprsjprs.2017.10.011. Maimaitijiang, M., Sagan, V., Sidike, P., Daloye, AM, Erkbol, H., Fritschi, FB, 2020.
Peyk/İHA məlumatların birləşməsindən və maşın öyrənməsindən istifadə edərək məhsulun monitorinqi. Uzaqdan Zondlama 12 (9), 1357. https://doi.org/10.3390/rs12091357.
Manfreda, S., McCabe, M., Miller, P., Lucas, R., Pajuelo Madrigal, V., Mallinis, G., Ben Dor, E., Helman, D., Estes, L., Ciraolo, G. ., Müllerova, ´ J., Tauro, F., de Lima, M., de
Lima, J., Malta, A., Frances, F., Caylor, K., Kohv, M., Perks, M., Ruiz-P'erez, G., Su, Z., Vico, G., Toth , B., 2018. Üçün pilotsuz uçuş sistemlərinin istifadəsi haqqında
ətraf mühitin monitorinqi. Uzaqdan Zondlama 10 (4), 641.
Marinko, RA, 1998. Dissertasiyalarda qadın tədqiqatları jurnallarına sitatlar, 1989 və Seriallar Kitabxanası 35 (1-2), 29-44. https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021. İHA ilə dəstəklənən simsiz şəbəkələrdə resursların idarə edilməsi: optimallaşdırma perspektivi. Ad Hoc Şəbəkə. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. Dəqiqlikdə multispektral, termal və RGB yüksək ayırdetmə təsvirlərinə əsaslanan çoxsensorlu İHA platformasının praktik tətbiqləri
üzümçülük. Kənd təsərrüfatı 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. Həssas üzümçülükdə İHA-nın istifadəsinin əsas amil kimi ənənəvi NDVI indeksindən başqa. Sci. Rep. 11 (1), 2721. https://doi.org/10.1038/s41598-021-81652-3.
Matese, A., Toscano, P., Di Gennaro, SF, Genesio, L., Vaccari, FP, Primicerio, J., Belli, C., Zaldei, A., Bianconi, R., Gioli, B., 2015 İHA və təyyarələrin qarşılıqlı müqayisəsi
və dəqiq üzümçülük üçün peyk məsafədən zondlama platformaları. Uzaqdan Zondlama 7 (3), 2971–2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. Dəqiqlik üçün peyklə idarə olunan bitki örtüyü indeksinin İHA və maşın öyrənməsi əsasında dəqiqləşdirilməsi
Kənd təsərrüfatı. Sensorlar 20 (9), 2530. https://doi.org/10.3390/s20092530.
McCain, KW, 1990. İntellektual məkanda müəlliflərin xəritələşdirilməsi: texniki icmal. J. Am. Soc. Məlumat. Sci. 41 (6), 433–443.
Meinen, BU, Robinson, DT, 2021. Kənd təsərrüfatı eroziyasının modelləşdirilməsi: İHA vaxt seriyası məlumatlarından istifadə edərək USLE və WEPP sahə miqyaslı eroziya təxminlərinin qiymətləndirilməsi. Ətraf. Modell. Proqram təminatı 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville, B., Lucieer, A., Aryal, J., 2019. Hiperspektral Pilotsuz Təyyarə Sistemi (UAS) Görüntülərindən istifadə edərək düzənlik yerli çəmən icmalarının təsnifatı.
Tasmaniyanın orta əraziləri. Dronlar 3 (1), 5.
Messina, G., Modica, G., 2020. Dəqiq kənd təsərrüfatında İHA istilik görüntülərinin tətbiqi: ən müasir vəziyyət və gələcək tədqiqat dünyagörüşü. Uzaqdan Zondlama 12 (9), https://doi.org/10.3390/rs12091491.
Mishra, D., Luo, Z., Jiang, S., Papadopoulos, T., Dubey, R., 2017. Böyük məlumatlar üzrə biblioqrafik tədqiqat: anlayışlar, tendensiyalar və problemlər. Biznes Proses Meneceri. J. 23 (3),
555-573.
Mochida, K., Saisho, D., Hirayama, T., 2015. Sahə şəraitində əldə edilmiş həyat dövrü məlumat dəstlərindən istifadə edərək məhsulun yaxşılaşdırılması. Ön. Bitki Elmi. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. Dron sistemlərinin dəqiq kənd təsərrüfatında tətbiqinə baxış. Procedia Comput. Sci. 133, 502–509.
Moharana, S., Dutta, S., 2016. Hiperspektral görüntülərdən xlorofilin məkan dəyişkənliyi və düyü azot məzmunu. ISPRS J. Fotoqramma. Uzaqdan Sensor 122, 17–29.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat, A.,
Nillaor, P., 2019. Ağıllı ferma üçün IoT və kənd təsərrüfatı məlumatlarının təhlili. Hesablama. elektron. Aqric. 156, 467–474.
Nansen, C., Elliott, N., 2016. Entomologiyada uzaqdan zondlama və əks etdirmə profili. Annu. Rev Entomol. 61 (1), 139–158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia, J., Mondragon, I., Patino, D., Colorado, J., 2016. Kənd təsərrüfatında multispektral xəritəçəkmə: avtonom kvadrokopter İHA-dan istifadə edərək ərazi mozaikası. Int. Konf.
Pilotsuz Təyyarə Sistemi. (ICUAS) 2016, 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. Dron əşyalarının interneti (Iodt): ağıllı dronların gələcək təsəvvürü. Adv. Intell. Sistem. Hesablama. 1045, 563–580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. Mikro İHA üçün yüngül çəkili multispektral sensor - çox yüksək dəqiqlikli havadan uzaqdan zondlama üçün imkanlar. Int. tağ. Fotoqramma. Uzaqdan Sens. Spat. İnf. Elm 37 (B1), 1193–1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Kənd təsərrüfatında yaranan İHA tətbiqləri. In: 2019 Robot İntellekt Texnologiyası üzrə 7-ci Beynəlxalq Konfrans və
Proqramlar (RiTA), səh. 254–257. https://doi.org/10.1109/RITAPP.2019.8932853.
Nerur, SP, Rasheed, AA, Natarajan, V., 2008. Strateji idarəetmə sahəsinin intellektual strukturu: müəllifin birgə sitat təhlili. Strateq. idarə et. J. 29 (3),
319-336.
Neupane, K., Baysal-Gurel, F., 2021. Pilotsuz uçuş aparatlarından istifadə edərək bitki xəstəliklərinin avtomatik müəyyən edilməsi və monitorinqi: baxış. Uzaqdan Zondlama 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. 3D xəritəçəkmə proqramları üçün İHA: baxış. Tətbiq. Geomatika 6 (1), 1–15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Dəqiq kənd təsərrüfatında kiçik İHA-larla buxarlanmanın qiymətləndirilməsi. Sensorlar 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. Bibliometriya, Sitatların Təhlili və Birgə Sitat Analizi. A Review of Literature 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. Aqromeşəçilikdə UAS, sensorlar və məlumatların işlənməsi: praktik tətbiqlərə baxış. Int. J. Uzaqdan Sensor 38 (8–10), 2349–2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, ABŞ, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. Taxıl bitkiləri üçün dron əsaslı məlumat həllərinə baxış. Dronlar 4 (3), 1–29. https://doi.org/10.3390/
dronlar4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. Şəkil emalı və süni neyron şəbəkəsindən istifadə edərək küncüt toxumlarının yağ və zülal tərkibinin təxmin edilməsi. J. Am. Yağ
Kimyaçılar Soc. 97 (7), 691–702.
Pena, ˜ JM, Torres-S´anchez, J., de Castro, AI, Kelly, M., Lopez-Granados, ´ F., Suarez, O., Obyekt əsaslı analizdən istifadə edərək erkən mövsüm qarğıdalı sahələrində alaq otlarının xəritəsi of
Pilotsuz Uçan Aparat (İHA) Şəkilləri. PLoS ONE 8 (10), e77151.
P'erez-Ortiz, M., Pena, ˜ JM, Guti'errez, PA, Torres-S' anchez, J., Herv' as-Martínez, C.,
Lopez-Granados, ´ F., 2015. Pilotsuz uçuş aparatlarından və məhsul sıralarının aşkarlanması metodundan istifadə etməklə günəbaxan bitkilərində alaq otlarının xəritələşdirilməsi üçün yarı nəzarət edilən sistem. Tətbiq. Yumşaq hesablama. J. 37, 533–544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. Dəqiq kənd təsərrüfatında blokçeyn əsaslı su idarəetmə sistemi üçün etibarlı məlumat mənbələri kimi sərfəli IoT cihazları. Hesablama. elektron. Aqric. 180, 105889.
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. Dəqiq kənd təsərrüfatında ağıllı monitorinq üçün təkmil İHA-WSN sistemi. Sensorlar 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Təchizat zəncirlərində, nəqliyyat və logistikada blokçeyn tətbiqləri: ədəbiyyatın sistematik icmalı. Int. J. Prod. Res. 58 (7), 2063–2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. Dəqiq kənd təsərrüfatı üçün çevik pilotsuz uçuş aparatı.
Dəqiq. Aqric. 13 (4), 517–523. https://doi.org/10.1007/s11119-012-9257-6.
Pritchard, A., 1969. Statistik biblioqrafiya və ya bibliometriya. J. Sənəd. 25 (4), 348–349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. Təcrübə sahələrinin və əkin sahələrinin qiymətləndirilməsi üçün pilotsuz uçuş aparatının (PUA) uyğunluğu. Kənd təsərrüfatı 99 (4), 431–436.
Puri, V., Nayyar, A., Raja, L., 2017. Kənd təsərrüfatı dronları: dəqiq kənd təsərrüfatında müasir bir irəliləyiş. J. Statis. idarə et. Sistem. 20 (4), 507–518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. Dəqiq kənd təsərrüfatı üçün İHA tətbiqlərinin toplusu. Hesablama. Şəbəkə. 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Aqronomik tədqiqatlarda böyük verilənlər analitikasının və süni intellektin tətbiqi. Hindistanlı J. Aqron. 65 (4), 383–395.
Raparelli, E., Bajocco, S., 2019. Kənd təsərrüfatı və meşə təsərrüfatı tədqiqatlarında pilotsuz uçuş aparatlarının istifadəsinə dair bibliometrik təhlil. Int. J. Uzaqdan Sensor 40 (24),
9070–9083. https://doi.org/10.1080/01431161.2019.1569793.
Rasmussen, J., Nielsen, J., Garcia-Ruiz, F., Christensen, S., Streibig, JC, Lotz, B., 2013.
Alaq otlarının tədqiqatında kiçik pilotsuz təyyarə sistemlərinin (UAS) potensial istifadəsi. Weed Res. 53 (4), 242–248.
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., Üzərinə quraşdırılmış istehlakçı səviyyəli kameralardan əldə edilən bitki indeksləridir.
İHA-lar eksperimental sahələri qiymətləndirmək üçün kifayət qədər etibarlıdırmı? Avro. J. Aqron. 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. Qida təchizatı zəncirlərində rəqəmsallaşma: bibliometrik baxış və əsas marşrutun əsas yolu
təhlil. Davamlılıq 14 (1), 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a. Təchizat zəncirinin idarə edilməsi və logistika üçün dronlar: baxış və tədqiqat gündəliyi. Int. J. Logist. Res. Tətbiq.
1–24. https://doi.org/10.1080/13675567.2021.1981273.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021b. Logistika və təchizat zəncirinin idarə edilməsində blokçeyn texnologiyaları: bibliometrik icmal. Logistika 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021c. Humanitar dronlar: baxış və tədqiqat gündəliyi. Əşyaların İnterneti 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb, A., Treiblmaier, H., Rejeb, K., Zailani, S., 2021d. Səhiyyədə blokçeyn tədqiqatı: bibliometrik icmal və cari tədqiqat meylləri. J. of Data, İnf. və
idarə et. 3 (2), 109–124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Təchizat zəncirinin idarə edilməsi və logistika sahəsində Əşyaların İnterneti tədqiqatı: bibliometrik təhlil. İnternet
Şeylər 12, 100318.
ReportLinker, 2021. Qlobal Kənd Təsərrüfatı Dronları Bazarı İlədək 15.2 Milyar ABŞ dollarına çatacaqGlobeNewswire Xəbər Otağı. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/az/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- İl-2027.html.
Ribeiro-Gomes, K., Hernandez-L 'opez, 'D., Ortega, JF, Ballesteros, R., Poblete, T., Moreno, MA, 2017. Soyudulmamış termal kameranın kalibrlənməsi və optimallaşdırılması
kənd təsərrüfatında İHA tətbiqləri üçün fotoqrammetriya prosesi. Sensorlar (İsveçrə) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. Qonaqpərvərlik tədqiqatında irəliləyişlər: “Rodney Dangerfielddən Aretha Franklinə”. Int. J. Contempor. Xəstəxana. idarə et. 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. İstixanalarda ekoloji dəyişənlərin ölçülməsi üçün mini-UAV əsaslı sensor sistem. Sensorlar 15 (2), 3334–3350. https://doi.org/10.3390/s150203334.
Rozenberg, G., Kent, R., Blank, L., 2021. Ticarət soğan sahələrində gec mövsüm alaq otlarının məkan paylama nümunələrinin aşkarlanması və təhlili üçün istehlakçı dərəcəli İHA-dan istifadə olunur. Dəqiq. Aqric. 22 (4), 1317–1332. https://doi.org/10.1007/s11119-021-09786-y.
Saari, H., Pellikka, I., Pesonen, L., Tuominen, S., Heikkila, ¨ J., Holmlund, C., Makynen, ¨ J., Ojala, K., Antila, T., 2011. İnsansız Meşə və kənd təsərrüfatı tətbiqləri üçün hava vasitəsi (İHA) ilə idarə olunan spektral kamera sistemi. Davam et. SPIE – Int. Soc. Seçim. Eng. 8174 https://doi.org/10.1117/12.897585.
Sah, B., Gupta, R., Bani-Hani, D., 2021. Dron logistikasını həyata keçirmək üçün maneələrin təhlili. Int. J. Logist. Res. Tətbiq. 24 (6), 531–550. https://doi.org/10.1080/
13675567.2020.1782862.
Saha, AK, Saha, J., Ray, R., Sircar, S., Dutta, S., Chattopadhyay, SP və Saha, HN, kənd təsərrüfatı sahəsində məhsul keyfiyyətinin yaxşılaşdırılması üçün IOT əsaslı dron. SH-də
N. Chakrabarti S. (Red.), 2018 IEEE 8th Annual Computing and Communication Workshop and Conference, CCWC 2018 (Cilt. 2018-Yanvar, səh. 612–615). institut
of Electrical and Electronics Engineers Inc. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: dəqiq kənd təsərrüfatı üçün yeni və səmərəli LED əsaslı rabitə. IEEE Konf. Məlumat. Kommun. Texnologiya. 2019, 1–5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. Bitki örtüyü ərazilərinin uzaqdan zondlanmasına tətbiq edilən İHA uçuş təcrübələri. Uzaqdan Zondlama 6 (11), 11051–11081. https://doi.org/10.3390/rs61111051.
Sankaran, S., Khot, LR, Espinoza, CZ, Jarolmasjed, S., Sathuvalli, VR, Vandemark, GJ, Miklas, PN, Carter, AH, Pumphrey, MO, Knowles, NRN, Pavek, MJ, 2015.
Sıra və tarla bitkilərinin fenotiplənməsi üçün aşağı hündürlükdə, yüksək qətnaməli hava görüntüləmə sistemləri: bir baxış. Avro. J. Aqron. 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. Təxmin etmək üçün yüksək keyfiyyətli İHA əsaslı termal görüntüləmə
üzüm bağında bitki suyunun vəziyyətinin ani və mövsümi dəyişkənliyi. Aqric. Su Meneceri. 183, 49–59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. Sitat təhlilindən kənar: Tədqiqat təsirinin qiymətləndirilməsi üçün model. J. Med. Kitabxana Dos. : 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. Yer sistemi elmi ilə əlaqəli təsvir spektroskopiyası - qiymətləndirmə. Uzaqdan Sens. Ətraf. 113, S123–S137.
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016. Aşağı qiymətli İHA ilə payızlıq buğda bitkilərinin aqronomik parametrlərinin monitorinqi
obrazlılıq. Uzaqdan Zondlama 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. Yuxarıdakı dəqiq aerobioloji nümunələrin götürülməsi üçün avtonom pilotsuz uçuş aparatının hazırlanması və tətbiqi
kənd təsərrüfatı sahələri. J. Field Rob. 25 (3), 133–147. https://doi.org/10.1002/rob.20232.
Shadrin, D., Menshchikov, A., Somov, A., Bornemann, G., Hauslage, J., Fedorov, M.,
Süni intellektlə daxil edilmiş hissetmə vasitəsilə dəqiq kənd təsərrüfatını təmin etmək. IEEE Trans. Alət. Ölçü. 69 (7), 4103–4113.
Shakhatreh, H., Sawalmeh, AH, Al-Fuqaha, A., Dou, Z., Almaita, E., Khalil, I.,
Othman, NS, Khreishah, A., Guizani, M., 2019. Pilotsuz Uçuş Aparatları (İHA): mülki tətbiqlər və əsas tədqiqat problemləri üzrə sorğu. IEEE Access 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. Böyük verilənlərə əsaslanan kənd təsərrüfatı: bitki yetişdirməsində böyük məlumat analitikası, genomika və uzaqdan zondlamanın istifadəsi
məhsuldarlığı artırmaq üçün texnologiyalar. Bitki fenomeni J. 2 (1), 1-8.
Sharma, BK, Chandra, G., Mishra, VP, 2019. Məhkəmə-tibbi araşdırmalarda İHA və AI-nin müqayisəli təhlili və təsiri. In: Proceedings – 2019 Amity International
Süni intellekt mövzusunda konfrans. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. Təchizat zəncirinin idarə edilməsində süni intellektin rolu: ərazinin xəritəsi. Int. J.
Prod. Res. 1–24. https://doi.org/10.1080/00207543.2022.2029611.
Shi, Y., Thomasson, JA, Murray, SC, Pugh, NA, Rooney, WL, Shafian, S., Rajan, N., Rouze, G., Morgan, CLS, Neely, HL, Rana, A., Bagavathiannan , MV,
Henrickson, J., Bowden, E., Valasek, J., Olsenholler, J., Bishop, MP, Sheridan, R., Putman, EB, Popescu, S., Burks, T., Cope, D., Ibrahim, A., McCutchen, BF,
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016. Yüksək məhsuldarlıqlı fenotipləşdirmə və aqronomik tədqiqatlar üçün pilotsuz uçuş aparatları. PLoS BİR
11 (7), e0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. Pilotsuz havadan istifadə edərək məhsuldarlıq zonalarında qarğıdalı stendinin heterojenliyini ələ keçirmək
Nəqliyyat vasitələri (PUA). Sensorlar 19 (20), 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. Elmi ədəbiyyatda birgə sitat: iki sənəd arasındakı əlaqənin yeni ölçüsü. J. Am. Soc. Məlumat. Sci. 24 (4), 265–269.
Small, H., Rorvig, ME, Lunin, LF, 1999. Sitat xəritəsi ilə elmin vizuallaşdırılması. J. Am. Soc. Məlumat. Sci. 50 (9), 799–813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. Böyük otlaq sahələrində geolokasiya edilmiş hava təsvirləri ilə vəhşi heyvanların sayı. Hesablama. elektron. Aqric. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. İHA-lardan istifadə edərək dəqiq kənd təsərrüfatı tətbiqlərində marşrutun optimallaşdırılmasına yanaşma. Pilotsuz təyyarələr 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
Stafford, BM, 2000. 21-ci əsrdə dəqiq kənd təsərrüfatının həyata keçirilməsi. J. Aqric. Eng. Res. 76 (3), 267–275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. Pilotsuz uçuş vasitəsi ilə uzaqdan zondlama görüntüləri ilə buğda quraqlığının qiymətləndirilməsi. 2018-ci ildə 37-ci Çin Nəzarət Konfransı (CCC).
Su, J., Liu, C., Coombes, M., Hu, X., Wang, C., Xu, X., Li, Q., Guo, L., Chen, W.-H., 2018. Multispektral İHA hava görüntülərindən öyrənməklə buğda sarısı pasının monitorinqi.
Hesablama. elektron. Aqric. 155, 157–166. https://doi.org/10.1016/j. compag.2018.10.017.
Su, Y., Wang, X., 2021. Böyük məlumatlarla ağıllı kənd təsərrüfatının qurulması prosesində kənd təsərrüfatının iqtisadi idarə edilməsinin innovasiyası. Davamlı Hesablama. İnf. Sistem. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. Pambıq örtüdə su gərginliyini aşkar etmək üçün pilotsuz termal infraqırmızı hava sisteminin həssaslığının qiymətləndirilməsi. Trans. ASABE 50 (6), 1955–1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. Pilotsuz uçan aparatdan istifadə edərək şəkər qamışının məhsuldarlığının qiymətləndirilməsi üçün RGB əsaslı bitki örtüyü indeksinin, məhsul səthi modelinin və obyekt əsaslı görüntü təhlili yanaşmasının inteqrasiyası. Hesablama. elektron. Aqric. 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. A yüngül çəkili hiperspektral xəritəçəkmə sistemi
pilotsuz uçuş aparatları - ilk nəticələr. In: 2013 Hiperspektral Şəkil və Siqnal Emalı üzrə 5-ci Seminar: Uzaqdan Zondlamada Təkamül (WHISPERS), səh. 1-4. https://doi.org/10.1109/WHISPERS.2013.8080721.
Suomalainen, J., Anders, N., Iqbal, S., Roerink, G., Franke, J., Weenting, P., Hünniger, D., Bartholomeus, H., Becker, R., Kooistra, L., 2014. Yüngül hiperspektral
pilotsuz uçuş aparatları üçün xəritəçəkmə sistemi və fotoqrammetrik emal zənciri. Uzaqdan Zondlama 6 (11), 11013–11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Ilahi, U., Su'ud, MM, 2021. Kənd təsərrüfatında görüntü emalından, İHA və AI-dən istifadə edərək qabaqcıl nəzarət strategiyaları: Baxış. Dünya J. Eng. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998. Mühasibat uçotunda jurnal təsirini araşdırmaq üçün sitatlardan istifadə etməklə məlumatın işlənməsi. İnf. Proses. İdarə et. 34 (2–3), 341–359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. 5G şəbəkəsi və onun kənd təsərrüfatına təsiri ilə bağlı sorğu: problemlər və imkanlar. Hesablama.
elektron. Aqric. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. Dəqiq kənd təsərrüfatında verilənlərə əsaslanan qərarların qəbulu: kənd təsərrüfatı sistemlərində böyük məlumatların yüksəlişi. J. Aqric. Qida məlumatı.
20 (4), 344-380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. İHA-dan istifadə edərək qış buğdasının məhsuldarlığının və bitki hündürlüyünün qiymətləndirilməsi əsaslı hiperspektral şəkillər.
Sensorlar 20 (4), 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. İki avtonom pilotsuz uçan aparatdan istifadə edərək atmosferin aşağı hissəsində bitki patogeninin əlaqələndirilmiş aerobioloji nümunəsi. 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. Dərin öyrənmədən istifadə edərək soya zərərvericilərinin aşkarlanması və təsnifatı
İHA şəkilləri ilə. Hesablama. elektron. Aqric. 179, 105836.
Thamm, H.-P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013. Tanzaniyada AN bataqlıq ərazilərində kənd təsərrüfatı sistemlərinin qiymətləndirilməsi üçün Uas-ın istifadəsi— Davamlı Kənd Təsərrüfatı üçün WetSeason və Terra-Sar X Data üçün əsas həqiqəti təmin etmək. In: ISPRS – Fotoqrammetriya, Uzaqdan Zondlama və Məkan İnformasiya Elmlərinin Beynəlxalq Arxivləri, səh. 401–406. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Bibliometrics to webometrics. J. Məlumat. Sci. 34 (4), 605–621.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ˜ JM, 2015. İHA görüntülərində optimal həddi təyin etmək üçün avtomatik obyekt əsaslı üsul: ot bitkilərində bitki örtüyünün aşkarlanması üçün tətbiq. Hesablama. elektron. Aqric. 114, 43–52. https://doi.org/10.1016/j.compag.2015.03.019.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Serrano, N., Arquero, O., Pena, ˜ JM, Hassan, QK, 2015. Pilotsuz Uçuş Aparatı (PUA) texnologiyası. PLoS ONE 3 (10), e6.
Torres-Sanchez, ´ J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´ F., 2014. İHA-dan görüntülərdən istifadə edərək, erkən mövsüm buğda sahələrində bitki örtüyünün çox zamanlı xəritəsi. Hesablama. elektron. Aqric. 103, 104–113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. Dəqiq kənd təsərrüfatı üçün İHA əsaslı tətbiqlərə baxış. Məlumat (İsveçrə) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. Bağçılıq ağacı məhsulunun strukturunu ölçmək üçün dron uçuş planlamasını optimallaşdırmaq. ISPRS J. Fotoqramma.
Uzaqdan Sensor 160, 83–96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Kənd təsərrüfatında əşyaların interneti, son nailiyyətlər və gələcək problemlər. Biosist. Eng. 164, 31–48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A., Singh, VK, Pinto, D., Olmos, I., 2015. Meksikada kompüter elmləri tədqiqatının elmiometrik xəritəsi. Scientometrics 105 (1), 97–114.
UN., 2019. Dünya əhalisinin perspektivləri 2019. https://population.un.org/wpp/ (15/04/2022 tarixində daxil olub).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. İHA ilə quraşdırılmış miniatür hiperspektral sensor sistemi ilə düyü çəmənliklərinin səciyyələndirilməsi. IEEE J. Sel. Üst. Tətbiq. Earth Obs.
Uzaqdan Sensor 6 (2), 851–860. https://doi.org/10.1109/JSTARS.2013.2250921. van der Merwe, D., Burchfield, DR, Witt, TD, Price, KP, Sharda, A., 2020. Pilotsuz təyyarələr
Kənd təsərrüfatı. Adv. Aqron. 162, 1–30.
Velusamy, P., Rajendran, S., Mahendran, RK, Naseer, S., Shafiq, M., Choi, J.-G., 2022.
Dəqiq kənd təsərrüfatında pilotsuz uçuş aparatları (PUA): tətbiqlər və problemlər. Enerjilər 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. İnsansız havadan istifadə edərək ekoloji cəhətdən həssas dəniz yaşayış yerlərinin xəritələşdirilməsi və təsnifatı
Avtomobilin (İHA) təsviri və Obyekt Əsaslı Şəkil Analizi (OBIA). Uzaqdan Zondlama 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Buğda və kolza bitkiləri üzərində pilotsuz uçuş sistemindən yaşıl sahə indeksi . Uzaqdan Sens. Ətraf. 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. Çəmənlikdə dörd optik İHA əsaslı sensorun yerləşdirilməsi: problemlər və
məhdudiyyətlər. Biogeosciences 12 (1), 163–175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Dəqiq kənd təsərrüfatında yeraltı əşyaların interneti: memarlıq və texnologiya aspektləri. Ad Hoc Şəbəkə. 81,
160–173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. Rəqəmsal sağlamlıq üçün gizli tərkib hissəsi kimi məsul süni intellekt: bibliometrik analiz, anlayışlar və tədqiqat istiqamətləri.
Məlumat. Sistem. Ön. 1–16.
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019. Məhsul artımının monitorinqində uzaqdan zondlama tədqiqat tendensiyasının bibliometrik təhlili: Çində bir nümunə araşdırması. Uzaqdan Zondlama 11 (7). https://doi.org/10.3390/rs11070809.
White, HD, Griffith, BC, 1981. Müəllif kositasiyası: İntellektual quruluşun ədəbiyyat ölçüsü. J. Am. Soc. Məlumat. Sci. 32 (3), 163–171.
Xiang, H., Tian, L., 2011. Avtonom pilotsuz uçuş aparatı (PUA) əsasında aşağı qiymətli kənd təsərrüfatının uzaqdan zondlama sisteminin inkişafı. Biosist. Eng. 108 (2), 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. İHA əsaslı sensorlardan istifadə edərək bitkinin yüksək məhsuldarlıqlı fenotipləşdirmə xüsusiyyətlərinə baxış. Hesablama. elektron. Aqric. 178, 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. Uzaqdan zondlama tətbiqləri üçün pilotsuz uçuş aparatı - baxış. Uzaqdan Zondlama 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. Multirotor tərəfindən infraqırmızı termal görüntüləmə ilə hərəkət edən insanların izlənməsi və yanlış izlərin çıxarılması. Dronlar 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. Şəkillərdən istifadə edərək məhsul parametrlərinin qiymətləndirilməsinin müqayisəsi PUA-dan
snapshot hiperspektral sensor və yüksək dəqiqlikli rəqəmsal kamera. Uzaqdan Zondlama 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. Pilotsuz uçuş vasitəsi ilə qış buğdasının yerüstü biokütləsinin qiymətləndirilməsi- snapshot əsasında
hiperspektral sensor və məhsul hündürlüyü təkmilləşdirilmiş modellər. Uzaqdan Zondlama 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. Tropik meşələrin bərpasına nəzarət etmək üçün yüngül pilotsuz uçuş aparatlarından istifadə. Biol.
Konserv. 186, 287–295. https://doi.org/10.1016/j.biocon.2015.03.031. Zamora-Izquierdo, MA, Santa, J., Martínez, JA, Martínez, V., Skarmeta, AF, 2019.
Kenar və bulud hesablamalarına əsaslanan ağıllı kənd təsərrüfatı IoT platforması. Biosist. Eng. 177,
4-17.
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014. Pilotsuz havadan əldə edilən çox yüksək ayırdetmə təsvirlərindən istifadə etməklə ağacın hündürlüyünün kəmiyyəti
avtomobil (PUA) və avtomatik 3D foto-rekonstruksiya üsulları. Avro. J. Aqron. 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. Sərin mövsüm bitkilərində çiçəkləmə intensivliyinin şəkil əsaslı fenotiplənməsi. Sensorlar 20 (5), 1450. https://doi.org/10.3390/s20051450.
Zhang, C., Kovacs, JM, 2012. Dəqiq kənd təsərrüfatı üçün kiçik pilotsuz uçuş sistemlərinin tətbiqi: bir baxış. Dəqiq. Aqric. 13 (6), 693–712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. İHA multispektral uzaqdan zondlama əsasında qarğıdalı suyunun gərginliyinin xəritəsi. Uzaqdan Zondlama 11 (6), 605.
Zhang, X., Han, L., Dong, Y., Shi, Y., Huang, W., Han, L., Gonz' alez-Moreno, P., Ma, H., Ye, H., Sobeih , T., 2019. Avtomatlaşdırılmış sarı pas üçün dərin öyrənmə əsaslı yanaşma
yüksək rezolyusiyaya malik hiperspektral İHA görüntülərindən xəstəliyin aşkarlanması. Uzaqdan Zondlama 11 (13), 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. Wavelet analizi ilə birlikdə hiperspektral görüntüləmədən istifadə edərək çay bitkilərinin xəstəlik və həşərat stressinin aşkarlanması və ayrı-seçkiliyi. Hesablama. elektron. Aqric. 193, 106717 https://doi.org/10.1016/j. compag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. Hava şəklinin semantik seqmentasiyası üçün entropiyaya əsaslanan rəqib domen uyğunlaşması. IEEE Trans. G
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Yer əsaslı spektralın zaman seriyası təhlili vasitəsilə düyü fenologiyasının aşkarlanması indeks məlumatları. Tarla Bitkiləri Res. 198, 131–139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. Simsiz sensorlar əsasında dəqiq kənd təsərrüfatı sızması toxum sisteminin dizaynı. Int. J. Online Müh. 14 (05), 184.
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. İHA-LiDAR məlumatlarından istifadə edərək yerləşdirilən qarğıdalıların bitki boyu dəyişikliklərinin təhlili. Kənd təsərrüfatı 10 (5), 146. https://
doi.org/10.3390/agriculture10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Qarğıdalı-IAS: Yüksək məhsuldarlıqlı bitki fenotiplənməsi üçün dərin öyrənmədən istifadə edən qarğıdalı təsvirinin təhlili proqramı . Bitki üsulları 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. Taxıl məhsuldarlığının proqnozlaşdırılması multi-temporal bitkilərdən istifadə edərək düyü
İHA əsaslı multispektral və rəqəmsal görüntülərdən indekslər. ISPRS J. Fotoqramma. Uzaqdan Sensor 130, 246–255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. Simsiz sensor şəbəkəsinə əsaslanan istixana monitorinq sisteminin əsas texnologiyasının simulyasiyası. Int. J. Online Müh. 12 (05),
43.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021. Dəqiq kənd təsərrüfatında infraqırmızı termal görüntülərlə məhsul suyunun stressinin qiymətləndirilməsi: baxış
və dərin öyrənmə tətbiqləri üçün gələcək perspektivlər. Hesablama. elektron. Aqric. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.