Abderahman Rejeb a , Alireza Abdollahi b , Karim Rejeb c , Horst Treiblmaier d,
- a Departamenti i Menaxhimit dhe Ligjit, Fakulteti i Ekonomisë, Universiteti i Romës Tor Vergata, Via Columbia, 2, Rome 00133, Itali
- b Departamenti i Administrimit të Biznesit, Fakulteti i Menaxhimit, Universiteti Kharazmi, 1599964511 Teheran, Iran
- c Fakulteti i Shkencave të Bizerte, Universiteti i Kartagjenës, Zarzouna, 7021 Bizerte, Tunizi
- d Shkolla e Menaxhimit Ndërkombëtar, Universiteti Modul Vjenë, Am Kahlenberg 1, 1190 Vjenë, Austri
INFORMACION I ARTIKUT | Abstract |
Keywords: drones UAV Bujqësi precize Internet e Gjërave Bibliometria | Dronët, të quajtur edhe mjete ajrore pa pilot (UAV), kanë dëshmuar një zhvillim të jashtëzakonshëm në dekadat e fundit. Në bujqësi, ata kanë ndryshuar praktikat bujqësore duke u ofruar fermerëve kursime të konsiderueshme të kostos, rritje efikasitet operacional dhe përfitim më të mirë. Gjatë dekadave të fundit, tema e dronëve bujqësore ka tërhoqi vëmendje të jashtëzakonshme akademike. Prandaj, ne kryejmë një përmbledhje gjithëpërfshirëse të bazuar në bibliometrikë për të përmbledhur dhe strukturuar literaturën ekzistuese akademike dhe për të zbuluar tendencat dhe pikat aktuale të kërkimit. ne zbatoni teknikat bibliometrike dhe analizoni literaturën që rrethon dronët bujqësore për të përmbledhur dhe vlerësojnë kërkimet e mëparshme. Analiza jonë tregon se sensori në distancë, bujqësia e saktë, mësimi i thellë, mësimi i makinerive dhe Interneti i Gjërave janë tema kritike që lidhen me dronët bujqësore. Bashkëcitimin analiza zbulon gjashtë grupime të gjera kërkimore në literaturë. Ky studim është një nga përpjekjet e para për të përmbledhur kërkimet me dron në bujqësi dhe për të sugjeruar drejtime kërkimore në të ardhmen. |
Prezantimi
Bujqësia përfaqëson burimin kryesor ushqimor të botës (Friha et al., 2021), dhe është përballur me sfida të rënda për shkak të
rritjen e kërkesës për produkte ushqimore, sigurinë ushqimore dhe shqetësimet e sigurisë, si dhe thirrjet për mbrojtjen e mjedisit, ruajtjen e ujit, dhe
qëndrueshmëria (Inoue, 2020). Ky zhvillim parashikohet të vazhdojë pasi popullsia botërore vlerësohet të arrijë në 9.7 miliardë deri në vitin 2050
(2019). Duke qenë se bujqësia përbën shembullin më të spikatur të konsumit të ujit në nivel global, pritet që kërkesa për ushqim dhe ujë
konsumi do të rritet në mënyrë dramatike në të ardhmen e parashikueshme. Për më tepër, konsumi në rritje i plehrave dhe pesticideve
së bashku me intensifikimin e aktiviteteve bujqësore mund të çojnë në sfida mjedisore në të ardhmen. Në mënyrë të ngjashme, toka e punueshme është e kufizuar dhe
numri i fermerëve është në rënie në mbarë botën. Këto sfida theksojnë nevojën për zgjidhje inovative dhe të qëndrueshme bujqësore (Elijah
et al., 2018; Friha et al., 2021; Inoue, 2020; Tzounis et al., 2017).
Përfshirja e teknologjive të reja është identifikuar si një zgjidhje premtuese për të adresuar këto sfida. Bujqësia e zgjuar (Brewster et al.,
2017; Tang et al., 2021) dhe bujqësia e saktë (Feng et al., 2019; Khanna & Kaur, 2019) janë shfaqur si rezultat i debateve të tilla. Të
I pari është një nocion i përgjithshëm për adoptimin e teknologjive të komunikimit të informacionit (TIK) dhe inovacioneve të tjera të fundit në aktivitetet bujqësore për të rritur efikasitetin dhe efikasitetin (Haque et al., 2021). Kjo e fundit fokusohet në menaxhimin e zonës specifike në të cilën toka është e ndarë në
pjesë homogjene, dhe secila pjesë merr sasinë e saktë të inputit bujqësor për optimizimin e rendimentit të të korrave me anë të teknologjive të reja (Feng et al., 2019; Khanna & Kaur, 2019). Teknologjitë e spikatura që kanë tërhequr vëmendjen e studiuesve në këtë fushë përfshijnë Rrjetet e sensorëve pa tela (WSN) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016), Interneti i Gjërave (IoT) (Gill et al., 2017; Ai et al., 2021; Liu et al., 2019),
teknikat e inteligjencës artificiale (AI), duke përfshirë mësimin e makinerive dhe mësimin e thellë (Liakos et al., 2018; Parsaeian et al., 2020; Shadrin et al.,
2019), teknologjitë kompjuterike (Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019), të dhëna të mëdha (Gill et al., 2017; Tantalaki
et al., 2019), dhe blockchain (PW Khan et al., 2020; Pincheira et al., 2021).
Përveç teknologjive të lartpërmendura, sensori në distancë është konsideruar si një mjet teknologjik me potencial të lartë për të përmirësuar
bujqësi e zgjuar dhe precize. Satelitët, avionët me ekuipazh njerëzor dhe dronët janë teknologji të njohura të sensorit në distancë (Tsouros et al., 2019).
Dronët, të njohur gjerësisht si mjete ajrore pa pilot (UAV), Sisteme të Aeroplanëve Pa pilot (UAS) dhe avionë të pilotuar nga distanca, janë të
rëndësi të madhe pasi kanë përparësi të shumta në krahasim me teknologjitë e tjera të sensorit në distancë. Për shembull, dronët mund të ofrojnë
imazhe me cilësi të lartë dhe me rezolucion të lartë në ditët me re (Manfreda et al., 2018). Gjithashtu, disponueshmëria e tyre dhe shpejtësia e transferimit përbëjnë të tjera
përfitimet (Radoglou-Grammatikis et al., 2020). Krahasuar me avionët, dronët janë me kosto të lartë dhe të lehtë për t'u vendosur dhe mirëmbajtur (Tsouros et al., 2019). Pavarësisht se fillimisht përdoren kryesisht për qëllime ushtarake, dronët mund të përfitojnë shumë aplikacione civile, për shembull në menaxhimin e zinxhirit të furnizimit (A. Rejeb, Rejeb, et al., 2021a), për qëllime humanitare (A. Rejeb, Rejeb, et al., 2021c), bujqësi e zgjuar, rilevimi dhe hartografi, dokumentacioni i trashëgimisë kulturore, menaxhimi i fatkeqësive dhe ruajtja e pyjeve dhe kafshëve të egra (Panday, Pratihast, et al., 2020). Në bujqësi, ekzistojnë zona të shumëfishta të aplikimit të dronëve pasi ato mund të integrohen me teknologji të reja, aftësi kompjuterike dhe sensorë në bord për të mbështetur menaxhimin e të korrave (p.sh., hartëzimi, monitorimi, ujitja, diagnostikimi i bimëve) (H. Huang et al., 2021) , reduktimi i katastrofave, sistemet e paralajmërimit të hershëm, jeta e egër dhe ruajtja e pyjeve për të përmendur disa (Negash et al., 2019). Në mënyrë të ngjashme, dronët mund të përdoren në disa aktivitete bujqësore, duke përfshirë monitorimin e të korrave dhe rritjes, vlerësimin e rendimentit, vlerësimin e stresit të ujit dhe zbulimin e barërave të këqija, dëmtuesve dhe sëmundjeve (Inoue, 2020; Panday, Pratihast, et al., 2020). Jo vetëm që dronët mund të përdoren për qëllime monitorimi, vlerësimi dhe zbulimi bazuar në të dhënat e tyre shqisore, por edhe për ujitje të saktë dhe menaxhim të saktë të barërave të këqija, dëmtuesve dhe sëmundjeve. Me fjalë të tjera, dronët janë në gjendje të spërkasin ujë dhe pesticide në sasi të sakta bazuar në të dhënat mjedisore. Përfitimet e dronëve në bujqësi janë përmbledhur në Tabelën 1.
Përfitimet kryesore të dronëve në bujqësi.
Përfitim | Referencat) |
Rritja kohore dhe hapësinore rezolutat e ndjeshme | (Gago et al., 2015; Niu et al., 2020; Srivastava et al., 2020) |
Lehtësimi i bujqësisë precize | (L. Deng et al., 2018; Kalischuk et al., 2019; Maimaitijiang et al., 2017) |
Klasifikimi dhe zbulimi i Kulturat | (Inoue, 2020; Kalischuk et al., 2019; Lopez- ' Granados et al., 2016; Maimaitijiang et al., 2017; Melville et al., 2019; Moharana & Dutta, 2016) |
Përdorimi i plehrave | (L. Deng et al., 2018; Guan et al., 2019) |
Monitorimi i thatësirës | (Fawcett et al., 2020; Panday, Pratihast, et al., 2020; Su et al., 2018) |
Vlerësimi i biomasës | (Bendig et al., 2014) |
Vlerësimi i rendimentit | (Inoue, 2020; Panday, Shrestha, et al., 2020; Tao et al., 2020) |
Reduktimi i fatkeqësive | (Negash et al., 2019) |
Ruajtja e jetës së egër dhe pylltari | (Negash et al., 2019; Panday, Pratihast, et al., 2020) |
Vlerësimi i stresit të ujit | (Inoue, 2020; J. Su, Coombes, et al., 2018; L. Zhang et al., 2019) |
Dëmtuesit, barërat e këqija dhe sëmundjet zbulim | (Gaˇsparovi´c et al., 2020; Inoue, 2020; J. Su, Liu, et al., 2018; X. Zhang et al., 2019) |
Nga ana tjetër, dronët përballen gjithashtu me kufizime. Përfshirja e pilotit, fuqia e motorit, stabiliteti dhe besueshmëria, cilësia e sensorëve për shkak të ngarkesës
kufizimet e peshës, kostot e zbatimit dhe rregullimi i aviacionit, janë midis tyre (C. Zhang & Kovacs, 2012). Krahasojmë mangësitë
nga tre teknologjitë e lëvizshme të sensorit në distancë në tabelën 2. Teknologjitë e tjera të sensorëve në distancë, si sensorët e tokës, janë përtej fokusit të këtij studimi.
Mangësitë e teknologjive të ndryshme të telekomandimit celular.
Ndjesia nga larg teknologjive të | mangësitë | Referencat |
Dron (UAV) | Përfshirja e pilotëve; imazhe' cilësia (mesatare); kostot e zbatimit (mesatare); stabiliteti, manovrimi dhe besueshmëria; standardizimi; fuqia e motorit; fuqi e kufizuar burimet (jetëgjatësia e baterisë); kohëzgjatja e kufizuar e fluturimit, përplasja dhe sulmet kibernetike; kufizuar pesha e ngarkesës; grupe të dhënash të mëdha dhe përpunimi i kufizuar i të dhënave aftësitë; mungesa e rregullores; mungesa e ekspertizës, hyrje e lartë barrierat për aksesin në drone bujqësore; | (Bacco et al., 2018; Dawaliby et al., 2020; Hardin & Hardin, 2010; Hardin & Jensen, 2011; Lagkas et al., 2018; Laliberte et al., 2007; Laliberte & Rango, 2011; Manfreda et al., 2018, 2018; Nebiker et al., 2008; Puri et al., 2017; Velusamy et al., 2022; C. Zhang & Kovacs, 2012) |
Satelit | Mbulimi periodik satelitor, rezolucion i kufizuar spektral; cenueshmëria ndaj çështjeve të dukshmërisë (p.sh. retë); Padisponueshmëria dhe shpejtësi të ulët të transferimit; orientimi dhe vinetimi ndikon të dhëna të kushtueshme hapësinore koleksion; shpërndarja e ngadaltë e të dhënave koha për përdoruesit përfundimtarë | (Aboutalebi et al., 2019; Cen et al., 2019; Chen et al., 2019; Nansen dhe Elliott, 2016; Panday, Pratihast, et al., 2020; Sai Vineeth et al., 2019) |
avion | Kostot e larta të adoptimit; konfigurim i ndërlikuar; kostot e mirëmbajtjes; padisponueshmëria e të besueshmes aeroplanët, gjeometria e imazhe; të dhëna jo të rregullta përvetësimi; mungesa e fleksibilitetit; aksidente vdekjeprurëse; të dhënat e sensorit variacione për shkak të dridhjeve; çështjet e gjeoreferencimit | (Armstrong et al., 2011; Atkinson et al., 2018; Barbedo & Koenigkan, 2018; Kovalev dhe Voroshilova, 2020; Suomalainen et al., 2013; Thamm et al., 2013) |
Si një teknologji shumëdisiplinore dhe me shumë qëllime në bujqësi, dronët janë hetuar nga këndvështrime të ndryshme. Për shembull, studiuesit kanë ekzaminuar aplikimet e dronëve në bujqësi (Kulbacki et al., 2018; Mogili & Deepak, 2018), kontributin e tyre në bujqësinë e saktë (Puri et al., 2017; Tsouros et al., 2019), komplementaritetin e tyre me të tjerët teknologjitë më të avancuara (Al-Thani et al., 2020; Dutta & Mitra, 2021; Nayyar et al., 2020; Saha et al., 2018), dhe mundësitë e avancimit të aftësive të tyre lundruese dhe ndijore (Bareth et al. , 2015; Suomalainen et al., 2014). Meqenëse kërkimet mbi aplikimet e dronëve në bujqësi janë bërë të përhapura (Khan et al., 2021)), ekziston nevoja për të përmbledhur literaturën ekzistuese dhe për të zbuluar strukturën intelektuale të fushës. Për më tepër, si një fushë e teknologjisë së lartë me përmirësime të vazhdueshme, duhet të kryhen rishikime të strukturuara për të përmbledhur periodikisht literaturën ekzistuese dhe për të identifikuar boshllëqet e rëndësishme kërkimore. te
datë, ka pak rishikime që diskutojnë aplikimet e dronëve në sektorin e bujqësisë. Për shembull, Mogili dhe Deepak (2018) shqyrtojnë shkurtimisht implikimet e dronëve për monitorimin e të korrave dhe spërkatjen e pesticideve. Inoue (2020) kryen një rishikim të përdorimit të satelitëve dhe dronëve në sensorin në distancë në bujqësi. Autori eksploron sfidat teknologjike të adoptimit të bujqësisë së zgjuar dhe kontributet e satelitëve dhe dronëve bazuar në studimet e rasteve dhe praktikat më të mira. Tsouros et al. (2019) përmbledhin lloje të ndryshme të dronëve dhe aplikimet e tyre kryesore në bujqësi, duke theksuar metoda të ndryshme të marrjes dhe përpunimit të të dhënave. Kohët e fundit, Aslan et al. (2022) kreu një rishikim gjithëpërfshirës të aplikimeve të UAV-ve në aktivitetet bujqësore dhe nënvizoi rëndësinë e lokalizimit dhe hartës së njëkohshme për një UAV në serë. Diaz-Gonzalez etj. (2022) rishikoi studimet e fundit të prodhimit të rendimentit të bimëve bazuar në teknika të ndryshme të mësimit të makinerive dhe në distancë
sistemet e ndjeshmërisë. Gjetjet e tyre treguan se UAV-të janë të dobishëm për të vlerësuar treguesit e tokës dhe për të tejkaluar sistemet satelitore për sa i përket rezolucionit hapësinor, përkohshmërisë së informacionit dhe fleksibilitetit. Basiri etj. (2022) bëri një rishikim shterues të qasjeve dhe metodave të ndryshme për të kapërcyer sfidat e planifikimit të rrugës për UAV-të me shumë rotorë në kontekstin e bujqësisë së saktë. Për më tepër, Awais et al. (2022). Së fundi, Aquilani et al. (2022) rishikoi teknologjitë bujqësore paraprake të aplikuara në sistemet blegtorale të bazuara në kullota dhe nxorri përfundimin se sensori në distancë i mundësuar nga UAV-të është i dobishëm për vlerësimin e biomasës dhe menaxhimin e tufës.
Gjithashtu, kohët e fundit janë raportuar përpjekje për të përdorur UAV-të në monitorimin, gjurmimin dhe grumbullimin e bagëtive.
Edhe pse këto rishikime japin njohuri të reja dhe të rëndësishme, asnjë rishikim gjithëpërfshirës dhe i përditësuar i bazuar në bibliometrikë nuk mund të gjendet në literaturë, e cila paraqet një boshllëk të qartë njohurish. Për më tepër, është thënë se kur prodhimi shkencor rritet në një fushë shkencore, bëhet jetike për studiuesit që të përdorin qasje të rishikimit sasior për të kuptuar strukturën e njohurive të fushës (Rivera & Pizam, 2015). Në mënyrë të ngjashme, Ferreira et al. (2014) argumentoi se ndërsa fushat e kërkimit piqen dhe bëhen të ndërlikuara, studiuesit duhet të synojnë që herë pas here t'i kuptojnë njohuritë e krijuara dhe të grumbulluara për të zbuluar kontribute të reja, për të kapur traditat dhe tendencat e kërkimit, për të identifikuar cilat tema studiohen dhe për të thelluar në strukturën e njohurive të terreni dhe drejtimet e mundshme kërkimore. Ndërsa Raparelli dhe Bajocco (2019) kryen një analizë bibliometrike për të shqyrtuar fushën e njohurive të aplikimeve të dronëve në bujqësi dhe pylltari, studimi i tyre merr në konsideratë vetëm kërkimet shkencore të botuara midis 1995 dhe 2017, të cilat nuk pasqyrojnë dinamikën e kësaj zone me lëvizje të shpejtë. Më tej, autorët nuk u përpoqën të identifikonin kontributet më me ndikim në këtë fushë, të grumbullonin literaturën dhe të vlerësonin strukturën intelektuale duke përdorur analizën e bashkëcitimit. Si rezultat, është e nevojshme të përmblidhet literatura për të zbuluar fokuset, tendencat dhe pikat aktuale të kërkimit.
Për të mbushur këtë boshllëk njohurish, ne përdorim metodologjinë sasiore dhe metodat rigoroze bibliometrike për të shqyrtuar gjendjen aktuale të kërkimit në kryqëzimin e dronëve dhe bujqësisë. Ne argumentojmë se studimi aktual jep disa kontribute në literaturën ekzistuese duke ekzaminuar një teknologji në zhvillim e cila është shumë e nevojshme në bujqësi pasi ofron një potencial të jashtëzakonshëm për të ndryshuar disa aspekte në këtë sektor. Nevoja për një analizë bibliometrike të dronëve bujqësore ndihet edhe më shumë duke pasur parasysh njohuritë e shpërndara dhe të fragmentuara mbi dronët brenda kontekstit bujqësor. Në mënyrë të ngjashme, literatura që ka të bëjë me dronët bujqësore kërkohet të grumbullohet sistematikisht, duke marrë parasysh studimet më me ndikim që ndërtojnë themelet e kësaj fushe kërkimore. Merita në analizë përfshin edhe sqarimin e temave kryesore kërkimore të përfaqësuara në literaturë. Duke marrë parasysh potencialin transformues të teknologjisë, ne supozojmë se një analizë e thellë e rrjetit jep njohuri të reja duke përcaktuar vepra me ndikim dhe duke zbuluar tema në lidhje me potencialin e dronëve për bujqësi.
Prandaj, ne përpiqemi të arrijmë objektivat e mëposhtme të kërkimit:
- Identifikimi i botimeve me ndikim me kontribute të jashtëzakonshme në aplikimet e dronëve në fushën e bujqësisë.
- Grumbullimi i literaturës, identifikimi i vatrave të kërkimit dhe hartëzimi i studimeve kryesore të 'strukturës intelektuale' bazuar në ngjashmërinë semantike duke përdorur analizën e bashkëcitimit.
- Kuptimi i evolucionit të lidhjeve dhe rrjeteve të citimeve me kalimin e kohës midis publikimeve të ndryshme në këtë fushë dhe identifikimi i drejtimeve të kërkimit të ardhshëm dhe temave të nxehta.
Pjesa tjetër e punimit është e strukturuar si më poshtë: seksioni 2 përshkruan metodologjinë dhe hapat e mbledhjes së të dhënave; seksioni 3 jep rezultatet e analizave; dhe seksioni 4 diskuton gjetjet dhe përfundon me kontributet kërkimore, implikimet dhe drejtimet e ardhshme.
metodologji
Në këtë studim kërkimor aktual, ne kryejmë një analizë bibliometrike për të eksploruar aplikimet e dronëve në bujqësi. Kjo qasje sasiore zbulon strukturën intelektuale të fushës së njohurive (Arora & Chakraborty, 2021) dhe statusin aktual, temat e nxehta dhe drejtimet e kërkimit të ardhshëm që mund të hetohen duke aplikuar këtë metodë (Kapoor et al., 2018; Mishra et al. , 2017; A. Rejeb, Rejeb, et al., 2021b; A. Rejeb et al., 2021d; MA Rejeb et al., 2020). Në përgjithësi, një analizë bibliometrike shqyrton literaturën ekzistuese për të përmbledhur dhe zbuluar modele të fshehura të komunikimit të shkruar dhe evolucionin e disiplinës bazuar në statistika dhe metoda matematikore, dhe zbatohet për grupe të mëdha të dhënash (Pritchard, 1969; Small, 1999; Tahai & Rigsby , 1998). Duke përdorur bibliometrikën, ne aspirojmë të kuptojmë më mirë paradigmat ekzistuese dhe fokuset kërkimore që kontribuojnë në domenin bazuar në ngjashmëri (Thelwall, 2008). Bibliometria ofron njohuri të reja të mbështetura nga forca objektive sasiore e metodologjisë (Casillas & Acedo, 2007). Studiues të shumtë kanë kryer më parë studime bibliometrike në fusha të ngjashme, duke përfshirë bujqësinë, sensorin në distancë dhe transformimin dixhital (Armenta-Medina et al., 2020; Bouzembrak et al., 2019; A. Rejeb, Treiblmaier, et al., 2021; Wamba & Queiroz, 2021; Wang et al., 2019).
Analiza e citimit
Analiza e citimeve zbulon njohuri të ndryshme në një fushë të caktuar kërkimore. Para së gjithash, ndihmon për të zbuluar autorët dhe botimet më me ndikim që kontribuojnë në një fushë të caktuar kërkimore dhe kanë një ndikim të rëndësishëm (Gundolf & Filser, 2013). Së dyti, rrjedha e njohurive dhe lidhjet e komunikimit ndërmjet autorëve mund të zbulohen. Së fundi, duke gjurmuar lidhjet midis veprave të cituara dhe cituese, mund të eksplorohen ndryshimet dhe evolucioni i një domeni njohurish me kalimin e kohës (Pournader
et al., 2020). Numrat e lartë të citimeve të një botimi pasqyrojnë rëndësinë dhe kontributet e tij thelbësore në fushën e kërkimit (Baldi, 1998; Gundolf & Filser, 2013; Marinko, 1998). Analiza e citimeve të botimeve gjithashtu ndihmon për të identifikuar veprat përkatëse dhe për të gjurmuar popullaritetin dhe përparimin e tyre me kalimin e kohës.
Analiza e bashkëcitimit të dokumentit
Analiza e bashkëcitimit është një metodë e vlefshme për të eksploruar marrëdhëniet midis botimeve dhe për të përshkruar strukturën intelektuale të një fushe (Nerur et al., 2008). Me fjalë të tjera, duke identifikuar botimet më të cituara dhe lidhjet e tyre, metoda i grupon publikimet në grupe të veçanta kërkimore ku publikimet në një grup rregullisht ndajnë ide të ngjashme (McCain, 1990; Small, 1973). Është e rëndësishme të përmendet se ngjashmëria nuk do të thotë se gjetjet e publikimeve janë
kohezive dhe dakord me njëri-tjetrin; Publikimet i përkasin të njëjtit grup për shkak të ngjashmërisë së temave, por ato mund të kenë këndvështrime kontradiktore.
Mbledhja e të dhënave dhe analiza
Duke ndjekur metodologjinë e propozuar nga White dhe Griffith (1981), ne kryem një kërkim gjithëpërfshirës të artikujve të revistave për të mbuluar të gjithë fushën kërkimore të aplikacioneve të dronëve në bujqësi, duke ndjekur pesë hapat e mëposhtëm:
- Hapi i parë ishte mbledhja e të dhënave. Scopus u zgjodh si një nga bazat e të dhënave më gjithëpërfshirëse dhe më të besueshme me rezultate të standardizuara. U morën meta-të dhënat e publikimeve në lidhje me të gjitha aplikimet e dronëve në bujqësi. Më pas kemi analizuar artikujt e përzgjedhur, duke hequr nga analiza artikujt jashtë temës.
- Ne analizuam literaturën dhe identifikuam fjalët kyçe më të rëndësishme të përdorura në fushën e kërkimit.
- Duke përdorur analizën e citimeve, ne eksploruam lidhjen midis autorëve dhe dokumenteve për të zbuluar modelet themelore të citimeve. Ne identifikuam gjithashtu autorët dhe botimet më me ndikim me kontribute të rëndësishme në fushën e dronëve bujqësore.
- Ne kryem një analizë të bashkëcitimit për të grupuar botime të ngjashme në grupe.
- Së fundi, ne analizuam lidhjet dhe lidhjet midis vendeve, institucioneve dhe revistave për të përshkruar rrjetin e bashkëpunimit.
Identifikimi i termave të duhura të kërkimit
Ne aplikuam vargjet e mëposhtme të kërkimit për grumbullimin e të dhënave: (dron* OSE "automjet ajror pa pilot" OSE uav* OSE "sistemi i avionëve pa pilot” OSE uas OSE “aeroplanë të pilotuar në distancë”) DHE (bujqësi OSE bujqësi OSE bujqësi OSE fermer). Kërkimi u krye në shtator 2021. Dronët kanë disa emërtime, duke përfshirë UAV, UAS dhe avionë të pilotuar nga distanca (Sah et al., 2021). Termat specifike të kërkimit që lidhen me bujqësinë u identifikuan bazuar në studimin e Abdollahi et al. (2021). Për hir të qartësisë dhe transparencës, pyetja e saktë që kemi përdorur është dhënë në Shtojcën 1. Pas një procesi pastrimi të të dhënave, ne krijuam një skedar teksti që u ngarkua më pas në BibExcel, një mjet i zakonshëm për analizën e citimeve dhe të bashkëcitimeve. Ky mjet gjithashtu ofron ndërveprim të thjeshtë me softuer të tjerë dhe ofron një shkallë të konsiderueshme lirie në trajtimin dhe analizimin e të dhënave. Versioni 1.6.16 i VOSviewer u përdor për të vizualizuar gjetjet dhe për të gjeneruar rrjetet bibliometrike (Eck & Waltman, 2009). VOSviewer ofron një sërë vizualizimi intuitiv, veçanërisht për analizimin e hartave bibliometrike (Geng et al., 2020). Për më tepër, ai ndihmon në ofrimin e rezultateve të thjeshta vizuale që ndihmojnë në kuptimin më të mirë të rezultateve (Abdollahi et al., 2021). Duke aplikuar vargjet e kërkimit siç u tha më sipër, ne mblodhëm dhe ruajmë të gjitha botimet përkatëse. Rezultatet e para të kërkimit dhanë gjithsej 5,085 dokumente. Për të siguruar cilësinë e kampionit të përzgjedhur, vetëm artikujt e revistës të rishikuar nga kolegët u morën parasysh në hulumtim, duke rezultuar në përjashtimin e llojeve të tjera të dokumenteve, si libra, kapituj, punime konferencash dhe shënime editoriale. Gjatë një procesi shqyrtimi, botime të parëndësishme (d.m.th., përtej qëllimit të kësaj pune), të tepërta (d.m.th., dublikatë me origjinë nga indeksimi i dyfishtë) dhe jo anglisht-folëse u filtruan. Ky proces rezultoi në përfshirjen e 4,700 dokumenteve në analizën përfundimtare.
Gjetjet dhe diskutimi
Për të filluar, ne analizuam zhvillimet në prodhimin e botimit në literaturën aktuale mbi dronët bujqësore. Shpërndarja kohore e kërkimit shkencor është paraqitur në Fig. 1. Ne shohim një rritje të shpejtë të publikimeve nga viti 2011 (30 botime) e tutje; prandaj, ne vendosëm ta ndajmë periudhën e analizës në dy faza të ndryshme. Ne i referohemi periudhës ndërmjet viteve 1990 dhe 2010 si faza e krijimit, e cila kishte afërsisht shtatë punime të botuara çdo vit. Periudha e pas vitit 2010 është quajtur faza e rritjes pasi kërkimet mbi aplikimet e dronëve në bujqësi dëshmuan një rritje eksponenciale gjatë kësaj periudhe. Pas vitit 2010, numri në rritje i botimeve konfirmon interesin në rritje midis studiuesve, gjë që reflekton gjithashtu se dronët janë aplikuar në sensorin në distancë dhe janë përdorur në bujqësinë e saktë (Deng et al., 2018; Maes & Steppe, 2019; Messina & Modica, 2020 ). Në mënyrë të veçantë, numri i botimeve u rrit nga 108 në 2013 në 498 në 2018 dhe arriti kulmin në 1,275 në 2020. Një total prej 935 artikujsh u botuan midis janarit dhe mesit të shtatorit 2021. Më pas, ne vendosëm të fokusonim analizën tonë më shumë në fazën e rritjes meqenëse kjo periudhë pasqyron hollësitë më të fundit dhe më të rëndësishme të dronëve bujqësore.
Analiza e fjalëve kyçe
Fjalët kyçe që autorët zgjedhin për një botim kanë një ndikim vendimtar në mënyrën se si paraqitet punimi dhe si komunikohet brenda komuniteteve shkencore. Ata identifikojnë subjektet kryesore të kërkimit dhe përcaktojnë potencialin e tij për të lulëzuar ose për të dështuar (Day & Gastel, 1998.; Kim et al., 2016; Uddin et al., 2015). Analiza e fjalëve kyçe, një mjet për të zbuluar tendencat dhe drejtimet më të gjera të kërkimit, i referohet përpilimit të fjalëve kyçe të të gjitha publikimeve të lidhura në një fushë (Dixit & Jakhar, 2021). Në studimin aktual, ne i ndamë fjalët kyçe të përmbledhura në dy grupe (dmth., deri në 2010 dhe 2011–2021) për të eksploruar temat më të njohura. Duke bërë këtë, ne mund të gjurmojmë fjalët kyçe të rëndësishme në të dy grupet dhe të sigurojmë se kemi kapur të gjitha të dhënat e nevojshme. Për secilin grup, dhjetë fjalë kyçe kryesore janë paraqitur në tabelën 3. Ne eliminuam mospërputhjet duke bashkuar fjalë kyçe semantikisht identike, të tilla si "drone" dhe "drones" ose, në mënyrë të ngjashme, "Internet of Things" dhe "IoT.".
Tabela 3 tregon se "mjet ajrore pa pilot" është një fjalë kyçe më e përdorur në krahasim me "dron" dhe "sistemi ajror pa pilot" në të dyja periudhat kohore. Gjithashtu, "ndjenja në distancë", "bujqësia e saktë" dhe "bujqësia" janë renditur lart në të dyja periudhat. Në periudhën e parë, "bujqësia precize" u rendit e pesta, dhe ajo u rendit e dyta në periudhën e dytë, gjë që ilustron se si dronët po bëhen gjithnjë e më të rëndësishëm në arritjen e bujqësisë precize pasi mund të bëjnë monitorim.
praktikat e zbulimit dhe të vlerësimit janë më të shpejta, më të lira dhe më të lehta për t'u kryer në krahasim me sistemet e tjera me sensorë në distancë dhe në tokë. Gjithashtu, ata mund të spërkasin sasinë e saktë të inputit (p.sh., ujë ose pesticide) kur nevojitet (Guo et al., 2020; Inoue, 2020; Panday, Pratihast, et al., 2020).
Lista e fjalëve kyçe më të përdorura.
Rank | 1990-2010 | Nr dukuri | 2011-2021 | Nr dukuri |
1 | ajrore pa pilot automjet | 28 | i papajisur mjet ajror | 1628 |
2 | ndjenjë të largët | 7 | saktësi bujqësi | 489 |
3 | bujqësi | 4 | ndjenjë të largët | 399 |
4 | ajrore | 4 | njeri që rri kot | 374 |
5 | saktësi bujqësi | 4 | i papajisur sistemi ajror | 271 |
6 | ajrore pa pilot | 4 | bujqësi | 177 |
7 | hiperspektrale sensor | 3 | të mësuarit e thellë | 151 |
8 | nervore artificiale Rrjetet | 2 | makine mësim | 149 |
9 | fluturim autonom | 2 | bimësi indeks | 142 |
10 | kafe | 2 | Interneti i Gjërat | 124 |
Një tjetër veçori interesante është prania e teknologjive plotësuese. Në fazën e parë, “Sensori Hiperspektral” dhe “Rrjetet neurale artificiale” (ANN) janë ndër dhjetë fjalë kyçe kryesore. Imazhi hiperspektral revolucionarizoi imazhet tradicionale duke mbledhur një numër të madh imazhesh në gjatësi vale të ndryshme. Duke vepruar kështu, sensorët mund të mbledhin njëkohësisht informacion më të mirë hapësinor dhe spektral në krahasim me imazhet multispektrale, spektroskopinë dhe imazhet RGB (Adao ˜ et al.,
2017). Shfaqja e "ANN" në fazën e parë dhe "të mësuarit e thellë" (DL) dhe "mësimi i makinës" (ML) në të dytën nënkupton që shumica e punimeve të publikuara janë fokusuar në ekzaminimin e potencialit të teknikave të AI për dron- bujqësia me bazë. Megjithëse dronët janë të aftë të fluturojnë në mënyrë autonome, ata ende kërkojnë përfshirjen e një piloti, gjë që nënkupton një nivel të ulët të inteligjencës së pajisjes. Megjithatë, ky problem mund të zgjidhet për shkak të avancimit të teknikave të AI, të cilat mund të ofrojnë ndërgjegjësim më të mirë të situatës dhe mbështetje autonome të vendimeve. Të pajisur me AI, dronët mund të shmangin përplasjet gjatë lundrimit, të përmirësojnë menaxhimin e tokës dhe të korrave (Inoue, 2020) dhe të reduktojnë punën dhe stresin për qeniet njerëzore (BK Sharma et al., 2019).
Për shkak të fleksibilitetit dhe aftësisë së tyre për të trajtuar sasi të mëdha të dhënash jolineare, teknikat e AI janë metoda të përshtatshme për të analizuar të dhënat e transmetuara nga dronët dhe sistemet e tjera të sensorit në distancë dhe tokësore për parashikim dhe vendimmarrje (Ali et al., 2015; Inoue, 2020). Për më tepër, prania e “IoT” në periudhën e dytë tregon rolin e saj në zhvillim në bujqësi. IoT po revolucionarizon bujqësinë duke ndërlidhur teknologji të tjera, duke përfshirë dronët, ML, DL, WSN dhe të dhëna të mëdha. Një nga përfitimet kryesore të zbatimit të IoT është aftësia e tij për të bashkuar në mënyrë efikase dhe efektive detyra të ndryshme (marrja e të dhënave, analiza dhe përpunimi i të dhënave, vendimmarrja dhe zbatimi) në kohë pothuajse reale (Elijah et al., 2018; Feng et al. , 2019; Muangprathub et al., 2019). Për më tepër, dronët konsiderohen mjete efikase për kapjen e të dhënave të nevojshme për llogaritjen e fuqisë dhe vegjetacionit të vegjetacionit (Candiago et al., 2015). Fig. 2a dhe 2b ilustrojnë rrjetet e bashkë-ndodhjes së fjalëve kyçe për të dyja periudhat kohore.
Autorë me ndikim
Në këtë seksion, ne përcaktojmë autorët me ndikim dhe shqyrtojmë se si rrjetet e citimeve të autorit mund të vizualizojnë dhe organizojnë literaturën aktuale. Fig. 3 tregon mbivendosjen kronologjike të të gjithë studiuesve me numrin më të madh të citimeve. Shkalla e ngjyrave pasqyron variacionin sipas vitit të citimeve të autorëve. Ne shqyrtojmë strukturën e citimeve të studiuesve që botuan studime mbi dronët bujqësore duke përdorur një prag prej të paktën 50 citate dhe dhjetë botimesh. Jashtë
12,891 autorë, vetëm 115 e plotësonin këtë kusht. Tabela 4 liston dhjetë autorët kryesorë me ndikim, të renditur sipas numrit maksimal të citimeve. Lopez- Granados F. kryeson listën me 1,963 citime, e ndjekur nga Zarco-Tejada PJ me 1,909 citime.
Lista e autorëve më të cituar.
Ranking | autor | Citate |
1 | Lopez-Granados ´ 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 |
Kur bëhet fjalë për publikimet individuale, artikulli i Zhang dhe Kovacs (2012) ka qenë studimi më i cituar i botuar në Precision Agriculture. Këtu, autorët shqyrtuan aplikimin e UAS në bujqësinë e saktësisë. Gjetjet e hulumtimit të tyre sugjerojnë se ekziston nevoja për të avancuar dizajnin e platformës, prodhimin, standardizimin e gjeoreferencimit të imazhit dhe rrjedhën e punës për marrjen e informacionit për t'u siguruar fermerëve produkte përfundimtare të besueshme. Përveç kësaj, ata rekomandojnë angazhimin më të fuqishëm të fermerit, veçanërisht në planifikimin në terren, kapjen e imazheve, si dhe interpretimin dhe analizën e të dhënave. E rëndësishmja, ky studim ishte ndër të parët që tregoi rëndësinë e UAV-ve në hartimin e fushës, hartën e fuqisë, matjen e përmbajtjes kimike, monitorimin e stresit të vegjetacionit dhe vlerësimin e efekteve të plehrave në rritjen e bimëve. Sfidat që lidhen me teknologjinë përfshijnë gjithashtu kostot ndaluese, aftësinë e sensorit, stabilitetin dhe besueshmërinë e platformës, mungesën e standardizimit dhe procedurën e qëndrueshme për të analizuar sasi masive të të dhënave.
Analiza e citimit
Analiza e citimeve përfaqëson studimin e ndikimit të artikujve, megjithëse të prirur ndaj flukseve (p.sh., paragjykimi i citimit, vetëcitimi) konsiderohet si një nga instrumentet standarde për vlerësimin e ndikimit (Osareh, 1996; A. Rejeb et al., 2022; Sarli etj., 2010). Citimet pasqyrojnë gjithashtu rëndësinë dhe vitalitetin e kontributeve të punimeve në literaturën për një temë specifike (R. Sharma et al., 2022). Ne kryem një analizë citate për të përcaktuar studimet më me ndikim mbi dronët bujqësore dhe përmblodhëm përmbajtjen. Tabela 5 paraqet listën e pesëmbëdhjetë punimeve më me ndikim për periudhat 1990–2010 dhe 2011–2021. Artikujt nga Berni et al. (2009)b dhe Austin (2010) kanë qenë më të cituarit gjatë viteve 1990 dhe 2010, përkatësisht me 831 dhe 498 citate. Berni etj. (2009)b ilustroi potencialin për të zhvilluar produkte sasiore të matjes në distancë nëpërmjet një UAV me bazë helikopteri të pajisur me sensorë të përballueshëm të imazhit termik dhe me brez të ngushtë multispektral. Krahasuar me sensorët tradicionalë të ajrit të drejtuar, një sistem UAV me kosto të ulët për bujqësinë është në gjendje të arrijë vlerësime të krahasueshme të parametrave biofizikë të të korrave, nëse jo më mirë. Kostoja e përballueshme dhe fleksibiliteti operacional, së bashku me rezolucionet e larta spektrale, hapësinore dhe kohore të disponueshme në një kohë të shpejtë kthese, i bëjnë UAV-të të përshtatshme për një sërë aplikacionesh që kërkojnë menaxhim kritik për kohën, duke përfshirë planifikimin e ujitjes dhe bujqësinë precize. Punimi nga Berni et al. (2009)b është shumë i cituar sepse ka integruar në mënyrë efektive një platformë me krahë rrotullues pa pilot dhe sensorë dixhitalë dhe termikë me mekanizmat e nevojshëm të kalibrimit për aplikimet bujqësore. Publikimi i dytë më i cituar është një libër me autor Austin (2010), i cili diskutoi UAV-të nga perspektiva e projektimit, zhvillimit dhe vendosjes. Në bujqësi, UAV-të mbështesin monitorimin e të korrave duke zbuluar herët sëmundjet përmes ndryshimeve të ngjyrës së të korrave, duke lehtësuar mbjelljen dhe spërkatjen e të korrave dhe monitorimin dhe drejtimin e tufave.
Studimet e Sullivan et al. (2007), Lumme et al. (2008), dhe Gokto ¨ ǧan et al. (2010) përfundon listën e pesëmbëdhjetë artikujve më të cituar. Këta artikuj ilustrojnë zhvillimin e sistemeve të bazuara në UAV për të mbështetur bujqësinë. Ato ofrojnë zgjidhje për probleme të ndryshme, të tilla si monitorimi dhe skanimi i të korrave, mbikëqyrja dhe menaxhimi i barërave të këqija dhe mbështetja e vendimeve. Ata gjithashtu sugjerojnë dhe diskutojnë aftësinë e UAV-së për të rritur efikasitetin e kampionimit dhe për të ndihmuar fermerët në hartimin e saktë dhe efektiv.
strategjitë e mbjelljes. Dy punime u autorizuan nga Berni (Berni et al., 2009b; Berni et al., 2009a), duke nënvizuar ndikimin e tij të rëndësishëm në kërkimet bujqësore të lidhura me dronët. Punimi nga Zarco-Tejada et al. (2014) ka qenë ndër studimet pioniere për të ilustruar nevojën për të përdorur imazhe UAV me kosto të ulët në përcaktimin sasior të lartësisë së pemës.
Lista e botimeve më të cituara.
Rank | Nga 1990 për 2010 | Nga 2011 për 2021 | ||
Dokument | Citim | Dokument | Citim | |
1 | (Berni et al., 2009b) | 831 | (C. Zhang & Kovacs, 2012) | 967 |
2 | (Austin, 2010) | 498 | (Nex & Remondino, 2014) | 893 |
3 | (Hunt et al., 2010) | 331 | (Floreano dhe druri, 2015) | 552 |
4 | (SR Herwitz et al., 2004) | 285 | (Hossein Motlagh et al., 2016) | 391 |
5 | (CCD Lelong et al., 2008) | 272 | (Sakhatreh et al., 2019) | 383 |
6 | (Berni et al., 2009b) | 250 | (Ma et al., 2017) | 373 |
7 | (Grenzdorffer ¨ et al., 2008) | 198 | (Bendig et al., 2014) | 360 |
8 | (Hrabar et al., 2005) | 175 | (Zarco-Tejada et al., 2014) | 347 |
9 | (Y. Huang et al., 2009) | 129 | (Ad˜ ao et al., 2017) | 335 |
10 | (Schmale III et al., 2008) | 119 | (Honkavaara et al., 2013) | 331 |
11 | (Abd-Elrahman et al., 2005) | 79 | (Candiago et al., 2015) | 327 |
12 | (Techy et al., 2010) | 69 | (Xiang & Tian, 2011) | 307 |
13 | (Sullivan et al., 2007) | 51 | (Matese et al., 2015) | 303 |
14 | (Lumme et al., 2008) | 42 | (Gago et al., 2015) | 275 |
15 | (Gokto ¨ ǧan et al., 2010) | 40 | (Aasen et al., 2015a) | 269 |
Në periudhën e dytë (2011–2021), hulumtimi nga Zhang dhe Kovacs (2012) dhe Nex dhe Remondino (2014) rezultoi në publikimet më të cituara. Zhang dhe Kovacs (2012) argumentojnë se bujqësia e saktë mund të përfitojë nga zbatimi i teknikave dhe sensorëve gjeohapësinorë, si sistemet e informacionit gjeografik, GPS dhe sensori në distancë, për të kapur ndryshimet në terren dhe për t'i trajtuar ato duke përdorur strategji alternative. Si një ndryshim i lojës në bujqësinë e saktë, adoptimi i dronëve ka paralajmëruar një epokë të re në sensorin në distancë, duke thjeshtuar vëzhgimin ajror, duke kapur të dhënat e rritjes së të korrave, kushtet e tokës dhe zonat e spërkatjes. Rishikimi i Zhang dhe Kovacs (2012) është i rëndësishëm pasi ofron njohuri mbi UAV-të duke zbuluar përdorimet ekzistuese dhe sfidat e këtyre pajisjeve në monitorimin e mjedisit dhe bujqësinë precize, të tilla si kufizimet e platformës dhe kamerave, sfidat e përpunimit të të dhënave, angazhimi i fermerëve dhe rregulloret e aviacionit. . I dyti
Studimi më i cituar nga Nex dhe Remondino (2014) shqyrtoi gjendjen e artit të UAV-ve për kapjen, përpunimin dhe analizimin e imazheve të tokës.
Puna e tyre gjithashtu prezantoi një përmbledhje të disa platformave, aplikacioneve dhe rasteve të përdorimit të UAV-ve, duke shfaqur përparimet më të reja në përpunimin e imazhit UAV. Në bujqësi, fermerët mund të përdorin UAV-të për të marrë vendime efektive për të arritur kursime në kosto dhe kohë, për të marrë një regjistrim të shpejtë dhe të saktë të dëmeve dhe për të parashikuar problemet e mundshme. Në kontrast me platformat konvencionale ajrore, UAV-të mund të ulin shpenzimet operacionale dhe të zvogëlojnë rrezikun e aksesit në vende të vështira duke ruajtur ende potencialin e saktësisë së lartë. Punimi i tyre përmbledh avantazhet e ndryshme të UAV-ve, veçanërisht në aspektin e saktësisë dhe rezolucionit.
Midis trembëdhjetë botimeve të mbetura më të cituara midis 2011 dhe 2021, ne vumë re një përqendrim më të madh në kërkimin e lidhur me aplikimet e dronëve në misionet e imazhit (Bendig et al., 2014; Ma et al., 2017; Zarco-Tejada et al., 2014) , bujqësia precize (Candiago et al., 2015; Honkavaara et al., 2013a), vreshtaria precize (Matese et al., 2015), vlerësimi i stresit ujor (Gago et al., 2015) dhe monitorimi i vegjetacionit (Aasen et al. , 2015a). Në vitet e para, studiuesit u përqendruan
më shumë për zhvillimin e sistemeve me kosto të ulët, të lehtë dhe të saktë të bazuar në UAV për bujqësinë; Hulumtimet më të fundit janë fokusuar më shumë në rishikimet e aplikacioneve të UAV-ve për bujqësi dhe rilevimin në terren. Në përmbledhje, kjo analizë zbulon se botimet me ndikim kanë ofruar kryesisht rishikime të studimeve të mëparshme për të vlerësuar statusin aktual shkencor dhe teknologjik të UAV-ve dhe sisteme të zhvilluara UAV për të mbështetur bujqësinë e saktësisë. Interesante, ne nuk gjetëm studime që përdornin empirike
metodologjive apo rasteve përshkruese, gjë që përbën një boshllëk të rëndësishëm njohurish dhe kërkon më shumë kërkime mbi këtë temë.
Analiza e bashkëcitimit
Sipas Gmür (2006), analiza e bashkëcitimit identifikon botime të ngjashme dhe i grupon ato. Ekzaminimi i kujdesshëm i një grupi mund të zbulojë një fushë të përbashkët kërkimi midis botimeve. Ne hetojmë bashkëcitimin e literaturës që ka të bëjë me dronët bujqësore për të ilustruar fushat e lidhura me temën dhe për të zbuluar modelet intelektuale të botimeve. Në këtë drejtim, Small (1973) rekomandoi përdorimin e analizës së kocitimit për të studiuar kërkimet më me ndikim dhe më të rëndësishëm.
brenda një disipline. Për të kufizuar grupin në artikujt më të rëndësishëm (Goyal & Kumar, 2021), ne vendosëm një prag bashkëcitimi prej 25, që do të thotë se dy artikuj duhet të jenë cituar së bashku në listat e referencës me 25 ose më shumë botime të ndryshme. Grumbullimi u krye gjithashtu me një madhësi minimale të grupimit 1 dhe pa asnjë metodë për bashkimin e grupimeve më të vogla me ato më të mëdha. Si rezultat, u krijuan gjashtë grupime bazuar në ngjashmërinë e studimeve dhe strukturën e tyre intelektuale. Tabela 6 tregon shpërndarjen e publikimeve në secilin grup.
Grupi 1: Ky grup përmban tetëmbëdhjetë dokumente të publikuara pas publikimeve në këtë grupim diskutojnë rolin e dronëve në mbështetjen e monitorimit mjedisor, menaxhimit të të korrave dhe menaxhimit të barërave të këqija. Për shembull, Manfreda et al. (2018) ofrojnë një përmbledhje të kërkimeve aktuale dhe zbatimeve të UAV në monitorimin e ekosistemit natyror bujqësor dhe argumentojnë se teknologjia ofron potencial të jashtëzakonshëm për të rritur në mënyrë drastike monitorimin mjedisor dhe për të reduktuar
hendeku ekzistues midis vëzhgimit në terren dhe sensorit konvencional të ajrit dhe hapësirës në distancë. Kjo mund të bëhet duke ofruar kapacitete të reja për rikthim të përmirësuar kohor dhe njohuri hapësinore në zona të mëdha në një mënyrë të përballueshme. UAV-të mund të ndiejnë vazhdimisht mjedisin dhe t'i dërgojnë të dhënat që rezultojnë te entitetet inteligjente, të centralizuara/decentralizuara që kontrollojnë sensorët për të identifikuar problemet eventuale, të tilla si mungesa e sëmundjes ose zbulimi i ujit (Padua ´ et al., 2017). Adao ˜ et al. (2017) parashtrojnë se UAV-të janë ideale për vlerësimin e kushteve të impianteve duke kapur një vëllim të madh të dhënash të papërpunuara në lidhje me statusin e ujit, vlerësimin e biomasës dhe vlerësimin e fuqisë. Sensorët e montuar në UAV gjithashtu mund të vendosen menjëherë në kushtet e duhura mjedisore për të lejuar kapjen në kohë të të dhënave të sensorit në distancë (Von Bueren et al., 2015). Me anë të UAV-ve, fermerët janë në gjendje të kryejnë aktivitete bujqësore të brendshme duke marrë matje praktikisht nga çdo vend në hapësirën tredimensionale të mjediseve të brendshme bujqësore (p.sh. serat), duke siguruar kështu kontrollin lokal të klimës dhe monitorimin e bimëve (Roldan' et al. ., 2015). Në kontekstin e saktësisë
Bujqësia, vendimet për menaxhimin e të korrave kërkojnë të dhëna të sakta dhe të besueshme për të korrat me një zgjidhje të përshtatshme kohore dhe hapësinore (Gebbers & Adamchuk, 2010; Gevaert et al., 2015; Maes & Steppe, 2019). Për këtë arsye, Agüera Vega et al. (2015) përdori një sistem sensor multispektral të montuar në UAV për të marrë imazhe të një kulture luledielli gjatë sezonit të rritjes. Në mënyrë të ngjashme, Huang et al. (2009) vini re se sensori në distancë i bazuar në UAV mund të lehtësojë matjen e të korrave dhe tokës nga të dhënat e mbledhura spektrale. Verger et al. (2014) zhvilloi dhe testoi një teknikë për vlerësimin e një indeksi të sipërfaqes së gjelbër (GAI) nga matjet e reflektimit të UAV-ve në aplikimet e bujqësisë precize, duke u fokusuar në kulturat e grurit dhe rapes. Prandaj, dronët ofrojnë mundësi të reja për marrjen e informacionit për gjendjen e të korrave me rivizita të shpeshta dhe rezolucion të lartë hapësinor (Dong et al., 2019; Garzonio et al., 2017; H. Zheng et al., 2016).
Grumbullimi i botimeve me ndikim mbi dronët bujqësore.
Grumbull | Tema e gjerë | Referencat |
1 | Monitorimi i mjedisit, kultura menaxhimi, menaxhimi i barërave të këqija | (Ad˜ ao et al., 2017; Agüera Vega et al., 2015; de Castro et al., 2018; Gomez-Cand 'on' et al., 2014; YB Huang et al., 2013; Khanal et al., 2017; Lopez-Granados, ´ 2011; Manfreda et al., 2018; P' adua et al., 2017; Pena ˜ et al., 2013; P´erez-Ortiz et al., 2015; Rasmussen et al., 2013, 2016; Torres-S' anchez et al., 2014; Torres-Sanchez, 'Lopez-Granados,' dhe Pena, ˜ 2015; Verger et al., 2014; Von Bueren et al., 2015; C. Zhang & Kovacs, 2012) |
2 | Fenotipi në distancë, rendimenti vlerësimi, modeli i sipërfaqes së të korrave, numërimi i bimëve | (Bendig et al., 2013, 2014; Geipel et al., 2014; Gnadinger ¨ & Schmidhalter, 2017; Haghighattalab et al., 2016; Holman et al., 2016; Jin et al., 2017; W. Li et al., 2016; Maimaitijiang et al., 2017; Sankaran et al., 2015; Schirrmann et al., 2016; Shi et al., 2016; Yue et al., 2017; X. Zhou et al., 2017) |
3 | Imazhe termike për ujin, imazhe multispektrale | (Baluja et al., 2012; Berni et al., 2009b; Berni et al., 2009a; Candiago et al., 2015; Gago etj., 2015; Gonzalez-Dugo et al., 2013, 2014; Grenzdorffer ¨ et al., 2008; Khaliq et al., 2019; Matese et al., 2015; Ribeiro-Gomes et al., 2017; Santesteban et al., 2017; Uto et al., 2013) |
4 | Imazhe hipersektrale, spektrale Imazhe | (Aasen et al., 2015a; Bareth et al., 2015; Hakala etj., 2013; Honkavaara et al., 2013a; Lucieer et al., 2014; Saari et al., 2011; Suomalainen et al., 2014) |
5 | Aplikacionet 3D-Mapping | (Jim'enez-Brenes et al., 2017; Nex & Remondino, 2014; Salamí et al., 2014; Torres-S' anchez, Lopez- ' Granados, Serrano, etj., 2015; Zahawi et al., 2015; Zarco-Tejada et al., 2014) |
6 | Mbikëqyrja e bujqësisë | (SR Herwitz et al., 2004; Hunt et al., 2010; CCD Lelong et al., 2008; Primicerio et al., 2012; Xiang & Tian, 2011) |
Për më tepër, dronët janë të dobishëm për detyra sfiduese në bujqësi, duke përfshirë hartën e barërave të këqija. Imazhet e kapura nga pajisjet kanë vërtetuar dobinë e tyre për zbulimin e hershëm të barërave të këqija në fusha (de Castro et al., 2018; Jim'enez-Brenes et al., 2017; Lam et al., 2021; Lopez-Granados ´ et al., 2016; Rozenberg et al., 2021). Në këtë drejtim, de Castro et al. (2018) pohojnë se bashkimi i imazheve UAV dhe Analiza e Imazheve të Bazuar në Objekte (OBIA) u ka mundësuar praktikuesve të kapërcejnë çështjen e automatizimit të zbulimit të hershëm në kulturat e livadheve të sezonit të hershëm, gjë që është një hap i madh përpara në kërkimin e barërave të këqija. Po kështu, Pena ˜ et al. (2013) theksojnë se përdorimi i imazheve me rezolucion hapësinor ultra të lartë nga UAV në lidhje me një procedurë OBIA bën të mundur gjenerimin e hartave të barërave të këqija në kulturat e hershme të misrit që mund të përdoren në planifikimin e zbatimit të masave të kontrollit të barërave të këqija në sezon. një detyrë përtej aftësisë së imazheve satelitore dhe tradicionale të ajrit. Krahasuar me klasifikimin e imazheve ose algoritmet e zbulimit të objekteve, teknikat e segmentimit semantik janë më efektive në detyrat e hartës së barërave të këqija (J. Deng et al., 2020), duke u mundësuar kështu fermerëve të zbulojnë kushtet e fushës, të zbusin humbjet dhe të përmirësojnë rendimentet gjatë gjithë sezonit në rritje (Ramesh et al., 2020). Semantimi semantik i bazuar në të mësuarit e thellë mund të sigurojë gjithashtu një matje të saktë të mbulesës së bimësisë nga imazhet ajrore me rezolucion të lartë (Ramesh et al., 2020; A. Zheng et al., 2022). Pavarësisht nga potenciali i tyre për të largët
Klasifikimi i pikselëve me sensorë, teknikat e segmentimit semantik kërkojnë llogaritje të konsiderueshme dhe një memorie GPU tepër të lartë (J. Deng et al., 2020).
Bazuar në mësimin e makinerive dhe UAV, P´erez-Ortiz et al. (2015) sugjeroi një qasje të hartës së barërave të këqija për të ofruar strategji specifike të kontrollit të barërave të këqija kur fermerët miratojnë kontrollin e barërave të këqija të hershme pas shfaqjes. Së fundi, Rasmussen et al. (2013) theksoi se dronët sigurojnë ndjeshmëri të lirë me fleksibilitet të madh rezolucioni hapësinor. Në përgjithësi, botimet në këtë grup fokusohen në eksplorimin e potencialeve të UAV-ve për të mbështetur sensorin në distancë, monitorimin e të korrave dhe hartën e barërave të këqija. Kërkohen kërkime shtesë të thelluara për të hetuar më tej se si aplikimet e dronëve në monitorimin mjedisor, menaxhimin e të korrave dhe hartën e barërave të këqija mund të arrijnë një bujqësi më të qëndrueshme (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J Su, Liu, et al., 2018) dhe trajtojnë çështjet e qeverisjes së kësaj teknologjie në aplikimet e sigurimit të të korrave (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). Studiuesit duhet të përqendrohen në vërtetimin e matjeve të mbledhura me UAV me teknika efikase të përpunimit për të përmirësuar cilësinë përfundimtare të të dhënave të përpunuara (Manfreda et al., 2018). Për më tepër, nevojitet zhvillimi i algoritmeve të përshtatshme që njohin pikselët që shfaqin barërat e këqija në imazhet dixhitale dhe eliminojnë sfondin e parëndësishëm gjatë hartës së barërave të këqija me UAV (Gaˇsparovi´c et al., 2020; Hamylton et al., 2020; H. Huang et al. , 2018, 2020; Lopez-' Granados et al., 2016). Hulumtimi shtesë mbi adoptimin e teknikave të segmentimit semantik në njohjen e bimëve, klasifikimin e gjetheve dhe hartimin e sëmundjeve është i mirëpritur (Fuentes-Pacheco et al., 2019; Kerkech et al., 2020).
Grupi 2. Publikimet në këtë grup u fokusuan në disa aspekte të dronëve bujqësore. Lidhur me fenotipizimin në distancë, Sankaran et al. (2015) rishikuan potencialin e përdorimit të imazheve ajrore në lartësi të ulët, me rezolucion të lartë me UAV për fenotipizimin e shpejtë të të korrave në terren, dhe ata argumentojnë se, në krahasim me platformat sensore me bazë tokësore, UAV-të e vegjël me sensorë adekuat ofrojnë disa avantazhe , të tilla si aksesi më i lehtë në terren, të dhënat me rezolucion të lartë, mbledhja efikase e të dhënave,
vlerësime të shpejta të kushteve të rritjes në terren dhe kosto të ulëta operacionale. Megjithatë, autorët vërejnë gjithashtu se aplikimi efektiv i UAV-së për fenotipizimin në terren mbështetet në dy elementë themelorë, përkatësisht, veçoritë e UAV-së (p.sh. siguria, stabiliteti, pozicionimi, autonomia) dhe karakteristikat e sensorit (p.sh. rezolucioni, pesha, gjatësitë e valëve spektrale, fusha. pikëpamje). Haghighattalab et al. (2016) propozoi një tubacion gjysmë të automatizuar të përpunimit të imazhit për të tërhequr të dhënat e nivelit të komplotit nga imazhet UAV dhe për të përshpejtuar procesin e shumimit. Holman et al. (2016) zhvilloi një nivel të lartë
Sistemi i fenotipizimit në terren të xhiros dhe theksoi se UAV-ja është në gjendje të mbledhë të dhëna fenotipike cilësore, voluminoze, të bazuara në terren dhe se pajisja është efektive për zona të mëdha dhe në vende të ndryshme në terren.
Duke qenë se vlerësimi i rendimentit është një informacion tepër jetik, veçanërisht kur janë të disponueshëm në kohë, ekziston një potencial që UAV-të të ofrojnë të gjitha matjet në terren dhe të marrin në mënyrë efikase të dhëna me cilësi të lartë (Daakir et al., 2017; Demir et al., 2018 ; Enciso et al., 2019; Kulbacki et al., 2018; Pudelko et al., 2012). Në këtë drejtim, Jin et al. (2017) përfitoi nga imazhet me rezolucion të lartë të marrë nga UAV-të në lartësi shumë të ulëta për të zhvilluar dhe vlerësuar një metodë për vlerësimin e densitetit të bimëve të grurit në fazën e shfaqjes. Sipas autorëve, UAV-të kapërcejnë kufizimet e sistemeve rover të pajisura me kamera dhe përfaqësojnë një metodë jo-invazive për të vlerësuar densitetin e bimëve në kultura, duke i lejuar fermerët të arrijnë xhiron e lartë të nevojshme për fenotipizimin e fushës, pavarësisht nga trafikueshmëria e tokës. Li et al. (2016) mblodhi qindra imazhe stereo me rezolucion jashtëzakonisht të lartë duke përdorur një sistem të bazuar në UAV për të vlerësuar parametrat e misrit, duke përfshirë lartësinë e tendës dhe biomasën mbi tokë. Së fundi, Yue et al. (2017) zbuloi se lartësia e të korrave e përcaktuar nga UAV-të mund të përmirësojë vlerësimin e biomasës mbitokësore (AGB).
Një qasje për të monitoruar rritjen e të korrave është ideja e zhvillimit të modeleve të sipërfaqes së të korrave (Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021). Disa studime theksuan mundësinë e imazheve të marra nga UAV për të kapur lartësinë e bimëve dhe për të monitoruar rritjen e tyre. Për shembull, Bendig et al. (2013) përshkroi zhvillimin e modeleve shumë-kohore të sipërfaqes së të korrave me një rezolucion shumë të lartë prej më pak se 0.05 m duke përdorur UAV. Ata synonin të zbulonin të korrat
ndryshueshmëria e rritjes dhe varësia e saj nga trajtimi i bimëve, kultivari dhe stresi. Bendig et al. (2014) përdori UAV-të për të vlerësuar biomasën e freskët dhe të thatë bazuar në lartësinë e bimëve të nxjerrë nga modelet e sipërfaqes së të korrave dhe zbuloi se, ndryshe nga platformat ajrore dhe skanimi me lazer tokësor, imazhet me rezolucion të lartë nga UAV-të mund të rrisin ndjeshëm saktësinë e modelimit të lartësisë së bimëve për rritje të ndryshme fazat. Në të njëjtën mënyrë, Geipel et al. (2014) përdorën UAV në kërkimin e tyre për të marrë imazhe
grupet e të dhënave për parashikimin e rendimentit të grurit të misrit në tre faza të ndryshme të rritjes nga fillimi deri në mes të sezonit dhe arritën në përfundimin se kombinimi i modelimit spektral dhe hapësinor bazuar në imazhet ajrore dhe modelet e sipërfaqes së bimëve është një metodë e përshtatshme për parashikimin e rendimentit të misrit në mes të sezonit. Së fundi, Gnadinger ¨ dhe Schmidhalter (2017) ekzaminuan dobinë e UAV në fenotipizimin e saktë dhe theksuan se përdorimi i kësaj teknologjie mund të përmirësojë menaxhimin e fermës dhe të mundësojë eksperimentimin në terren për qëllime mbarështimi dhe agronomike. Në përgjithësi, vërejmë se botimet në grupin 2 fokusohen në avantazhet kryesore të UAV-ve në distancë
fenotipizimi, vlerësimi i rendimentit, modelimi i sipërfaqes së të korrave dhe numërimi i bimëve. Studimet e ardhshme mund të gërmojnë më thellë duke zhvilluar metoda të reja për fenotipizimin në distancë që mund të automatizojnë dhe optimizojnë përpunimin e të dhënave të sensorit në distancë (Barabaschi et al., 2016; Liebisch et al., 2015; Mochida et al., 2015; S. Zhou et al. ., 2021). Për më tepër, performanca e sensorëve IoT të montuara në UAV dhe shkëmbimi midis kostos së tyre, punës dhe saktësisë së vlerësimit të rendimentit duhet të hulumtohen në
e ardhmja (Ju & Son, 2018a, 2018b; Xie & Yang, 2020; Yue et al., 2018). Në fund të fundit, ekziston nevoja për të zhvilluar metoda efikase të përpunimit të imazhit që mund të gjenerojnë informacion të besueshëm, të maksimizojnë efikasitetin në prodhimin bujqësor dhe të minimizojnë punën manuale të numërimit të fermerëve (RU Khan et al., 2021; Koh et al., 2021; Lin & Guo, 2020; C. Zhang et al., 2020).
Grupi 3. Publikimet në këtë grup diskutojnë llojet e ndryshme të sistemeve të imazhit për sensorin në distancë të burimeve bujqësore të përdorura në platformat UAV. Në këtë drejtim, imazhi termik lejon monitorimin e temperaturave të sipërfaqes për të parandaluar dëmtimin e të korrave dhe për të zbuluar herët stresin e thatësirës (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017; Yeom, 2021). Baluja etj. (2012) pohoi se përdorimi i kamerave multispektrale dhe termike në bord
UAV u mundësoi studiuesve të merrnin imazhe me rezolucion të lartë dhe të vlerësonin statusin e ujit të hardhisë. Kjo mund të jetë e dobishme për të zhvilluar modele të reja të planifikimit të ujit duke përdorur të dhëna të sensorit në distancë (Baluja et al., 2012). Për shkak të
kapaciteti i kufizuar i ngarkesës së UAV-ve, Ribeiro-Gomes et al. (2017) mori në konsideratë integrimin e kamerave termike të paftohura në UAV-të për të përcaktuar stresin e ujit në impiante, gjë që e bën këtë lloj UAV-sh më efikas dhe më të zbatueshëm sesa sensori tradicional në distancë me bazë satelitore dhe UAV-të e pajisur me kamera termike të ftohta. Sipas autorëve, kamerat termike të paftohura janë më të lehta se kamerat e ftohura, duke kërkuar kalibrimin e duhur. Gonzalez-Dugo etj. (2014) tregoi se imazhet termike gjenerojnë në mënyrë efektive hartat hapësinore të indekseve të stresit të ujit të bimëve për vlerësimin e statusit të ujit dhe përcaktimin sasior të stresit të ujit midis dhe brenda pemishteve të agrumeve. Gonzalez-Dugo etj. (2013) dhe Santesteban et al. (2017) hetoi përdorimin e imazheve termike UAV me rezolucion të lartë për të vlerësuar ndryshueshmërinë e statusit të ujit të një pemishte komerciale dhe një vresht.
Imazhi multispektral mund të sigurojë të dhëna masive në krahasim me imazhet tradicionale RGB (E kuqe, jeshile dhe blu) (Ad˜ ao et al., 2017; Navia et al., 2016). Këto të dhëna spektrale, së bashku me të dhënat hapësinore, mund të ndihmojnë në klasifikimin, hartëzimin, parashikimin, parashikimin dhe qëllimet e zbulimit (Berni et al., 2009b). Sipas Candiago et al. (2015), imazhet multispektrale të bazuara në UAV mund të kontribuojnë masivisht në vlerësimin e të korrave dhe bujqësinë e saktë si një burim i besueshëm dhe efikas. Gjithashtu,
Khaliq etj. (2019) bëri një krahasim midis imazheve multispektrale të bazuara në satelit dhe UAV. Imazhet e bazuara në UAV rezultuan të ishin më të sakta në përshkrimin e ndryshueshmërisë së vreshtit, si dhe hartat e fuqisë për paraqitjen e tendave të të korrave. Me pak fjalë, artikujt në këtë grup diskutojnë përfshirjen e sensorëve të imazhit termik dhe multispektral në UAV-të bujqësore. Prandaj, nevojiten më shumë kërkime për të kuptuar se si imazhet termike dhe multispektrale mund të integrohen me AI
teknika (p.sh., të mësuarit e thellë) për të zbuluar stresin e bimëve (Ampatzidis et al., 2020; Ampatzidis & Partel, 2019; Jung et al., 2021; Santesteban et al., 2017; Syeda et al., 2021). Vështrime të tilla do të ndihmojnë në sigurimin e zbulimit më efikas dhe të saktë, si dhe monitorimin e rritjes, stresit dhe fenologjisë së bimëve (Buters et al., 2019; Cao et al., 2020; Neupane & BaysalGurel, 2021; L. Zhou et al., 2020).
Grupi 4. Ky grup përbëhet nga shtatë punime që rrotullohen rreth rolit vendimtar të imazheve spektrale dhe imazheve hiperspektrale në mbështetjen e praktikave bujqësore. Imazhi hiperspektral është vendosur si një metodë e sensorit në distancë që mundëson vlerësimin sasior të sistemit të tokës (Schaepman et al., 2009). Për të qenë më të saktë, ai mundëson identifikimin e materialeve sipërfaqësore, përcaktimin sasior të përqendrimeve (relative) dhe caktimi i proporcioneve të përbërësve të sipërfaqes
brenda pikselëve të përzier (Kirsch et al., 2018; Zhao et al., 2022). Me fjalë të tjera, rezolucioni më i lartë spektral i ofruar nga sistemet hiperspektrale mundëson vlerësime më të sakta të parametrave të ndryshëm, siç janë vetitë vegjetariane ose përmbajtja e ujit të gjetheve (Suomalainen et al., 2014). Studiuesit në këtë grup hetuan aspekte të ndryshme të sistemeve të tilla. Ndër të tjera, Aasen et al. (2015b) ofroi një qasje unike për nxjerrjen e informacionit tredimensional hiperspektral nga pesha e lehtë
Kamerat fotografike të përdorura në UAV për monitorimin e vegjetacionit. Lucieer et al. (2014) diskutoi projektimin, zhvillimin dhe operacionet ajrore të një UAS të ri hiperspektral, si dhe kalibrimin, analizën dhe interpretimin e të dhënave të imazhit të mbledhura me të. Së fundi, Honkavaara et al. (2013b) zhvilloi një qasje gjithëpërfshirëse përpunimi për imazhet spektrale të bazuara në interferometër FabryPerot dhe tregoi përdorimin e saj në një procedurë të vlerësimit të biomasës për bujqësinë e saktë. Rrugët e mundshme të ardhshme për këtë grup aktual përfshijnë theksimin e nevojës për përmirësime teknike në teknologjitë e sensorëve (Aasen et al., 2015b) si dhe nevojën për përfshirjen dhe përmirësimin e teknologjive plotësuese, veçanërisht të dhënave të mëdha dhe analitikës (Ang & Seng, 2021; Radoglou -Grammatikis et al., 2020; Shakoor et al., 2019). Kjo e fundit rrjedh kryesisht nga të dhënat gjithnjë në rritje të gjeneruara nga sensorë të ndryshëm të zbatuar në bujqësinë inteligjente (C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021).
Grupi 5. Publikimet në këtë grup shqyrtonin aplikacionet 3Dmapping të bazuara në drone. Përdorimi i dronëve për hartimin 3D mund të lehtësojë punën komplekse në terren dhe të rrisë ndjeshëm efikasitetin (Torres-Sanchez ´ et al., 2015). Pesë artikujt në grup u fokusuan kryesisht në aplikimet e monitorimit të bimëve. Për shembull, për të marrë të dhëna tredimensionale rreth zonës së tendës, lartësisë së pemës dhe vëllimit të kurorës, Torres-Sanchez ´ et al. (2015) përdori teknologjinë UAV për të gjeneruar modele sipërfaqësore dixhitale dhe më pas qasjet e analizës së imazhit të bazuar në objekte (OBIA). Më tej, Zarco-Tejada et al. (2014) përcaktoi lartësinë e pemës duke integruar teknologjinë UAV dhe metodat tredimensionale të rindërtimit të fotografive. Jim´enez-Brenes Lopez-Granados, 'De Castro, etj. (2017) demonstroi një proces të ri për monitorimin shumëkohor, 3D të dhjetëra pemëve të ullirit duke integruar teknologjinë UAV me metodologjinë e përparuar OBIA. Rrugët interesante për punët e ardhshme në këtë grup përfshijnë ose përmirësimin e rrymës
metodologjitë (Zarco-Tejada et al., 2014) për qëllime të modelimit dixhital të sipërfaqes (Ajayi et al., 2017; Jaud et al., 2016), të tilla si OBIA (de Castro et al., 2018, 2020; Ventura et al. , 2018), dhe rindërtimin e fotografive ose zhvillimin e metodave të reja (Díaz-Varela et al., 2015; Torres-S´ anchez et al., 2015).
Grupi 6. Ky grup diskuton rolin e dronëve në mbikëqyrjen bujqësore. UAV-të mund të plotësojnë dhe kapërcejnë mangësitë e imazheve satelitore dhe të avionëve. Për shembull, ato mund të ofrojnë imazhe me rezolucion të lartë afër në kohë reale me më pak karburant ose sfida pilotuese, duke rezultuar në mbikëqyrje të vazhdueshme dhe në kohë reale dhe përmirësime në vendimmarrje (S. Herwitz et al., 2004). Një tjetër kontribut kyç i UAV-ve është aftësia e tyre për të ofruar të dhëna specifike të zonës për bujqësi precize ose bujqësi specifike të zonës pasi rezolucion i tyre i lartë, të dhëna të detajuara rreth parametrave të ndryshëm u mundësojnë fermerëve të ndajnë tokën në pjesë homogjene dhe t'i trajtojnë ato në përputhje me rrethanat (Hunt et al. , 2010; CC Lelong et al., 2008; Primicerio et al., 2012). Një mbikëqyrje e tillë bujqësore e bazuar në UAV mund të mbështesë monitorimin dhe vendimmarrjen e sigurisë ushqimore (SR Herwitz et al., 2004). Për të avancuar kërkimin në mbikëqyrjen bujqësore, nevojiten jo vetëm përmirësime në sensorë, UAV dhe teknologji të tjera të lidhura, si dhe metodat e tyre të komunikimit dhe transferimit të të dhënave (Ewing et al., 2020; Shuai et al., 2019), por edhe integrimi i dronëve me të ndryshme teknologjitë për optimizimin e detyrave të ndryshme në lidhje me bujqësinë inteligjente, si monitorimi, mbikëqyrja bujqësore dhe vendimmarrja, është një fushë kërkimore me potencial të lartë (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). Në këtë drejtim, IoT, WSN-të dhe të dhënat e mëdha ofrojnë aftësi interesante plotësuese (van der Merwe et al., 2020). Kostot e zbatimit, kursimet e kostos, efikasiteti i energjisë dhe siguria e të dhënave janë ndër fushat e nën-hulumtuara për një integrim të tillë (Masroor et al., 2021).
Vendet dhe institucionet akademike
Hapi i fundit përfshinte hetimin e vendit të origjinës dhe përkatësitë akademike të autorëve. Nëpërmjet kësaj analize, ne synojmë të kuptojmë më mirë shpërndarjen gjeografike të studiuesve që kontribuojnë në aplikimet e dronëve në bujqësi. Vlen të përmendet diversiteti i vendeve dhe institucioneve akademike. Nga këndvështrimi i vendit, SHBA, Kina, India dhe Italia renditen në krye të listës për sa i përket numrit të publikimeve (Tabela 7). E tanishmja
Hulumtimi mbi dronët bujqësorë është i përqendruar kryesisht në vendet e Amerikës së Veriut dhe Azisë, kryesisht për shkak të angazhimit të tyre të lartë në aplikimet bujqësore precize. Për shembull, në SHBA, tregu i dronëve bujqësore u vlerësua në 841.9 milion USD në vitin 2020, duke zënë afërsisht 30% të pjesës së tregut global (ReportLinker, 2021). E renditur si ekonomia më e madhe në botë, Kina parashikohet të arrijë një madhësi të përafërt tregu prej 2.6 miliardë dollarësh në vitin 2027. Ky vend po bën thirrje për dronët bujqësorë për të kapërcyer problemet e produktivitetit dhe për të arritur rendimente më të mira, lehtësim të punës dhe inpute më të vogla të prodhimit. Megjithatë, miratimi i teknologjisë në Kinë nxitet gjithashtu nga faktorë të tillë si madhësia e popullsisë dhe nevoja për të inovuar dhe përmirësuar praktikat ekzistuese të menaxhimit të të korrave.
Vendet dhe universitetet/organizatat kryesore më produktive që kontribuojnë në
kërkime të lidhura me dronët bujqësore.
Rank | vendet |
1 | SHBA |
2 | Kinë |
3 | Indi |
4 | Itali |
5 | Spanjë |
6 | Gjermani |
7 | Brazil |
8 | Australi |
9 | Japoni |
10 | Mbretëria e Bashkuar |
Rank | Universitete/Organizata |
1 | Akademia kineze e Shkencave |
2 | Ministria e Bujqësisë e Republikës Popullore të Kinës |
3 | Këshilli Superior i Hetimeve Shkencore |
4 | Universiteti A&M i Teksasit |
5 | Universiteti Bujqësor i Kinës |
6 | Shërbimi i Kërkimeve Bujqësore USDA |
7 | CSIC – Instituto de Agricultura Sostenible IAS |
8 | Universiteti Purdue |
9 | Këshilli Kombëtar i Kërkimit |
10 | Universiteti Bujqësor i Kinës së Jugut |
Nga pikëpamja universitare dhe organizative, Akademia Kineze e Shkencave kryeson listën për nga numri i botimeve, e ndjekur nga Ministria e Bujqësisë e Republikës Popullore të Kinës dhe Consejo Superior de Investigaciones Científicas. Akademia Kineze e Shkencave përfaqësohet nga autorët Liao Xiaohan dhe Li Jun; Han Wenting përfaqëson Ministrinë e Bujqësisë të Republikës Popullore të Kinës; dhe Consejo Superior de Investigaciones Científicas përfaqësohet nga Lopez-Granados, ´ F. dhe Pena, ˜ Jos´e María S. Nga SHBA, universitete si Universiteti A&M i Teksasit dhe Universiteti Purdue i gjejnë
përmend. Universitetet me numrin më të madh të publikimeve dhe lidhjet e tyre tregohen në Fig. 4. Për më tepër, kjo listë përfshin institucione të tilla si Consiglio Nazionale delle Ricerche dhe Consejo Superior de Investigaciones Científicas që janë aktive në kërkimin shkencor, por nuk janë institucione akademike .
Zgjedhja jonë përfshinte një shumëllojshmëri të gjerë revistash, duke përfshirë pothuajse të gjitha të dhënat e disponueshme. Siç tregohet në tabelën 8, Remote Sensing me 258 artikuj renditet në krye, e ndjekur nga Journal of Intelligent and Robotic Systems: Theory and Applications me 126 dhe Kompjutera dhe Elektronikë në Bujqësi me 98 artikuj. Ndërsa Remote Sensing është fokusuar kryesisht në aplikimin dhe zhvillimin e dronëve, Kompjuterët dhe Elektronika në Bujqësi mbulojnë kryesisht përparimet në harduerin kompjuterik, softuerin, elektronikën dhe sistemet e kontrollit në bujqësi. Mjetet e shitjes në të gjithë zonën, si IEEE Robotics and Automation Letters me 87 botime dhe IEEE Access me 34 botime, janë gjithashtu degë kryesore në këtë fushë. Pesëmbëdhjetë mediat kryesore kanë kontribuar në literaturë me 959 dokumente, që është afërsisht 20.40% e të gjitha botimeve. Një analizë e bashkëcitimit në ditar na mundëson të shqyrtojmë rëndësinë dhe ngjashmërinë midis botimeve. Analiza e bashkëcitimit jep tre grupime, siç tregohet në Fig. 5. Grupi i kuq përbëhet nga revista të tilla si Remote Sensing, Computer and Electronics in Agriculture, Sensors,
dhe Revista Ndërkombëtare e Zbulimit në Distanca. Të gjitha këto burime janë revista me reputacion të lartë në fushat e sensorëve në distancë dhe bujqësisë së saktësisë. Grupi i gjelbër përmban revista që merren me robotikë, të tilla si Journal of Intelligent and Robotic Systems: Theory and Applications, IEEE Robotics and Automation Letters, IEEE Access dhe Drones. Këto degë publikojnë kryesisht punime mbi automatizimin dhe janë të dobishme për inxhinierët bujqësorë. Grupi përfundimtar formohet nga revista që lidhen me agronominë dhe inxhinierinë bujqësore, si Agronomy dhe International Journal of Agricultural and Biological Engineering.
15 revistat më të mira në kërkimet bujqësore të lidhura me dronët.
Rank | Ditar | Numëroj |
1 | Ndjesia në distancë | 258 |
2 | Journal of Intelligent and Robotic Systems: Theory and Aplikime | 126 |
3 | Kompjutera dhe Elektronika në Bujqësi | 98 |
4 | IEEE Robotics and Automation Letters | 87 |
5 | Sensore | 73 |
6 | Revista Ndërkombëtare e Zbulimit në distancë | 42 |
7 | Bujqësia precize | 41 |
8 | drones | 40 |
9 | agronomi | 34 |
10 | Qasja IEEE | 34 |
11 | Revista Ndërkombëtare e Sistemeve të Avancuara Robotike | 31 |
12 | Revista Ndërkombëtare e Inxhinierisë Bujqësore dhe Biologjike | 25 |
13 | PLoS ONE | 25 |
14 | Journal of Field Robotics | 23 |
15 | Biosistemet Inxhinierike | 23 |
Përfundim
përmbledhje
Në këtë studim, ne përmbledhëm dhe analizuam kërkimet ekzistuese mbi dronët bujqësore. Duke aplikuar teknika të ndryshme bibliometrike, ne u përpoqëm të merrnim një kuptim më të mirë të strukturës intelektuale të kërkimeve bujqësore të lidhura me dronët. Si përmbledhje, rishikimi ynë ofron disa kontribute duke identifikuar dhe diskutuar fjalë kyçe në literaturë, duke zbuluar grupe njohurish ndërsa formojnë komunitete semantikisht të ngjashme në fushën e dronëve, duke përshkruar kërkimet e mëparshme dhe duke sugjeruar drejtime kërkimore në të ardhmen. Më poshtë, ne përshkruajmë gjetjet kryesore të rishikimit mbi zhvillimin e dronëve bujqësore:
• Literatura e përgjithshme është rritur me shpejtësi dhe ka tërhequr vëmendje të madhe gjatë dekadës së fundit, siç tregohet nga rritja e numrit të artikujve pas vitit 2012. Edhe pse kjo fushë njohurish ende nuk ka arritur pjekurinë e saj të plotë (Barrientos et al., 2011; Maes & Steppe, 2019), disa pyetje janë ende pa përgjigje. Për shembull, dobia e dronëve në bujqësinë e brendshme është ende e hapur për debat (Aslan et al., 2022; Krul et al., 2021; Rold´an et al., 2015). Kompleksiteti i skenave në terren dhe rrethanat e ndryshme të imazhit (p.sh., hijet dhe ndriçimi) mund të rezultojë në një variancë më të lartë spektrale brenda klasës (Yao et al., 2019). Edhe në fazat e mëvonshme të kërkimit, studiuesit janë sfiduar të përcaktojnë planet optimale të fluturimit sipas skenarëve të veçantë dhe cilësisë së kërkuar të imazhit (Soares et al., 2021; Tu et al.,
2020).
• Vëmë re se fusha ka përparuar nga zhvillimi i sistemeve efikase UAV në përfshirjen e teknikave të AI, të tilla si mësimi i makinerive dhe mësimi i thellë në hartimin e dronëve bujqësore (Bah et al., 2018; Kitano et al., 2019; Maimaitijiang et al. , 2020; Mazzia et al., 2020; Tetila et al., 2020).
• Kërkimet mbi dronët bujqësorë diskutuan kryesisht sensorin në distancë duke eksploruar potencialet e teknologjisë në monitorimin mjedisor, menaxhimin e të korrave dhe menaxhimin e barërave të këqija (grupi 1) si dhe fenotipizimin në distancë dhe vlerësimin e rendimentit (grupi 2). Një grup studimesh me ndikim mbi dronët bujqësore përfshijnë Austin (2010), Berni et al. (2009)a, Herwitz et al. (2004), Nex dhe Remondino (2014) dhe Zhang dhe Kovacs (2012). Këto studime zhvilluan bazën konceptuale të kërkimit të lidhur me dronët në kontekstin e bujqësisë.
• Në lidhje me metodologjinë, ne vumë re se shumica e kërkimeve të bëra deri më tani ishin të përbëra nga dizajni i sistemit, konceptuale ose studime të bazuara në rishikim (Inoue, 2020; Nex & Remondino, 2014; P´erez-Ortiz et al. , 2015; Yao et al., 2019). Vërejmë gjithashtu mungesën e metodave empirike, cilësore dhe të bazuara në raste studimore në hetimin e dronëve bujqësore.
• Kohët e fundit, temat që lidhen me bujqësinë precize, teknikat e AI, vreshtarinë precize dhe vlerësimin e stresit të ujit kanë tërhequr vëmendje të konsiderueshme (Espinoza et al., 2017; Gomez-Cand 'on ' et al., 2016; Matese et al., 2015; Matese & Di Gennaro, 2018, 2021; Z. Zhou et al., 2021). Ekzaminimi i kujdesshëm i grupeve kërkimore në dy periudha të veçanta, 1990–2010 dhe 2011–2021, zbulon përparimin e strukturës intelektuale të fushës. Periudha nga viti 1990 deri në vitin 2010 përbënte ndërtimin e nocioneve qendrore dhe koncepteve të dronëve, gjë që është e dukshme nga diskutimi i projektimit, zhvillimit dhe zbatimit të UAV-ve. Në epokën e dytë, fokusi i kërkimit zgjerohet në studimet e mëparshme, duke bërë një përpjekje për të sintetizuar rastet e përdorimit të UAV-ve në bujqësi. Ne gjetëm gjithashtu studime të shumta që diskutojnë aplikimet e dronëve në detyrat e imazhit dhe bujqësinë e saktë.
Rank | Ditar | Numëroj |
1 | Ndjesia në distancë | 258 |
2 | Journal of Intelligent and Robotic Systems: Theory and | 126 |
Aplikime | ||
3 | Kompjutera dhe Elektronika në Bujqësi | 98 |
4 | IEEE Robotics and Automation Letters | 87 |
5 | Sensore | 73 |
6 | Revista Ndërkombëtare e Zbulimit në distancë | 42 |
7 | Bujqësia precize | 41 |
8 | drones | 40 |
9 | agronomi | 34 |
10 | Qasja IEEE | 34 |
11 | Revista Ndërkombëtare e Sistemeve të Avancuara Robotike | 31 |
12 | Revista Ndërkombëtare e Inxhinierisë Bujqësore dhe Biologjike | 25 |
13 | PLoS ONE | 25 |
14 | Journal of Field Robotics | 23 |
15 | Biosistemet Inxhinierike | 22 |
Implikimet
Rishikimi ynë bibliometrik u hartua dhe u krye duke pasur parasysh studiues, fermerë, ekspertë bujqësorë, konsulentë të bimëve dhe projektues të sistemit UAV. Sipas njohurive më të mira të autorëve, ky është një nga rishikimet e para origjinale që ka ndërmarrë një analizë të thellë bibliometrike të
aplikimet e dronëve në bujqësi. Ne kemi kryer një rishikim gjithëpërfshirës të këtij organi të njohurive, duke përdorur analiza të citimeve dhe bashkëcitimeve të botimeve. Përpjekjet tona për të përshkruar strukturën intelektuale të kërkimit me dron ofrojnë gjithashtu njohuri të reja për akademikët. Një rishikim i kujdesshëm i fjalëve kyçe të përdorura me kalimin e kohës zbulon pikat e nxehta dhe fushat kryesore të kërkimit në literaturën e lidhur me dronët. Për më tepër, ne paraqesim një listë të studimeve më të cituara për të identifikuar punët kërkimore më me ndikim të përfunduar në këtë fushë. Për rrjedhojë, identifikimi i artikujve dhe fjalëve kyçe mund të sigurojë një pikënisje solide për të zbuluar disa rrugë për studime të ardhshme.
Më e rëndësishmja, ne zbuluam grupe që klasifikojnë punime të krahasueshme dhe shtjelluam rezultatet. Studimet e klasifikuara në grupe ndihmojnë në kuptimin e strukturës intelektuale të kërkimit për UAV. Veçanërisht, ne zbuluam një mungesë studimesh që hetojnë faktorët e adoptimit të dronëve
dhe barrierat në aktivitetet bujqësore (shih Tabelën 9). Studiuesit e ardhshëm mund të adresojnë këtë boshllëk të mundshëm duke kryer hetime empirike që vlerësojnë faktorët e adoptimit të dronëve në aktivitete të ndryshme bujqësore dhe kushte klimatike. Për më tepër, hulumtimi i bazuar në studime rasti në lidhje me efektivitetin e dronëve duhet të mbështetet me të dhëna reale nga terreni. Gjithashtu, përfshirja e fermerëve dhe menaxherëve në kërkimin akademik do të ishte e dobishme si për avancimin teorik ashtu edhe atë praktik të kërkimit me dron. Ne ishim gjithashtu në gjendje të identifikonim kërkuesit më të shquar dhe kontributin e tyre, gjë që është e vlefshme sepse ndërgjegjësimi për punët e fundit thelbësore mund të ofrojë disa udhëzime për përpjekjet e ardhshme akademike.
Tabela 9
Barrierat e adoptimit të UAV-ve.
Pengesë | Përshkrim |
Data e sigurisë | Siguria kibernetike është një sfidë e madhe për zbatim Zgjidhjet e IoT (Masroor et al., 2021). |
Ndërveprueshmëria dhe integrim | Teknologji të ndryshme si UAV, WSN, IoT etj. duhet të integrohen dhe të transmetojnë të dhëna të cilat rrisin nivelin e kompleksitetit (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). |
Kostot e zbatimit | Ky është veçanërisht rasti për fermerët e vegjël dhe për duke integruar teknologji të ndryshme të fundit ( Masroor et al., 2021). |
Njohuritë e punës dhe ekspertizë | Për të operuar UAV-të nevojiten pilotë të aftë të dronëve. Gjithashtu, duke zbatuar të ndryshme të fundit teknologjitë kërkojnë punëtorë të kualifikuar (YB Huang et al., 2013; Tsouros et al., 2019). |
Fuqia e motorit dhe fluturimi kohëzgjatje | Dronët nuk mund të operohen për orë të gjata dhe të mbulohen zona të mëdha (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Stabiliteti, besueshmëria dhe manovrueshmëria | Dronët nuk janë të qëndrueshëm gjatë kushteve të këqija të motit (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Kufizimet e ngarkesës dhe cilësia e sensorëve | Vetëm dronët mund të mbajnë ngarkesa të kufizuara aftësia për të ngarkuar sensorë me cilësi më të ulët (Nebiker et al., 2008). |
Rregullim | Duke qenë se dronët mund të jenë gjithashtu të rrezikshëm, ka edhe të rënda rregulloret në disa fusha (Hardin & Jensen, 2011; Laliberte & Rango, 2011). |
Njohuritë e fermerëve dhe interes | Si teknologjitë e tjera të fundit, dronët zbatimi i suksesshëm kërkon ekspertizë dhe gjithashtu shoqëruar me pasiguri (Fisher et al., 2009; Lambert et al., 2004; Stafford, 2000). |
Meqenëse ekziston një nevojë e vazhdueshme për të përdorur me efikasitet burimet e disponueshme për të maksimizuar rendimentet, fermerët mund të përfitojnë nga dronët për të siguruar skanim të shpejtë, të saktë dhe me kosto efektive të fushave të tyre. Teknologjia mund të mbështesë fermerët që të përcaktojnë gjendjen e të korrave të tyre dhe të vlerësojnë statusin e ujit, fazën e pjekjes, infektimin e insekteve dhe nevojat ushqyese. Aftësitë e telekomandimit të dronëve mund t'u ofrojnë fermerëve të dhëna thelbësore për të parashikuar problemet në një fazë të hershme dhe për të bërë menjëherë ndërhyrjet e duhura. Megjithatë, përfitimet e teknologjisë mund të realizohen vetëm nëse sfidat trajtohen siç duhet. Në dritën e
problemet aktuale në lidhje me sigurinë e të dhënave, çështjet e teknologjisë së sensorëve (p.sh., besueshmëria ose saktësia e matjeve), kompleksiteti i integrimit dhe kostot e konsiderueshme të zbatimit, studimet e ardhshme duhet të shqyrtojnë gjithashtu fizibilitetin teknik, ekonomik dhe operacional të integrimit të dronëve bujqësorë dhe prerjeve të tjera. teknologjitë e skajshme.
Kufizimet
Studimi ynë ka disa kufizime. Së pari, gjetjet përcaktohen nga botimet e përzgjedhura për analizën përfundimtare. Është sfiduese për të kapur të gjitha studimet përkatëse në lidhje me dronët bujqësore, veçanërisht ato që nuk janë të indeksuar në bazën e të dhënave Scopus. Më tej, procesi i mbledhjes së të dhënave është i kufizuar në vendosjen e fjalëve kyçe të kërkimit, të cilat mund të mos jenë gjithëpërfshirëse dhe të çojnë në gjetje jo përfundimtare. Kështu, studimet e ardhshme duhet t'i kushtojnë më shumë vëmendje çështjes themelore të mbledhjes së të dhënave
përfundime më të besueshme. Një kufizim tjetër ka të bëjë me botimet e reja me një numër të ulët citatesh. Analiza bibliometrike është e njëanshme ndaj botimeve të mëparshme pasi ato priren të marrin më shumë citate me kalimin e viteve. Studimet e fundit kanë nevojë për një kohë të caktuar për të tërhequr vëmendjen dhe për të grumbulluar citate. Rrjedhimisht, studimet e fundit që sjellin një ndryshim paradigme nuk do të renditeshin në dhjetë veprat kryesore me ndikim. Ky kufizim është i përhapur në ekzaminimin e fushave kërkimore me zhvillim të shpejtë si dronët bujqësore. Ndërsa jemi konsultuar me Scopus për të studiuar literaturën për këtë punë, studiuesit e ardhshëm mund të konsiderojnë të ndryshme
bazat e të dhënave, të tilla si Web of Science dhe IEEE Xplore, për të zgjeruar horizontin dhe për të përmirësuar strukturën e kërkimit.
Studimet e mundshme bibliometrike mund të marrin në konsideratë burime të tjera jetike të njohurive si punimet e konferencave, kapitujt dhe librat për të gjeneruar njohuri të reja. Pavarësisht hartës dhe hetimit të publikimeve globale mbi dronët bujqësore, gjetjet tona nuk zbuluan arsyet e rezultateve shkencore të universiteteve. Kjo hap rrugën për një fushë të re kërkimi në shpjegimin cilësor përse disa universitete janë më produktive se të tjerët kur bëhet fjalë për kërkimin rreth bujqësisë.
dronët. Përveç kësaj, studimet e ardhshme mund të ofrojnë njohuri mbi potencialin e dronëve për të rritur qëndrueshmërinë e bujqësisë në disa mënyra si monitorimi mjedisor, menaxhimi i të korrave dhe harta e barërave të këqija siç tregohet nga disa studiues (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018b). Meqenëse analiza tekstuale nuk ishte e mundur për shkak të numrit të madh të punimeve të përzgjedhura, ekziston nevoja për rishikime sistematike të literaturës që shqyrtojnë
metodat e përdorura të kërkimit dhe përfshirja e fermerëve në studimet e mëparshme. Shkurtimisht, analiza jonë e kërkimit me dron ekspozon lidhjet e padukshme të këtij trupi njohurish. Prandaj, ky rishikim ndihmon në zbulimin e marrëdhënieve ndërmjet publikimeve dhe eksploron strukturën intelektuale të fushës së kërkimit. Ai përshkruan gjithashtu lidhjet midis aspekteve të ndryshme të literaturës, si fjalët kyçe të autorëve, përkatësitë dhe vendet.
Deklarata e Interesit Konkurrues
Autorët deklarojnë se ata nuk kanë njohur interesa financiare konkurruese ose marrëdhënie personale që mund të duket se ndikojnë në punën e raportuar në këtë punim.
Shtojca 1
TITLE-ABS-KEY (((dron* OSE "mjet ajror pa pilot" OSE uav* OSE "sistemi i avionëve pa pilot” OSE uas OSE “aeroplanë të pilotuar në distancë”) DHE (bujqësi OSE bujqësi OSE bujqësi OSE fermer))) DHE (PERJASHTIM (PUBYEAR, 2022)) DHE (LIMIT-TO (GJUHË, "Anglisht")).
Referencat
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. Gjenerimi i informacionit hiperspektral 3D me kamera fotografike me peshë të lehtë UAV për monitorimin e vegjetacionit: nga
Kalibrimi i kamerës për sigurimin e cilësisë. ISPRS J. Fotogram. Remote Sens. 108, 245–259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005. Zhvillimi i algoritmit të njohjes së modelit për zbulimin automatik të shpendëve nga imazhet e mjeteve ajrore pa pilot.
Anketa. Land Inform. Shkencë. 65 (1), 37–45.
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021. Rrjetet e sensorëve pa tela në bujqësi: vështrime nga analiza bibliometrike. Qëndrueshmëria 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M., Vlerësimi i metodave të ndryshme për zbulimin e hijeve në imazhet optike me rezolucion të lartë dhe vlerësimi i ndikimit të hijes në llogaritje e NDVI, dhe evapotranspirimi. Ujitja. Shkencë. 37 (3), 407–429. https://doi.org/10.1007/s00271-018-0613-9.
Adao, ˜ T., Hruˇska, J., Padova, ´ L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. Imazhi hiperspektral: një përmbledhje mbi sensorët e bazuar në UAV, të dhënat përpunimi dhe
aplikimet për bujqësi dhe pylltari. Remote Sensing 9 (11). https://doi.org/ 10.3390/rs9111110.
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Imazhe shumë-kohore duke përdorur një mjet ajror pa pilot për monitorimin e një kulture luledielli. Biosist. Ing.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. Gjenerimi i modeleve të sakta dixhitale të lartësisë nga UAV fitoi imazhe të mbivendosura me përqindje të ulët. Int.
J. Remote Sens. 38 (8–10), 3113–3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Ali, I., Greifeneder, F., Stamenkovic, J., Neumann, M., Notarnicola, C., 2015. Rishikimi i qasjeve të mësimit të makinerive për marrjen e biomasës dhe lagështisë së tokës nga të dhënat e sensorit në distancë. Remote Sensing 7 (12), 16398–16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M., Internet i gjelbër i gjërave që përdorin UAV-të në rrjetet B5G: Një përmbledhje e aplikacioneve
dhe strategjive. Ad. Hoc. Netw. 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Al-Thani, N., Albuainain, A., Alnaimi, F., Zorba, N., 2020. Drones for Sheep Livestock Monitoring. Në: Konferenca e 20-të IEEE Mediterranean Electrotechnical. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. Fenotipi i xhiros së lartë të bazuar në UAV në agrume duke përdorur imazhe multispektrale dhe inteligjencë artificiale. Remote Sensing 11 (4), https://doi.org/10.3390/rs11040410.
Ampatzidis, Y., Partel, V., Costa, L., 2020. Agroview: Aplikim i bazuar në renë kompjuterike për të përpunuar, analizuar dhe vizualizuar të dhënat e mbledhura nga UAV-të për aplikime të sakta bujqësore që përdorin inteligjencën artificiale. Kompjuter. Elektroni. bujqësore. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. Të dhënat e mëdha dhe mësimi i makinerive me informacion hiperspektral në bujqësi. IEEE Access 9, 36699–36718. https://doi.org/10.1109/
QASJE.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. Review: precision Livestock Farming teknologjitë në sistemet blegtorale të bazuara në kullota. Animal 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, ´ D., Mejia-Aguirre, C., Trendet në teknologjitë e avancuara të informacionit dhe komunikimit për
përmirësimi i produktivitetit bujqësor: një analizë bibliometrike. Agronomia 10 (12), Neni 12. https://doi.org/10.3390/agronomy10121989.
Armstrong, I., Pirrone-Brusse, M., Smith, A., Jadud, M., 2011. Gatori fluturues: drejt robotikës ajrore në occam-π. Komuna. Arkitekt i procesit. 2011, 329–340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. Struktura intelektuale e hulumtimit të sjelljes ankimore të konsumatorëve (CCB): Një analizë bibliometrike. J. Business Res. 122, 60-74.
Aslan, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022.
Një studim gjithëpërfshirës i studimeve të fundit me UAV për bujqësi precize në fusha të hapura dhe serra. Aplikim Shkencë. 12 (3), 1047. https://doi.org/10.3390/
app12031047.
Atkinson, JA, Jackson, RJ, Bentley, AR, Ober, E., & Wells, DM (2018). Fenotipi në terren për të ardhmen. Në Annual Plant Reviews online (fq. 719–736). Gjoni
Wiley & Sons, Ltd. doi: 10.1002/9781119312994.apr0651.
Austin, R., 2010. Sistemet e avionëve pa pilot: Projektimi, zhvillimi dhe vendosja e UAVS. Në: Sistemet e avionëve pa pilot: Projektimi, zhvillimi i UAVS dhe
Vendosja. John Wiley dhe Sons. 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. Ndjeshmëria në distancë e bazuar në UAV në stresin e bimëve imagjinoni përdorimin e sensorit termik me rezolucion të lartë për praktikat dixhitale të bujqësisë: një meta-rishikim. Int. J. Mjedisi. Shkencë. Teknol. https://doi.
org/10.1007/s13762-021-03801-5.
Bacco, M., Berton, A., Ferro, E., Gennaro, C., Gotta, A., Matteoli, S., Paonesa, F., Ruggeri, M., Virone, G., Zanella, A., 2018. Bujqësia e zgjuar: Mundësitë, sfidat
dhe mundësuesit e teknologjisë. 2018 IoT Vertical dhe. Samiti Tematik mbi Bujqësinë -Toskanë (IOT Toscana) 1–6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. Mësimi i thellë me etiketim të pambikëqyrur të të dhënave për zbulimin e barërave të këqija në kulturat e linjës në imazhet UAV. Remote Sensing 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Baldi, S., 1998. Proceset normative kundrejt konstruktivizmit social në alokimin e citimeve: një model rrjet-analitik. Jam. sociol. Rev. 63 (6), 829–846. https://doi.
org/10.2307/2657504.
Baluja, J., Diago, MP, Balda, P., Zorer, R., Meggio, F., Morales, F., Tardaguila, J., 2012. Vlerësimi i ndryshueshmërisë së statusit të ujit të vreshtave nga termike dhe multispektrale
imazhe duke përdorur një mjet ajror pa pilot (UAV). Ujitja. Shkencë. 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., Mbarështimi i gjeneratës së ardhshme. Bimore Sci. 242, 3–13. https://doi.org/10.1016/j.
bimëtci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. Perspektiva mbi përdorimin e sistemeve ajrore pa pilot për monitorimin e bagëtive. 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. Hiperspektral me peshë të ulët dhe me bazë UAV kamera me kornizë të plotë
për monitorimin e kulturave: Krahasimi spektral me matjet e spektroradiometrave portativë. Photogrammetrie, Fernerkundung, Gjeoinformacion 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., Zbulimi në distancë ajrore në bujqësi: Një qasje praktike ndaj mbulimit të zonës
dhe planifikimi i rrugës për flotat e mini robotëve ajror. 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. Një studim mbi aplikimin e algoritmeve të planifikimit të rrugës për UAV-të me shumë rotor në saktësi
bujqësia. J. Navig. 75 (2), 364–383.
Basnet, B., Bang, J., 2018. Gjendja e artit të bujqësisë me njohuri intensive: një përmbledhje mbi sistemet e ndjeshme të aplikuara dhe analitikën e të dhënave. J. Sens. 2018, 1–13.
Bendig, J., Bolten, A., Bareth, G., 2013. Imazhe të bazuara në UAV për modele të sipërfaqes së të korrave shumëkohore, me rezolucion shumë të lartë për të monitoruar ndryshueshmërinë e rritjes së të korrave. Photogrammetrie, Fernerkundung, Gjeoinformacion 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. Vlerësimi i biomasës së elbit duke përdorur modele të sipërfaqes së kulture (CSMs) që rrjedhin nga imazhet RGB të bazuara në UAV. Remote Sensing 6 (11), 10395–10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. Kombinimi i lartësisë së bimës me bazë UAV nga sipërfaqja e kulture modele,
indekset e vegjetacionit të dukshëm dhe afër infra të kuqe për monitorimin e biomasës në elb. Int. J. Appl. Toka 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. Hartimi i përçueshmërisë së tendës dhe CWSI në kopshtet e ullirit duke përdorur rezolucion të lartë
imazhe termike me sensorë në distancë. Mjedisi me sensorë në distancë. 113 (11), 2380–2388. https://doi.org/10.1016/j.rse.2009.06.018.
Berni, JA, Zarco-Tejada, PJ, Suarez, ´ L., Fereres, E., 2009b. Ndjeshmëri me telekomandë termike dhe me brez të ngushtë multispektral për monitorimin e vegjetacionit nga një mjet ajror pa pilot. IEEE Trans. Gjeosci. Remote Sens. 47 (3), 722–738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. Interneti i Gjërave në sigurinë e ushqimit: Rishikimi i literaturës dhe një analizë bibliometrike. Trendet Food Sci. Teknol. 94,54-64. https://doi.org/10.1016/j.tifs.2019.11.002.
Brewster, C., Roussaki, I., Kalatzis, N., Doolin, K., Ellis, K., 2017. IoT në agriculture: Dizenjimi i një pilot në shkallë të gjerë në mbarë Evropën. IEEE Komuni. Mag. 55 (9), 26–33.
Buters, TM, Belton, D., Cross, AT, 2019. Gjurmimi me UAV me shumë sensorë i fidanëve individualë dhe komuniteteve të fidanëve me saktësi milimetrike. Dronët 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. Vlerësimi i imazheve multispektrale dhe indekseve të vegjetacionit për aplikime bujqësore precize nga imazhet UAV. Remote Sensing 7 (4), 4026–4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. Monitorimi i treguesve të rritjes së panxharit të sheqerit duke përdorur indeksin e vegjetacionit me rreze të gjerë dinamike (WDRVI) që rrjedh nga UAV
imazhe multispektrale. Kompjuter. Elektroni. bujqësore. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. Evolucioni i strukturës intelektuale të literaturës së biznesit familjar: një studim bibliometrik i FBR. Family Business 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. Monitorimi dinamik i biomasës së orizit nën
trajtime të ndryshme me azot duke përdorur një UAV të lehtë me kamera të dyfishta fotografish me kornizë imazhi. Metodat e bimëve 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418-8.
Chamuah, A., Singh, R., 2019. Sigurimi i qëndrueshmërisë në bujqësinë indiane përmes UAV-ve civile: një perspektivë e përgjegjshme inovacioni. SN Appl. Shkencë. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. Qeverisja përgjegjëse e inovacioneve të mjeteve ajrore civile pa pilot (UAV) për aplikimet e sigurimit të të korrave indiane. J. Përgjegjës
Teknol. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen, A., Orlov-Levin, V., Meron, M., 2019. Aplikimi i imazhit ajror me kanal të dukshëm me rezolucion të lartë të tendës së të korrave për menaxhimin e ujitjes me saktësi. bujqësore. Uji
Drejtues. 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. UAV i lehtë me fotogrametri në bord dhe pozicionim GPS me frekuencë të vetme për aplikimet e metrologjisë. ISPRS J. Fotogram. Remote Sens. 127, 115–126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Platforma IoT e bazuar në Blockchain për menaxhimin e operacioneve autonome të dronëve. Në: Procedurat e 2nd ACM
Punëtoria e MobiCom mbi komunikimet me valë të asistuara nga drone për 5G dhe më gjerë, f. 31–36. https://doi.org/10.1145/3414045.3415939.
Day, RA, Gastel, B., 1998. Si të shkruhet dhe publikohet një punim shkencor. Cambridge University Press. de Castro, AI, Pena, ˜ JM, Torres-Sanchez, ´ J., Jim'enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´ F., 2020. Infektimi i cinodonit të daktilonit mbulojnë të korrat me një procedurë automatike të vendimit pemë-OBIA dhe imazhe UAV për vreshtarinë precize. Remote Sensing 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. Një algoritëm automatik i rastësishëm pyll-OBIA për hartëzimi i hershëm i barërave të këqija midis dhe brenda rreshtave të të korrave duke përdorur imazhe UAV. Remote Sensing 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018. Matja e automatizuar e lartësisë së bimëve të gjenotipeve të grurit duke përdorur një DSM që rrjedh nga imazhet UAV. Procedura 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020. Rrjet segmentimi semantik i lehtë për hartimin e barërave të këqija në kohë reale duke përdorur mjete ajrore pa pilot. Aplikim Shkencë. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. Ndjeshmëria në distancë multispektrale e bazuar në UAV për bujqësinë e saktë: një krahasim midis kamerave të ndryshme. ISPRS J. Fotogram. Remote Sens. 146, 124–136.
Diaz-Gonzalez, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022. Teknikat e mësimit të makinerisë dhe sensorit në distancë të aplikuara për të vlerësuar treguesit e tokës – rishikim. Ekol. Ind. 135, 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Díaz-Varela, RA, De la Rosa, R., Leon, ´ L., Zarco-Tejada, PJ, 2015. Imazhe me UAV me rezolucion të lartë për të vlerësuar parametrat e kurorës së pemës së ullirit duke përdorur foto 3D
rindërtimi: aplikimi në provat e mbarështimit. Remote Sensing 7 (4), 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. Menaxhimi i kapacitetit të aeroportit: një përmbledhje dhe analizë bibliometrike. J. Air Transp. Drejtues. 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.
Përdorimi i imazheve RapidEye për të identifikuar ndryshueshmërinë brenda fushës së rritjes dhe rendimentit të të korrave në Ontario, Kanada. Precision Agric. 20 (6), 1231–1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. Aplikimi i dronëve bujqësore dhe iot për të kuptuar zinxhirin e furnizimit me ushqim gjatë post COVID-19. Në: Choudhury, A., Biswas, A., Prateek, M.,
Chakrabarti, A. (Eds.), Informatika bujqësore: Automatizimi duke përdorur IoT dhe Mësimi i Makinerisë. Wiley, fq. 67–87. van Eck, N., Waltman, L., 2009. Sondazhi i softuerit: VOSviewer, një program kompjuterik për hartëzimin bibliometrik. 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. Një përmbledhje e Internetit të Gjërave (IoT) dhe analitikës së të dhënave në bujqësi: përfitimet dhe sfidat.
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. Validimi i agronomisë UAV dhe fushë
matjet për varietetet e domates. Kompjuter. Elektroni. bujqësore. 158, 278–283. https:// doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. Vlerësimi i stresit të ujit me rezolucion të lartë multispektral dhe termik me sensorë në distancë me bazë në
hardhitë e ujitura nëntokësore. Remote Sensing 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Përdorimi i sensorit në distancë hiperspektrale për gradimin e tokës. Remote Sensing 12 (20), 3312. ttps://doi.org/10.3390/
rs12203312.
Fawcett, D., Panigada, C., Tagliabue, G., Boschetti, M., Celesti, M., Evdokimov, A., Biriukova, K., Colombo, R., Miglietta, F., Rascher, U., Anderson, K., 2020. Vlerësimi në shkallë të gjerë i reflektimit të sipërfaqes multispektrale të bazuar në dron dhe indekseve të vegjetacionit në kushte operative. Sensimi në distancë 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. Studimi i teknologjive të komunikimit pa tel në Internetin e Gjërave për bujqësinë e saktë. Pers pa tela. Komuna. 108 (3),
1785-1802.
Ferreira, MP, Pinto, CF, Serra, FR, 2014. Teoria e kostove të transaksionit në kërkimin ndërkombëtar të biznesit: një studim bibliometrik për tre dekada. 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. Përparimet në bujqësinë e saktësisë në Australinë juglindore. I. një metodologji regresioni për të simuluar
variacionet hapësinore në rendimentet e drithërave duke përdorur rendimentet historike të fermerëve të paddokut dhe indeksin e normalizuar të diferencës së vegjetacionit. Crop Pasture Sci. 60 (9), 844–858.
Floreano, D., Wood, RJ, 2015. Shkenca, teknologjia dhe e ardhmja e dronëve të vegjël autonome. Natyra 521 (7553), 460–466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. Interneti i gjërave për të ardhmen e bujqësisë së zgjuar: një studim gjithëpërfshirës i teknologjive në zhvillim. 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. Segmentimi i bimëve të fikut nga imazhet ajrore duke përdorur një rrjet të thellë enkoder-dekoder konvolucional. Remote Sensing 11 (10), 1157. https://doi.org/10.3390/rs11101157.
Gago, J., Douthe, C., Coopman, RE, Gallego, PP, Ribas-Carbo, M., Flexas, J., Escalona, J., Medrano, H., 2015. Sfida e UAV-ve për të vlerësuar stresin e ujit për
bujqësia e qëndrueshme. bujqësore. Menaxhmenti i Ujit. 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. Imazhe termike në fabrikë
niveli për të vlerësuar statusin e ujit të bimëve në bajamet (cv. Guara) sipas strategjive deficitare të ujitjes. bujqësore. Menaxhmenti i Ujit. 208, 176–186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. Matjet e reflektimit të sipërfaqes dhe të spektroskopisë së fluoreshencës të shkaktuar nga dielli duke përdorur një UAS të vogël hiperspektrale. Remote Sensing 9 (5), 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. Një metodë automatike për
Harta e barërave të këqija në fushat e tërshërës bazuar në imazhet UAV. Kompjuter. Elektroni. bujqësore.
Gebbers, R., Adamchuk, VI, 2010. Bujqësia e saktë dhe siguria ushqimore. Science 327 (5967), 828–831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. Modelimi i kombinuar spektral dhe hapësinor i rendimentit të misrit bazuar në imazhet ajrore dhe modelet e sipërfaqes së të korrave të marra me një sistem avioni pa pilot. Remote Sensing 6 (11), 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. Dizajni i qëndrueshëm për përdoruesit: një rishikim i literaturës dhe analiza bibliometrike. Mjedisi. Shkencë. Ndotja. Res. 27 (24), 29824–29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Gjenerimi i sipërfaqeve të përgjigjes spektrale kohore duke kombinuar satelitin multispektral dhe hiperspektral
Imazhe UAV për aplikime precize në bujqësi. IEEE J. Sel. Top. Aplikim Toka Obs. Remote Sens. 8 (6), 3140–3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. Bujqësia e bazuar në IoT si një re dhe shërbim i madh i të dhënave: fillimi i Indisë dixhitale. J. Org. dhe llogaritja e përdoruesit përfundimtar. (JOEUC) 29 (4),
1-23.
Gmür, M., 2006. Analiza e bashkëcitimit dhe kërkimi i kolegjeve të padukshme: një vlerësim metodologjik. Scientometrics 57 (1), 27–57. https://doi.org/10.1023/
a:1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Numërimi dixhital i bimëve të misrit nga mjete ajrore pa pilot (UAV). Zbulimi në distancë 9 (6). Https://doi.org/10.3390/rs9060544.
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. Një mjet ajror pa pilot me krahë rrotullues për mbikëqyrjen e barërave të këqija ujore dhe
menaxhimi. J. Intel. Sist. Robotik: Teor. Aplikim 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. Vlerësimi i saktësisë së mozaikëve nga imazhet e mjeteve ajrore pa pilot (UAV) për qëllime bujqësore precize në grurë. E saktë. bujqësore. 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. Fenotipi në terren i stresit të ujit në shkallën e pemëve nga imazhet e ndjeshme nga UAV : njohuri të reja për
përvetësimi dhe kalibrimi termik. E saktë. bujqësore. 17 (6), 786–800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. Zbatueshmëria dhe kufizimet e përdorimit të indeksit të stresit ujor të bimëve si një tregues i mungesës së ujit në pemishtet e agrumeve. bujqësore. Për. 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. Përdorimi i imazheve termike UAV me rezolucion të lartë për të
vlerësoni ndryshueshmërinë në statusin e ujit të pesë llojeve të pemëve frutore brenda një pemishte komerciale. E saktë. bujqësore. 14 (6), 660–678. https://doi.org/10.1007/s11119-013-9322-9.
Goyal, K., Kumar, S., 2021. Literacy Financial: Një rishikim sistematik dhe analizë bibliometrike. Int. J. Studimet e Konsumatorit 45 (1), 80–105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. Potenciali fotogrametrik i uav-ve me kosto të ulët në pylltari dhe bujqësi. Arkivat Ndërkombëtare të Fotogrametrisë, Remote Sensing dhe Shkencave të Informacionit Hapësinor – ISPRS Arkivat 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. Vlerësimi i korrelacionit me rezolucion të lartë
NDVI me nivelin e aplikimit të plehrave dhe rendimentin e të korrave të orizit dhe grurit duke përdorur UAV të vegjël. Zbulimi në distancë 11 (2), 112.
Gundolf, K., Filser, M., 2013. Kërkimi i menaxhimit dhe feja: një analizë citimi. J. Autobus. Etika 112 (1), 177–185.
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. Simulimi CFD dhe verifikimi eksperimental i hapësirës dhe shpërndarjet kohore të
fluksi i ajrit të poshtëm të një UAV bujqësor me katër rotor në fluturim. Kompjuter. Elektroni. bujqësore. 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. , Poloni, J., 2016.
Aplikimi i sistemeve ajrore pa pilot për fenotipizimin e xhiros së lartë të fidanishteve të mëdha të mbarështimit të grurit. Metodat e bimëve 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. Imazhe spektrale nga UAV-të nën kushte të ndryshme ndriçimi . Në GG Bill R. (Ed.), Arkivat Ndërkombëtare të Fotogrametrisë, Remote Sensing dhe Spatial Information Sciences—Archives ISPRS (Vol. 40, Issue 1W2, f. 189–194). Shoqëria Ndërkombëtare për Fotogrametrinë dhe Remote Sensing. https://www.scopus.com/inward/record.uri?eid=2-s2.0-848875632.
Hamylton, SM, Morris, RH, Carvalho, RC, Roder, N., Barlow, P., Mills, K., Wang, L. Vlerësimi i teknikave për hartëzimin e bimësisë së ishullit nga ajri pa pilot
Imazhet e automjeteve (UAV): Klasifikimi i pikselëve, interpretimi vizual dhe qasjet e mësimit të makinerive. Int. J. Appl. Toka Obs. Geoinf. 89, 102085 https://doi.org/
10.1016/j.jag.2020.102085.
Haque, A., Islam, N., Samrat, NH, Dey, S., Ray, B., 2021. Bujqësia e zgjuar përmes udhëheqjes së përgjegjshme në Bangladesh: mundësitë, mundësitë dhe më gjerë.
Qëndrueshmëria 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. Automjetet e pilotuara nga distanca në shkallë të vogël në kërkimin mjedisor. Kompasi i Gjeografisë 4 (9), 1297–1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin, PJ, Jensen, RR, 2011. Mjetet ajrore pa pilot në shkallë të vogël në sensorin e largët mjedisor: sfidat dhe mundësitë. GISci. Remote Sens. 48 (1), 99–111. https://doi.org/10.2747/1548-1603.48.1.99.
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Agricultural Internet of Things: technology and applications, (1st ed. 2021 edition). 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.
Imazhe nga një mjet ajror pa pilot: mbikëqyrje bujqësore dhe mbështetje për vendimet. Kompjuter. Elektroni. bujqësore. 44 (1), 49–61. https://doi.org/10.1016/j.
kompag.2004.02.006.
Holman, FH, Riche, AB, Michalski, A., Castle, M., Wooster, MJ, Hawkesford, MJ, Fenotipizim në terren me xhiro të larta të lartësisë së bimës së grurit dhe shkallës së rritjes në provat e parcelave në terren duke përdorur sensorin në distancë të bazuar në UAV. Remote Sensing 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. Përpunimi dhe vlerësimi i imazheve spektrometrike, stereoskopike të mbledhura duke përdorur një kamerë spektrale të lehtë UAV për bujqësi precize. Remote Sensing 5 (10), 5006–5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. Shërbimet e internetit të gjërave të bazuara në mjete ajrore pa pilot në lartësi të ulët: sondazh gjithëpërfshirës dhe perspektiva të ardhshme. 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. Lundrimi i kombinuar me rrjedhje optike dhe stereo i kanioneve urbane për një UAV. Në: 2005 IEEE/RSJ
Konferenca Ndërkombëtare për Robotët dhe Sistemet Inteligjente, f. 3309–3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. Një platformë krijuese bujqësore IoT për llogaritjen e mjegullës në re. Qëndroni. Kompjuter. Inf. Sist. 28, 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. Një rrjet plotësisht konvolucionar për hartën e barërave të këqija të mjetit ajror pa pilot ( UAV) imazhe. PLoS ONE 13 (4), e0196302.
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020. Të mësuarit e thellë kundrejt analizës së imazhit të bazuar në objekte (OBIA) në hartën e barërave të këqija të imazheve UAV. Int. J.
Remote Sens. 41 (9), 3446–3479. https://doi.org/10.1080/01431161.2019.1706112.
Huang, H., Yang, A., Tang, Y., Zhuang, J., Hou, C., Tan, Z., Dananjayan, S., He, Y., Guo, Q., Luo, S., 2021. Kalibrim i thellë i ngjyrave për imazhet UAV në monitorimin e të korrave
duke përdorur transferimin e stilit semantik me vëmendje lokale në globale. Int. J. Appl. Toka Obs. Geoinf. 104, 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. Zhvillimi dhe perspektiva e teknologjive të mjeteve ajrore pa pilot për prodhimin bujqësor
menaxhimi. Int. J. Agric. Biol. Ing. 6 (3), 1–10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. Zhvillimi i një sistemi spërkatës për një platformë mjeti ajror pa pilot. Aplikim Ing. bujqësore. 25 (6), 803–809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. Blerja e fotografive dixhitale NIR-gjelbër-blu nga
aeroplanë pa pilot për monitorimin e të korrave. Remote Sensing 2 (1), 290–305. https://doi. org/10.3390/rs2010290. Inoue, Y., 2020. Ndjeshmëria në distancë e bazuar në satelit dhe dron të të lashtave dhe dherave për bujqësi të zgjuar – një përmbledhje. Toka Sci. Bimore 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. Një përmbledhje e aplikacioneve dhe teknologjive të komunikimit për Internetin e Gjërave (IoT) dhe
Bujqësi inteligjente e qëndrueshme e bazuar në mjete ajrore pa pilot (UAV). Sustainability 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. Vlerësimi i saktësisë së modeleve të sipërfaqeve dixhitale me rezolucion të lartë të llogaritur nga
PhotoScan® dhe MicMac® në kushte jo-optimale të sondazhit. Remote Sensing 8 (6), https://doi.org/10.3390/rs8060465.
Jim´enez-Brenes, FM, Lopez-Granados, ´ F., Castro, AI, Torres-S´ anchez, J., Serrano, N., Pena, ˜ JM, 2017. Kuantifikimi i ndikimeve të krasitjes në arkitekturën e pemëve të ullirit dhe vjetore Rritja e tendës duke përdorur modelimin 3D të bazuar në UAV. Metodat e bimëve 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. Vlerësimet e densitetit të bimëve të kulturave të grurit në dalje nga imazhet UAV në lartësi shumë të ulët. Sensat në distancë.
Mjedisi. 198, 105–114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. Sistemi i monitorimit të produkteve bujqësore i mbështetur nga kompjuteri cloud. Cluster Comput. 22 (4), 8929–8938.
Ju, C., & Son, HI 2018a. Vlerësimi i performancës së sistemeve të shumta UAV për sensorin në distancë në bujqësi. Procedurat e Punëtorisë mbi Vizionin Robotik dhe Veprimin në Bujqësi në Konferencën Ndërkombëtare të IEEE mbi Robotikën dhe Automatizimin (ICRA), Brisbane, Australi, 21–26.
Ju, C., Son, HI, 2018b. Sisteme të shumta UAV për aplikime bujqësore: kontrolli, zbatimi dhe vlerësimi. Elektronikë 7 (9), 162. https://doi.org/10.3390/
elektronikë7090162.
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021. Potenciali i sensorit në distancë dhe inteligjencës artificiale si mjete për të përmirësuar
elasticiteti i sistemeve të prodhimit bujqësor. Curr. Opinion. Bioteknol. 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. Një teknikë e përmirësuar e zbulimit të të korrave që përfshin imazhet multispektrale të kulturave të asistuara nga mjetet ajrore pa pilot në praktikën konvencionale të zbulimit për plagën e kërcellit të gomës në shalqi. Bimore Dis. 103 (7), 1642–1650.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. Përparimet në kërkimin e mediave sociale: e kaluara, e tashmja dhe e ardhmja. Informoni. Sist. Përpara. 20
(3), 531-558.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: rrjeti i zbulimit të sëmundjes së hardhisë bazuar në imazhet multispektrale dhe hartën e thellësisë. Remote Sensing 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. Krahasimi i imazheve multispektrale të bazuara në satelit dhe UAV për vreshtin
vlerësimi i ndryshueshmërisë. Remote Sensing 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-blockchain mundësoi një sistem të optimizuar të origjinës për industrinë ushqimore 4.0 duke përdorur të mësuarit e thellë të avancuar. Sensorët 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. Zbulimi i bazuar në imazhe i sëmundjeve të bimëve: nga mësimi klasik i makinerisë në udhëtimin e të mësuarit të thellë. Wireless Commun. Kompjuter celular. 2021, 1–13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. Një kornizë e re gjysmë e mbikëqyrur për klasifikimin e kulturave/barërave të këqija të bazuara në UAV. PLoS ONE 16 (5), e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. Një përmbledhje e aplikimeve aktuale dhe të mundshme të sensorit termik në distancë në bujqësinë e saktë. Kompjuter. Elektroni.
bujqësore. 139, 22–32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna, A., Kaur, S., 2019. Evolucioni i Internetit të Gjërave (IoT) dhe ndikimi i tij domethënës në fushën e Bujqësisë Precize. Kompjuter. Elektroni. bujqësore. 157, 218–231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. Angazhimi i punonjësve për organizata të qëndrueshme: analiza e fjalëve kyçe duke përdorur analizën e rrjeteve sociale dhe shpërthim
qasja e zbulimit. Qëndrueshmëria 8 (7), 631.
Kirsch, M., Lorenz, S., Zimmermann, R., Tusa, L., Mockel, ¨ R., Hodl, ¨ P., Booysen, R., Khodadadzadeh, M., Gloaguen, R., 2018. Integrimi të tokës dhe të dronit
metodat e ndjeshmërisë hiperspektrale dhe fotogrametrike për hartimin e eksplorimit dhe monitorimin e minierave. Remote Sensing 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. Numërimi i bimëve të misrit duke përdorur imazhe të mësimit të thellë dhe UAV. IEEE Geosci. Remote Sens. Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. Mësimi i automatizuar i makinerisë për fenotipizimin e bimëve të bazuara në imazhe me performancë të lartë. Remote Sensing 13 (5), 858. https://
doi.org/10.3390/rs13050858.
Kovalev, IV, Voroshilova, AA, 2020. Tendencat moderne teknologjike në zhvillimin e ekosistemit të UAV-ve të ngarkesave. J. Phys. Konf. Ser. 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Visual SLAM për blegtorinë e brendshme dhe bujqësinë duke përdorur një dron të vogël me një kamerë monokulare: një studim fizibiliteti.
Drones 5 (2), 41. https://doi.org/10.3390/drones5020041.
Kulbacki, M., Segen, J., Knie´c, W., Klempous, R., Kluwak, K., Nikodem, J., Kulbacka, J., Serester, A., 2018. Anketa e dronëve për automatizimin e bujqësisë nga mbjellja në
korrjes. Në: INES 2018 – IEEE 22nd International Conference on Intelligent Engineering Systems, fq 000353–358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. Pamjet dhe sfidat e kornizës së UAV IoT: drejt mbrojtjes së dronëve si "Gjëra". Sensorët 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. Procedurat e përpunimit dhe klasifikimit të imazhit për analizën e imazheve nën-decimetër të marra me një avion pa pilot mbi të thatë
vargmalet. GISci. Remote Sens. 48 (1), 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. Mjetet ajrore pa pilot për hartën dhe monitorimin e zonave: një krahasim i dy sistemeve. Procedurat e Konferencës Vjetore të ASPRS.
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. Një rrjedhë pune me burim të hapur për hartën e barërave të këqija në livadhet vendase
duke përdorur mjetin ajror pa pilot: Përdorimi i Rumex obtusifolius si një rast studimi. euro. J.Remote Sens. 54 (sup1), 71–88. https://doi.org/10.1080/22797254.2020.1793687.
Lambert, DM, Lowenberg-DeBoer, J., Griffin, TW, Peone, J., Payne, T., Daberkow, SG, 2004. Adoptimi, përfitimi dhe përdorimi më i mirë i të dhënave bujqësore precize.
Letër pune. Universiteti Purdue. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb´e, S., Baret, F., 2008. Vlerësimi i imazheve të mjeteve ajrore pa pilot për monitorimin sasior të kulturave të grurit në parcela të vogla. Sensorët 8 (5), 3557–3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. Dizajni i bujqësisë së zgjuar bazuar në të dhëna të mëdha dhe internetin e gjërave. Int. J. Distrib. Sens. Netw. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Li, W., Niu, Z., Chen, H., Li, D., Wu, M., Zhao, W., 2016. Vlerësimi në distancë i lartësisë së tendës dhe biomasës mbitokësore të misrit duke përdorur imazhe stereo me rezolucion të lartë nga një sistem mjetesh ajrore pa pilot me kosto të ulët. Ekol. Ind. 67, 637–648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. Mësimi i makinerisë në bujqësi: një përmbledhje. Sensorët 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. Fenotipizimi në distancë, ajror i tipareve të misrit me një qasje të lëvizshme me shumë sensorë. Metodat e bimëve 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin, Z., Guo, W., 2020. Zbulimi dhe numërimi i panikulit të melekuqes duke përdorur imazhe të sistemit ajror pa pilot dhe të mësuarit e thellë. Përpara. Bimore Sci. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Sistemi i monitorimit të Internetit të Gjërave të eko-bujqësisë moderne bazuar në kompjuterin cloud. IEEE Access 7, 37050–37058.
Lopez-Granados, ´ F., 2011. Zbulimi i barërave të këqija për menaxhimin e barërave të këqija për vendndodhjen specifike: hartimi dhe qasjet në kohë reale. Weed Res. 51 (1), 1–11. https://doi.org/10.1111/j.1365-3180.2010.00829.x.
Lopez-Granados, 'F., Torres-Sanchez, ' J., De Castro, A.-I., Serrano-P'erez, A., MesasCarrascosa, F.-J., Pena, ˜ J.-M. , 2016. Monitorimi i hershëm i bazuar në objekte i një bari të keq në një kulture bari duke përdorur imazhe UAV me rezolucion të lartë. Agron. Qëndroni. Zhvilluesi 36 (4), 1–12
Lopez-Granados, 'F., Torres-S' anchez, J., Serrano-P'erez, A., de Castro, AI, MesasCarrascosa, F.-J., Pena, ˜ J.-M., 2016. Harta e barërave të këqija të sezonit të hershëm në luledielli duke përdorur teknologjinë UAV: ndryshueshmëria e hartave të trajtimit të herbicideve kundër pragjeve të barërave të këqija. E saktë. bujqësore. 17 (2), 183–199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS – spektroskopia e imazhit nga një sistem avioni pa pilot me multirotor. 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. Skanimi me lazer tokësor i kulturat bujqësore. Në JJ
Chen J. Maas H–G. (Ed.), Arkivat Ndërkombëtare të Fotogrametrisë, Shkencat e Remote Sensing dhe Spatial Information Sciences—Archives ISPRS (Vol. 37, fq. 563–566).
Shoqëria Ndërkombëtare për Fotogrametrinë dhe Remote Sensing. 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. Një përmbledhje e klasifikimit të imazhit të mbulesës së tokës të bazuar në objekte të mbikëqyrura. ISPRS J. Fotogram. Remote Sens. 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. Perspektiva për sensorin në distancë me mjete ajrore pa pilot në bujqësinë e saktësisë. Trendet Plant Sci. 24 (2), 152–164. https://doi.org/10.1016/j.tplants.2018.11.007.
Maimaitijiang, M., Ghulam, A., Sidike, P., Hartling, S., Maimaitiyiming, M., Peterson, K., Shavers, E., Fishman, J., Peterson, J., Kadam, S., Burken, J., Fritschi, F., 2017.
Fenotipizimi i sojës i bazuar në sistemin ajror pa pilot (UAS) duke përdorur bashkimin e të dhënave me shumë sensorë dhe makineri ekstreme të të mësuarit. ISPRS J. Fotogram. Remote Sens. 134, 43–58. https://doi.org/10.1016/j.isprsjprs.2017.10.011. Maimaitijiang, M., Sagan, V., Sidike, P., Daloye, AM, Erkbol, H., Fritschi, FB, 2020.
Monitorimi i të korrave duke përdorur bashkimin e të dhënave satelitore/UAV dhe mësimin e makinerive. Remote Sensing 12 (9), 1357. https://doi.org/10.3390/rs12091357.
Manfreda, S., McCabe, M., Miller, P., Lucas, R., Pajuelo Madrigal, V., Mallinis, G., Ben Dor, E., Helman, D., Estes, L., Ciraolo, G. ., Müllerova, ' J., Tauro, F., de Lima, M., de
Lima, J., Maltese, A., Frances, F., Caylor, K., Kohv, M., Perks, M., Ruiz-P´erez, G., Su, Z., Vico, G., Toth , B., 2018. Për përdorimin e sistemeve ajrore pa pilot për
monitorimi i mjedisit. Zbulimi në distancë 10 (4), 641.
Marinko, RA, 1998. Citime në disertacione në revistat e studimeve të grave, 1989 dhe The Serials Librarian 35 (1–2), 29–44. https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021. Menaxhimi i burimeve në rrjetet pa tela të asistuara nga UAV: një perspektivë optimizimi. Rrjeti Ad Hoc. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. Aplikime praktike të një platforme UAV me shumë sensorë të bazuar në imazhe me rezolucion të lartë multispektrale, termike dhe RGB në saktësi
vreshtaria. Bujqësia 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. Përtej indeksit tradicional NDVI si një faktor kyç për të përhapur përdorimin e UAV në vreshtarinë me precizion. Shkencë. 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 Ndërkrahasimi i UAV-ve, avionëve
dhe platforma satelitore të ndijimit në distancë për vreshtarinë precize. Remote Sensing 7 (3), 2971–2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. Përsosja e bazuar në UAV dhe mësimi i makinës i një indeksi të vegjetacionit të drejtuar nga sateliti për saktësi
bujqësia. Sensorët 20 (9), 2530. https://doi.org/10.3390/s20092530.
McCain, KW, 1990. Hartimi i autorëve në hapësirën intelektuale: një pasqyrë teknike. J. Am. Soc. Informacion. Shkencë. 41 (6), 433–443.
Meinen, BU, Robinson, DT, 2021. Modelimi i erozionit bujqësor: vlerësimi i vlerësimeve të erozionit në shkallë të fushës USLE dhe WEPP duke përdorur të dhënat e serive kohore të UAV. Mjedisi. Modell. Software 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville, B., Lucieer, A., Aryal, J., 2019. Klasifikimi i komuniteteve vendase të livadheve të ultësirës duke përdorur imazhet hiperspektrale të Sistemit të Avionëve Pa pilot (UAS) në
Tokat e mesme të Tasmanisë. Dronët 3 (1), 5.
Messina, G., Modica, G., 2020. Aplikimet e imazheve termike UAV në bujqësinë e saktë: gjendja e artit dhe këndvështrimi i kërkimit në të ardhmen. Remote Sensing 12 (9), https://doi.org/10.3390/rs12091491.
Mishra, D., Luo, Z., Jiang, S., Papadopoulos, T., Dubey, R., 2017. Një studim bibliografik mbi të dhënat e mëdha: konceptet, tendencat dhe sfidat. Menaxheri i Procesit të Biznesit. J. 23 (3),
555-573.
Mochida, K., Saisho, D., Hirayama, T., 2015. Përmirësimi i të korrave duke përdorur grupet e të dhënave të ciklit jetësor të marra në kushte fushore. Përpara. Bimore Sci. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. Rishikim mbi aplikimin e sistemeve me dron në bujqësi precize. Procedia Comput. Shkencë. 133, 502–509.
Moharana, S., Dutta, S., 2016. Ndryshueshmëria hapësinore e përmbajtjes së klorofilit dhe azotit të orizit nga imazhet hiperspektrale. ISPRS J. Fotogram. Remote Sens. 122, 17–29.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat, A.,
Nillaor, P., 2019. IoT dhe analiza e të dhënave bujqësore për fermën inteligjente. Kompjuter. Elektroni. bujqësore. 156, 467–474.
Nansen, C., Elliott, N., 2016. Ndjeshmëria në distancë dhe profilizimi i reflektimit në entomologji. Annu. Rev. Entomol. 61 (1), 139–158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia, J., Mondragon, I., Patino, D., Kolorado, J., 2016. Harta multispektrale në bujqësi: mozaik terreni duke përdorur një UAV me katërkopter autonom. Int. Konf.
Sistemi i avionëve pa pilot. (ICUAS) 2016, 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. Interneti i gjërave me drone (Iodt): parashikimi i ardhshëm i dronëve inteligjentë. Adv. Intell. Sist. Kompjuter. 1045, 563–580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. Një sensor multispektral me peshë të lehtë për mikro UAV-mundësi për sensorë në distancë me rezolucion shumë të lartë në ajër. Int. Arch. Fotogram. Remote Sens. Inf. Sci 37 (B1), 1193–1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Aplikacionet në zhvillim të UAV në bujqësi. Në: 2019 Konferenca e 7-të Ndërkombëtare për Teknologjinë e Inteligjencës së Robotëve dhe
Aplikacionet (RiTA), fq. 254–257. https://doi.org/10.1109/RITAPP.2019.8932853.
Nerur, SP, Rasheed, AA, Natarajan, V., 2008. Struktura intelektuale e fushës së menaxhimit strategjik: një analizë e bashkëcitimit të autorit. Strategjia. Drejtues. J. 29 (3),
319-336.
Neupane, K., Baysal-Gurel, F., 2021. Identifikimi dhe monitorimi automatik i sëmundjeve të bimëve duke përdorur mjete ajrore pa pilot: një përmbledhje. Remote Sensing 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. UAV për aplikacionet e hartës 3D: një përmbledhje. Aplikim Gjeomatika 6 (1), 1–15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Vlerësimi i avullimit të avullimit me UAV të vogla në bujqësi me saktësi. Sensorët 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. Bibliometria, Citation Analysis and Co-Citation Analysis. 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. UAS, sensorë dhe përpunimi i të dhënave në agropylltari: një rishikim drejt aplikimeve praktike. Int. J. Remote Sens. 38 (8–10), 2349–2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, SHBA, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. Një përmbledhje mbi zgjidhjet e të dhënave të bazuara në drone për kulturat e drithërave. Dronët 4 (3), 1–29. https://doi.org/10.3390/
drone4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. Vlerësimi i përmbajtjes së vajit dhe proteinave të farave të susamit duke përdorur përpunimin e imazhit dhe rrjetin nervor artificial. J. Am. Vaj
Shoqëruesi i kimistëve. 97 (7), 691–702.
Pena, ˜ JM, Torres-S´anchez, J., de Castro, AI, Kelly, M., Lopez-Granados, ´ F., Suarez, O., Harta e barërave të këqija në fushat e misrit të sezonit të hershëm duke përdorur analizën e bazuar në objekte e
Imazhet e mjeteve ajrore pa pilot (UAV). 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. Një sistem gjysmë i mbikëqyrur për hartëzimin e barërave të këqija në kulturat e lulediellit duke përdorur mjete ajrore pa pilot dhe një metodë për zbulimin e rreshtave të të korrave. Aplikim Llogaritja e butë. J. 37, 533–544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. Pajisjet IoT me kosto efektive si burime të besueshme të dhënash për një sistem të menaxhimit të ujit të bazuar në zinxhir në bujqësi të saktë. Kompjuter. Elektroni. bujqësore. 180, 105889.
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. Sistemi i avancuar UAV–WSN për monitorimin inteligjent në bujqësinë e saktë. Sensorët 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Aplikimet e Blockchain në zinxhirët e furnizimit, transportin dhe logjistikën: një përmbledhje sistematike e literaturës. Int. J. Prod. Res. 58 (7), 2063–2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. Një mjet ajror fleksibël pa pilot për bujqësi precize.
E saktë. bujqësore. 13 (4), 517–523. https://doi.org/10.1007/s11119-012-9257-6.
Pritchard, A., 1969. Bibliografia statistikore ose bibliometria. J. Dokument. 25 (4), 348–349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. Përshtatshmëria e një mjeti ajror pa pilot (UAV) për vlerësimin e fushave eksperimentale dhe të korrave. Bujqësia 99 (4), 431–436.
Puri, V., Nayyar, A., Raja, L., 2017. Dronët e bujqësisë: një zbulim modern në bujqësinë e saktë. J. Statis. Drejtues. Sist. 20 (4), 507–518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. Një përmbledhje e aplikacioneve UAV për bujqësinë e saktësisë. Kompjuter. Netw. 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Aplikimi i analitikës së të dhënave të mëdha dhe inteligjencës artificiale në kërkimin agronomik. Indian J. Agron. 65 (4), 383–395.
Raparelli, E., Bajocco, S., 2019. Një analizë bibliometrike mbi përdorimin e mjeteve ajrore pa pilot në studimet bujqësore dhe pyjore. Int. J. Remote Sens. 40 (24),
9070–9083. https://doi.org/10.1080/01431161.2019.1569793.
Rasmussen, J., Nielsen, J., Garcia-Ruiz, F., Christensen, S., Streibig, JC, Lotz, B., 2013.
Përdorimet e mundshme të sistemeve të avionëve të vegjël pa pilot (UAS) në kërkimin e barërave të këqija. Weed Res. 53 (4), 242–248.
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., A janë indekset e vegjetacionit që rrjedhin nga kamerat e nivelit të konsumatorit të montuara në
UAV-të mjaftueshëm të besueshëm për vlerësimin e parcelave eksperimentale? euro. J. Agron. 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. Dixhitalizimi në zinxhirët e furnizimit ushqimor: një rishikim bibliometrik dhe rruga kryesore e rrugës kryesore
analiza. Qëndrueshmëria 14 (1), 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a. Dronët për menaxhimin dhe logjistikën e zinxhirit të furnizimit: një axhendë rishikimi dhe kërkimi. Int. J. Logist. Res. Aplikim
1–24. https://doi.org/10.1080/13675567.2021.1981273.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021b. Teknologjitë e Blockchain në logjistikën dhe menaxhimin e zinxhirit të furnizimit: një përmbledhje bibliometrike. Logjistika 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021c. Dronët humanitar: një axhendë rishikimi dhe kërkimi. Interneti i Gjërave 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb, A., Treiblmaier, H., Rejeb, K., Zailani, S., 2021d. Hulumtimi i Blockchain në kujdesin shëndetësor: një përmbledhje bibliometrike dhe tendencat aktuale të kërkimit. J. of Data, Inf. dhe
Drejtues. 3 (2), 109–124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Hulumtimi i Internetit të Gjërave në menaxhimin e zinxhirit të furnizimit dhe logjistikën: një analizë bibliometrike. Internet
i gjërave 12, 100318.
ReportLinker, 2021. Tregu global i dronëve të bujqësisë do të arrijë 15.2 miliardë dollarë amerikanë në vit GlobeNewswire Newswire Room. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- Viti-2027.html.
Ribeiro-Gomes, K., Hernandez-L ´ opez, ´ D., Ortega, JF, Ballesteros, R., Poblete, T.,Moreno, MA, 2017. Kalibrimi i kamerave termike të paftohura dhe optimizimi i
procesi i fotogrametrisë për aplikimet UAV në bujqësi. Sensorë (Zvicër) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. Përparimet në kërkimin e mikpritjes: "Nga Rodney Dangerfield në Aretha Franklin". Int. J. Contempor. Spitali. Drejtues. 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. Sistemi ndijor i bazuar në mini-UAV për matjen e ndryshoreve mjedisore në serra. Sensorët 15 (2), 3334–3350. https://doi.org/10.3390/s150203334.
Rozenberg, G., Kent, R., Blank, L., 2021. UAV i shkallës së konsumatorit i përdorur për zbulimin dhe analizimin e modeleve të shpërndarjes hapësinore të barërave të këqija në sezonin e vonë në fushat komerciale të qepëve. E saktë. bujqësore. 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. Pa pilot Sistemi i kamerave spektrale i operuar me mjete ajrore (UAV) për aplikime në pyje dhe bujqësi. Vazhdoni. SPIE – Int. Soc. Zgjedh. Ing. 8174 https://doi.org/10.1117/12.897585.
Sah, B., Gupta, R., Bani-Hani, D., 2021. Analiza e barrierave për zbatimin e logjistikës së dronëve. Int. J. Logist. Res. Aplikim 24 (6), 531–550. https://doi.org/10.1080/
13675567.2020.1782862.
Saha, AK, Saha, J., Ray, R., Sircar, S., Dutta, S., Chattopadhyay, SP, & Saha, HN, dron i bazuar në IOT për përmirësimin e cilësisë së të korrave në fushën bujqësore. Në SH
N. Chakrabarti S. (Ed.), 2018 IEEE 8th Annual Computing and Communication Workshop and Communication, CCWC 2018 (vëll. 2018-janar, f. 612–615). Instituti
of Electrical and Electronics Engineers Inc. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: një komunikim i ri dhe efikas i bazuar në LED për bujqësinë precize. IEEE Konf. Informacion. Komuna. Teknol. 2019, 1–5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. Eksperimentet e fluturimit me UAV të aplikuara në sensorin në distancë të zonave me bimësi. Remote Sensing 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.
Sistemet e imazhit ajror me lartësi të ulët, me rezolucion të lartë për fenotipizimin e të korrave në rresht dhe në terren: një përmbledhje. euro. J. Agron. 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. Imazhe termike me bazë UAV me rezolucion të lartë për të vlerësuar
ndryshueshmëria e menjëhershme dhe sezonale e statusit të ujit të bimëve brenda një vreshti. bujqësore. Menaxhmenti i Ujit. 183, 49–59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. Përtej analizës së citimit: Një model për vlerësimin e ndikimit të kërkimit. J. Med. Biblioteka Ass. : 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. Spektroskopia e imazhit në lidhje me shkencën e sistemit të tokës - një vlerësim. Mjedisi me sensorë në distancë. 113, S123–S137.
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016. Monitorimi i parametrave agronomikë të kulturave të grurit dimëror me UAV me kosto të ulët
imazhet. Remote Sensing 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. Zhvillimi dhe aplikimi i një mjeti ajror autonome pa pilot për marrjen e mostrave të sakta aerobiologjike më sipër
fushat bujqësore. 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.,
Mundësimi i bujqësisë precize përmes ndjeshmërisë së integruar me inteligjencën artificiale. IEEE Trans. Instrum. Mjetet. 69 (7), 4103–4113.
Shakhatreh, H., Sawalmeh, AH, Al-Fukaha, A., Dou, Z., Almaita, E., Khalil, I.,
Othman, NS, Khreishah, A., Guizani, M., 2019. Mjetet ajrore pa pilot (UAV): një studim mbi aplikimet civile dhe sfidat kryesore të kërkimit. IEEE Access 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. Bujqësia e drejtuar nga të dhënat e mëdha: analitika e të dhënave të mëdha në mbarështimin e bimëve, gjenomikën dhe përdorimin e sensorit në distancë
teknologjitë për të avancuar produktivitetin e të korrave. Fenomeni bimor J. 2 (1), 1–8.
Sharma, BK, Chandra, G., Mishra, VP, 2019. Analiza Krahasuese dhe Implikimi i UAV dhe AI në hetimet mjekoligjore. Në: Procedurat - 2019 Amity International
Konferenca për Inteligjencën Artificiale. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. Roli i inteligjencës artificiale në menaxhimin e zinxhirit të furnizimit: hartëzimi i territorit. 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., Peshkopi, 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. Mjete ajrore pa pilot për fenotipizimin e lartë dhe kërkimin agronomik. PLoS ONE
11 (7), e0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. Kapja e heterogjenitetit të qendrës së misrit nëpër zonat e stabilitetit të rendimentit duke përdorur Aeroplanin pa pilot
Automjetet (UAV). Sensorët 19 (20), 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. Bashkëcitim në literaturën shkencore: një masë e re e marrëdhënies ndërmjet dy dokumenteve. J. Am. Soc. Informacion. Shkencë. 24 (4), 265–269.
Small, H., Rorvig, ME, Lunin, LF, 1999. Vizualizimi i shkencës përmes hartës së citimit. J. Am. Soc. Informacion. Shkencë. 50 (9), 799–813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. Numërimi i bagëtive në natyrë me imazhe ajrore të gjeolokuara në zona të mëdha kullotash. Kompjuter. Elektroni. bujqësore. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. Një qasje për optimizimin e rrugës në aplikimet e bujqësisë së saktë duke përdorur UAV. Drones 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
Stafford, JV, 2000. Zbatimi i bujqësisë precize në shekullin e 21-të. J. Agric. Ing. Res. 76 (3), 267–275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. Vlerësimi i thatësirës së grurit me anë të imazheve me sensorë në distancë duke përdorur mjetin ajror pa pilot. Në 2018 Konferenca e 37-të e Kontrollit Kinez (KKK).
Su, J., Liu, C., Coombes, M., Hu, X., Wang, C., Xu, X., Li, Q., Guo, L., Chen, W.-H., 2018. Monitorimi i ndryshkut të verdhë të grurit duke mësuar nga imazhet ajrore multispektrale UAV.
Kompjuter. Elektroni. bujqësore. 155, 157–166. https://doi.org/10.1016/j. kompag.2018.10.017.
Su, Y., Wang, X., 2021. Inovacioni i menaxhimit ekonomik bujqësor në procesin e ndërtimit të bujqësisë së zgjuar nga të dhënat e mëdha. Kompjuter i qëndrueshëm. Inf. Sist. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. Vlerësimi i ndjeshmërisë së një sistemi ajror termik infra të kuqe pa pilot për të zbuluar stresin e ujit në një tendë pambuku. Trans. ASABE 50 (6), 1955–1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. Integrimi i indeksit të vegjetacionit të bazuar në RGB, modelit të sipërfaqes së të korrave dhe qasjes së analizës së imazhit të bazuar në objekt për vlerësimin e rendimentit të kallamsheqerit duke përdorur mjetin ajror pa pilot. Kompjuter. Elektroni. bujqësore. 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. Një sistem i hartës hiperspektrale me peshë të lehtë për
mjete ajrore pa pilot-rezultatet e para. Në: 2013 Workshop-i i 5-të mbi Imazhet Hiperspektrale dhe Përpunimin e Sinjalit: Evolucioni në Remote Sensing (WHISPERS), fq. 1–4. https://doi.org/10.1109/WHISPERS.2013.8080721.
Suomalainen, J., Anders, N., Iqbal, S., Roerink, G., Franke, J., Wenting, P., Hünniger, D., Bartholomeus, H., Becker, R., Kooistra, L., 2014. Një hiperspektral i lehtë
sistemi i hartës dhe zinxhiri i përpunimit fotogrametrik për mjetet ajrore pa pilot. Remote Sensing 6 (11), 11013–11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021. Strategjitë e avancuara të kontrollit duke përdorur përpunimin e imazhit, UAV dhe AI në bujqësi: Një përmbledhje. World J. Ing. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998. Përpunimi i informacionit duke përdorur citate për të hetuar ndikimin e ditarit në kontabilitet. Inf. Procesi. Menaxhoni. 34 (2–3), 341–359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. Një studim mbi rrjetin 5G dhe ndikimi i tij në bujqësi: sfidat dhe mundësitë. Kompjuter.
Elektroni. bujqësore. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. Vendimmarrja e drejtuar nga të dhënat në bujqësinë e saktë: rritja e të dhënave të mëdha në sistemet bujqësore. J. Agric. Informacioni i Ushqimit.
20 (4), 344-380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. Vlerësimi i rendimentit dhe lartësisë së bimës së grurit dimëror duke përdorur UAV- imazhe të bazuara hiperspektrale.
Sensorët 20 (4), 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. Marrja e mostrave aerobiologjike të koordinuara të një patogjeni bimor në atmosferën e poshtme duke përdorur dy mjete ajrore autonome pa pilot. 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. Zbulimi dhe klasifikimi i dëmtuesve të sojës duke përdorur të mësuarit e thellë
me imazhe UAV. Kompjuter. Elektroni. bujqësore. 179, 105836.
Thamm, H.-P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013. Përdorimi i UAS për Vlerësimin e Sistemeve Bujqësore në AN Ligatinat në Tanzani në - Dhe WetSeason për bujqësi të qëndrueshme dhe sigurimin e së vërtetës bazë për të dhënat e Terra-Sar X. Në: ISPRS – Arkivi Ndërkombëtar i Fotogrametrisë, Shkencave të Informacionit Hapësinor dhe Njohjes nga Distanca, fq. 401–406. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Bibliometria në uebometri. J. Informacion. Shkencë. 34 (4), 605–621.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ˜ JM, 2015. Një metodë automatike e bazuar në objekte për pragun optimal në imazhet UAV: aplikimi për zbulimin e vegjetacionit në kulturat barishtore. Kompjuter. Elektroni. bujqësore. 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. Monitorimi 3-D me performancë të lartë të plantacioneve të pemëve bujqësore me Teknologjia e mjeteve ajrore pa pilot (UAV). PLoS ONE 10 (6), e0130479.
Torres-Sanchez, ´ J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´ F., 2014. Harta shumë-kohore e fraksionit të vegjetacionit në fushat e grurit të sezonit të hershëm duke përdorur imazhe nga UAV. Kompjuter. Elektroni. bujqësore. 103, 104–113. https://doi.org/10.1016/j. kompag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. Një përmbledhje mbi aplikacionet e bazuara në UAV për bujqësinë e saktësisë. Informacion (Zvicër) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. Optimizimi i planifikimit të fluturimit me dron për matjen e strukturës së të korrave të pemëve kopshtare. ISPRS J. Fotogram.
Remote Sens. 160, 83–96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Interneti i Gjërave në bujqësi, përparimet e fundit dhe sfidat e së ardhmes. Biosist. Ing. 164, 31–48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A., Singh, VK, Pinto, D., Olmos, I., 2015. Harta scientometric e kërkimit të shkencave kompjuterike në Meksikë. Scientometrics 105 (1), 97–114.
OKB., 2019. Perspektivat e popullsisë botërore 2019. https://population.un.org/wpp/ (Qasur më 15/04/2022).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. Karakterizimi i zonave të orizit nga një sistem sensor miniaturë hiperspektral i montuar në UAV. IEEE J. Sel. Top. Aplikim Toka Obs.
Remote Sens. 6 (2), 851–860. https://doi.org/10.1109/JSTARS.2013.2250921. van der Merwe, D., Burchfield, DR, Witt, TD, Price, KP, Sharda, A., 2020. Dronët në
bujqësia. Adv. Agron. 162, 1–30.
Velusamy, P., Rajendran, S., Mahendran, RK, Naseer, S., Shafiq, M., Choi, J.-G., 2022.
Mjetet ajrore pa pilot (UAV) në bujqësinë e saktësisë: aplikime dhe sfida. Energjitë 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. Hartimi dhe klasifikimi i habitateve detare të ndjeshme ekologjikisht duke përdorur Ajror pa pilot
Imazhet e automjeteve (UAV) dhe analiza e imazhit të bazuar në objekte (OBIA). Remote Sensing 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Indeksi i zonës së gjelbër nga një sistem ajror pa pilot mbi kulturat e grurit dhe rapes . Mjedisi me sensorë në distancë. 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. Vendosja e katër sensorëve optikë të bazuar në UAV mbi tokë kullotë: sfidat dhe
kufizimet. Biogeosciences 12 (1), 163-175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Interneti i gjërave nëntokësore në bujqësinë precize: aspektet e arkitekturës dhe teknologjisë. Rrjeti Ad Hoc. 81,
160–173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. Inteligjenca artificiale e përgjegjshme si një përbërës sekret për shëndetin dixhital: analiza bibliometrike, njohuri dhe drejtime kërkimore.
Informacion. Sist. Përpara. 1–16.
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019. Analiza bibliometrike e tendencës së kërkimit të sensorit në distancë në monitorimin e rritjes së të korrave: Një studim rasti në Kinë. Remote Sensing 11 (7). https://doi.org/10.3390/rs11070809.
White, HD, Griffith, BC, 1981. Bashkëpunimi i autorit: Një masë letërsie e strukturës intelektuale. J. Am. Soc. Informacion. Shkencë. 32 (3), 163–171.
Xiang, H., Tian, L., 2011. Zhvillimi i një sistemi bujqësor me telekomandë me kosto të ulët të bazuar në një mjet ajror autonome pa pilot (UAV). Biosist. Ing. 108 (2), 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. Një përmbledhje mbi tiparet e fenotipizimit të bimëve me performancë të lartë duke përdorur sensorë të bazuar në UAV. Kompjuter. Elektroni. bujqësore. 178, 105731 https://doi.org/10.1016/j.
kompag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. Mjet ajror pa pilot për aplikacionet e sensorit në distancë—një përmbledhje. Zbulimi në distancë 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. Lëvizja e gjurmimit të njerëzve dhe heqja e gjurmëve të rreme me imazhe termike infra të kuqe nga një multirotor. Drones 5 (3), 65. https://doi.org/10.3390/drones5030065.
Yue, J., Feng, H., Jin, X., Yuan, H., Li, Z., Zhou, C., Yang, G., Tian, Q., 2018. Një krahasim i vlerësimit të parametrave të të korrave duke përdorur imazhe nga UAV i montuar
Sensori hiperspektral i fotografive dhe kamera dixhitale me definicion të lartë. Remote Sensing 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. Vlerësimi i biomasës mbi tokë të grurit dimëror duke përdorur mjetin ajror pa pilot- fotografi e bazuar
Modele të përmirësuara të sensorit hiperspektral dhe lartësisë së prerjes. Remote Sensing 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. Përdorimi i mjeteve ajrore pa pilot të lehta për të monitoruar rikuperimin e pyjeve tropikale. Biol.
Ruaj. 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.
Platforma e zgjuar e bujqësisë IoT e bazuar në llogaritjen e avantazhit dhe cloud. Biosist. Ing. 177,
4-17.
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014. Kuantifikimi i lartësisë së pemës duke përdorur imazhe me rezolucion shumë të lartë të marra nga një antenë pa pilot
mjeti (UAV) dhe metodat automatike të rindërtimit të fotove 3D. euro. J. Agron. 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. Fenotipi i bazuar në imazh të intensitetit të lulëzimit në kulturat e sezonit të ftohtë. Sensorët 20 (5), 1450. https://doi.org/10.3390/s20051450.
Zhang, C., Kovacs, JM, 2012. Aplikimi i sistemeve të vogla ajrore pa pilot për bujqësinë e saktë: një përmbledhje. E saktë. bujqësore. 13 (6), 693–712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. Hartimi i stresit të ujit të misrit bazuar në sensorin në distancë multispektrale të UAV. Zbulimi në distancë 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. Një qasje e bazuar në mësim të thellë për ndryshkun e verdhë të automatizuar
zbulimi i sëmundjes nga imazhet hiperspektrale të UAV me rezolucion të lartë. Remote Sensing 11 (13), 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. Zbulimi dhe diskriminimi i sëmundjeve dhe stresit të insekteve të bimëve të çajit duke përdorur imazhe hiperspektrale të kombinuara me analizën e valëve. Kompjuter. Elektroni. bujqësore. 193, 106717 https://doi.org/10.1016/j. kompag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. Përshtatja e domenit kundërshtar të udhëhequr nga entropia për segmentimin semantik të imazhit ajror. IEEE Trans. G
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Zbulimi i fenologjisë së orizit përmes analizës së serive kohore të spektrit tokësor të dhënat e indeksit. Field Crops Res. 198, 131–139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. Projektimi i një sistemi preciz të mbjelljes së rrjedhjeve bujqësore bazuar në sensorë me valë. Int. J. Online Ing. 14 (05), 184.
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. Analiza e ndryshimeve të lartësisë së bimëve të misrit të strehuar duke përdorur të dhënat UAV-LiDAR. Bujqësia 10 (5), 146. https://
doi.org/10.3390/agriculture10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Maize-IAS: Një softuer i analizës së imazhit të misrit duke përdorur të mësuarit e thellë për fenotipizimin e bimëve me performancë të lartë . Metodat e bimëve 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. Parashikimi i rendimentit të grurit në oriz duke përdorur bimësi shumë-kohore
indekset nga imazhet multispektrale dhe dixhitale të bazuara në UAV. ISPRS J. Fotogram. Remote Sens. 130, 246–255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. Simulimi i teknologjisë bazë të një sistemi të monitorimit të serave bazuar në një rrjet sensorësh pa tel. Int. J. Online Ing. 12 (05),
43.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021. Vlerësimi për stresin e ujit të bimëve me imazhe termike infra të kuqe në bujqësinë e saktë: një përmbledhje
dhe perspektivat e ardhshme për aplikimet e të mësuarit të thellë. Kompjuter. Elektroni. bujqësore. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.