אבדערהמאן רעדזשעב a , אַלירעזאַ אַבדאָללאַהי b , קארים רידזשב c , האָרסט טרייבלמאַיער d,
- a דעפּאַרטמענט פון פאַרוואַלטונג און געזעץ, פיייקייַט פון עקאָנאָמיק, אוניווערסיטעט פון רוים טאָר ווערגאַטאַ, Via Columbia, 2, רוים 00133, איטאליע
- b דעפּאַרטמענט פון ביזנעס אַדמיניסטראַטיאָן, פיייקייַט פון פאַרוואַלטונג, כאַראַזמי אוניווערסיטעט, 1599964511 טעהראַן, יראַן
- c פאַקולטעט פון ססיענסעס פון Bizerte, אוניווערסיטעט פון קאַרטהאַגע, Zarzouna, 7021 Bizerte, טוניסיאַ
- d שולע פֿאַר אינטערנאַציאָנאַלער מאַנאַגעמענט, מאָדולע אוניווערסיטעט ווין, Am Kahlenberg 1, 1190 ווין, עסטרייַך
אַרטיקל אינפֿאָרמאַציע | אַבסטראַקט |
טערמינען: דראָנעס ואַוו פּרעסיסיאָן אַגריקולטורע אינטערנעט פון טהינגס ביבליאָמעטריקס | דראָנעס, אויך גערופן אַנמאַנד אַעריאַל וועהיקלעס (UAV), האָבן וויטנאַסט אַ מערקווירדיק אַנטוויקלונג אין די לעצטע דעקאַדעס. אין אַגריקולטורע, זיי האָבן געביטן פאַרמינג פּראַקטיסיז דורך פאָרשלאָגן פאַרמערס היפּש קאָס סייווינגז, געוואקסן אַפּעריישאַנאַל עפעקטיווקייַט, און בעסער פּראַפיטאַביליטי. אין די לעצטע דעקאַדעס, די טעמע פון לאַנדווירטשאַפטלעך דראָנעס האט געצויגן מערקווירדיק אַקאַדעמיק ופמערקזאַמקייַט. מיר דעריבער פירן אַ פולשטענדיק רעצענזיע באזירט אויף ביבליאָמעטריקס צו סאַמערייז און סטרוקטור יגזיסטינג אַקאַדעמיק ליטעראַטור און אַנטדעקן קראַנט פאָרשונג טרענדס און האָצפּאָץ. מיר צולייגן ביבליאָמעטריק טעקניקס און פונאַנדערקלייַבן די ליטעראַטור אַרומיק לאַנדווירטשאַפטלעך דראָנעס צו סאַמערייז און אַססעסס פרייַערדיק פאָרשונג. אונדזער אַנאַליסיס ינדיקייץ אַז ווייַט סענסינג, פּינטלעכקייַט אַגריקולטורע, טיף לערנען, מאַשין לערנען און די אינטערנעט פון טהינגס זענען קריטיש טעמעס שייַכות צו לאַנדווירטשאַפטלעך דראָנעס. די קאָ-ציטאַציע אַנאַליסיס ריווילז זעקס ברייט פאָרשונג קלאַסטערז אין דער ליטעראַטור. דער לערנען איז איינער פון די ערשטע פרווון צו סאַמערייז דראָון פאָרשונג אין אַגריקולטורע און פֿאָרשלאָגן צוקונפֿט פאָרשונג אינסטרוקציעס. |
הקדמה
אַגריקולטורע רעפּראַזענץ די ערשטיק עסנוואַרג מקור פון דער וועלט (Friha et al., 2021), און עס איז געווען פייסינג שטרענג טשאַלאַנדזשיז רעכט צו דער
ינקריסינג פאָדערונג פֿאַר עסנוואַרג פּראָדוקטן, עסנוואַרג זיכערקייַט און זיכערהייט קאַנסערנז, ווי געזונט ווי רופט פֿאַר ינווייראַנמענאַל שוץ, וואַסער פּרעזערוויישאַן, און
סאַסטיינאַביליטי (Inoue, 2020). די אַנטוויקלונג איז פּרעדיקטעד צו פאָרזעצן זינט די וועלט באַפעלקערונג איז עסטימאַטעד צו דערגרייכן 9.7 ביליאָן אין 2050
(2019). זינט אַגריקולטורע איז די מערסט באַוווסט ביישפּיל פון וואַסער קאַנסאַמשאַן גלאָובאַלי, עס איז דערוואַרט אַז עסנוואַרג פאָדערונג און וואַסער
קאַנסאַמשאַן וועט דראַמאַטיקאַלי פאַרגרעסערן אין די פאָרסיאַבאַל צוקונפֿט. דערצו, די ינקריסינג קאַנסאַמשאַן פון פערטאַלייזערז און פּעסטאַסיידז
קאַפּאַלד מיט די ינטענסאַפאַקיישאַן פון פאַרמינג אַקטיוויטעטן קען פירן צו צוקונפֿט ינווייראַנמענאַל טשאַלאַנדזשיז. סימילאַרלי, אַקער לאַנד איז לימיטעד, און די
נומער פון פאַרמערס איז דיקריסינג ווערלדווייד. די טשאַלאַנדזשיז אַקצענטירן די נויט פֿאַר ינאַווייטיוו און סאַסטיינאַבאַל פאַרמינג סאַלושאַנז (Elijah
עט על., 2018; פריהאַ עט על., 2021; ינאָוע, 2020; Tzounis et al., 2017).
ינקאָרפּערייטינג ראָמאַן טעקנאַלאַדזשיז איז יידענאַפייד ווי אַ פּראַמאַסינג לייזונג צו אַדרעס די טשאַלאַנדזשיז. סמאַרט פאַרמינג (Browster et al.,
2017; Tang et al., 2021) און פּינטלעכקייַט אַגריקולטורע (Feng et al., 2019; Khanna & Kaur, 2019) האָבן ימערדזשד ווי אַ רעזולטאַט פון אַזאַ וויכוחים. די
ערשטע איז אַ גענעראַל געדאַנק פֿאַר אַדאַפּטינג אינפֿאָרמאַציע קאָמוניקאַציע טעקנאַלאַדזשיז (יקט) און אנדערע קאַטינג-ברעג ינאָווויישאַנז אין פאַרמינג אַקטיוויטעטן צו פאַרגרעסערן עפעקטיווקייַט און עפיקאַסי (Haque et al., 2021). די יענער פאָוקיסיז אויף פּלאַץ-ספּעציפיש פאַרוואַלטונג אין וואָס די לאַנד איז צעטיילט אין
כאָומאַדזשיניאַס פּאַרץ, און יעדער טייל באַקומען די פּינטלעך סומע פון לאַנדווירטשאַפטלעך אַרייַנשרייַב פֿאַר גערעטעניש טראָגן אַפּטאַמאַזיישאַן דורך ראָמאַן טעקנאַלאַדזשיז (Feng et al., 2019; Khanna & Kaur, 2019). באַוווסט טעקנאַלאַדזשיז וואָס האָבן געצויגן די ופמערקזאַמקייט פון געלערנטע אין דעם פעלד אַרייַננעמען ווירעלעסס סענסאָר נעטוואָרקס (WSNs) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016), the Internet of Things (IoT) (Gill et al., 2017; ער עט על., 2021;
קינסטלעך סייכל (AI) טעקניקס, אַרייַנגערעכנט מאַשין לערנען און טיף לערנען (Liakos et al., 2018; Parsaeian et al., 2020; Shadrin et al.,
2019), קאַמפּיוטינג טעקנאַלאַדזשיז (Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019), גרויס דאַטן (Gill et al., 2017; Tantalaki
עט על., 2019), און בלאָקטשיין (PW Khan et al., 2020; Pincheira et al., 2021).
אין אַדישאַן צו די אויבן דערמאנט טעקנאַלאַדזשיז, ווייַט סענסינג איז געהאלטן אַ טעקנאַלאַדזשיקאַל געצייַג מיט הויך פּאָטענציעל צו פֿאַרבעסערן
קלוג און פּינטלעכקייַט אַגריקולטורע. סאַטאַלייץ, מענטש-קאַנד ערקראַפט און דראָנעס זענען פאָלקס ווייַט-סענסינג טעקנאַלאַדזשיז (Tsouros et al., 2019).
דראָנעס, פאָלקס באקאנט ווי ונמאַנד אַעריאַל וועהיקלעס (UAVs), אַנמאַנד אַירקראַפט סיסטעמען (UAS), און רימאָוטלי פּילאָטעד ערקראַפט, זענען פון
גרויס וויכטיקייט ווייַל זיי האָבן קייפל אַדוואַנטידזשיז אין פאַרגלייַך מיט אנדערע ווייַט-סענסינג טעקנאַלאַדזשיז. פֿאַר בייַשפּיל, דראָנעס קענען צושטעלן
הויך-קוואַליטעט און הויך-האַכלאָטע בילדער אויף פאַרוואָלקנט טעג (Manfreda et al., 2018). אויך, זייער אַוויילאַבילאַטי און אַריבערפירן גיכקייַט קאַנסטאַטוט אנדערע
בענעפיץ (Radoglou-Grammatikis et al., 2020). קאַמפּערד מיט ערקראַפט, דראָנעס זענען העכסט פּרייַז-עפעקטיוו און גרינג צו שטעלן אַרויף און טייַנען (Tsouros et al., 2019). טראָץ זיין טכילעס דער הויפּט געניצט פֿאַר מיליטעריש צוועקן, דראָנעס קענען נוץ פילע ציוויל אַפּלאַקיישאַנז, למשל אין צושטעלן קייט פאַרוואַלטונג (A. Rejeb, Rejeb, et al., 2021a), פֿאַר כיומאַנאַטעריאַן צוועקן (A. Rejeb, Rejeb, et al., 2021c), קלוג אַגריקולטורע, סערווייינג און מאַפּינג, דאַקיומענטיישאַן פון קולטור העריטאַגע, ומגליק פאַרוואַלטונג און קאַנסערוויישאַן פון וואַלד און וויילדלייף (Panday, Pratihast, עט על., 2020). אין אַגריקולטורע, פילע אַפּלאַקיישאַנז פון דראָנעס עקסיסטירן ווייַל זיי קענען זיין ינאַגרייטיד מיט ראָמאַן טעקנאַלאַדזשיז, קאַמפּיוטינג קייפּאַבילאַטיז און אַנבאָרד סענסאָרס צו שטיצן גערעטעניש פאַרוואַלטונג (למשל, מאַפּינג, מאָניטאָרינג, יראַגיישאַן, פאַבריק דיאַגנאָסיס) (H. Huang et al., 2021) , ומגליק רעדוקציע, פרי ווארענונג סיסטעמען, וויילדלייף און פאָרעסטרי קאַנסערוויישאַן צו נאָמען אַ ביסל (Negash et al., 2019). סימילאַרלי, דראָנעס קען זיין לעווערידזשד אין עטלעכע לאַנדווירטשאַפטלעך אַקטיוויטעטן, אַרייַנגערעכנט גערעטעניש און וווּקס מאָניטאָרינג, אָפּשאַצונג פון אָפּטרעטן, וואַסער דרוק אַסעסמאַנט און דיטעקשאַן פון ווידז, פּעסט און קרענק (Inoue, 2020; Panday, Pratihast, עט על., 2020). ניט בלויז קענען דראָנעס ווערן געניצט פֿאַר מאָניטאָרינג, אָפּשאַצונג און דיטעקשאַן צוועקן באזירט אויף זייער סענסערי דאַטן, אָבער אויך פֿאַר פּינטלעכקייַט יראַגיישאַן און פּינטלעכקייַט וויד, פּעסט און קרענק פאַרוואַלטונג. אין אנדערע ווערטער, דראָנעס זענען ביכולת צו שפּריץ וואַסער און פּעסטאַסיידז אין גענוי אַמאַונץ באזירט אויף ינווייראַנמענאַל דאַטן. די בענעפיץ פון דראָנעס אין אַגריקולטורע זענען סאַמערייזד אין טאַבלע 1.
הויפּט בענעפיץ פון דראָנעס אין אַגריקולטורע.
נוץ | רעפערענץ |
פֿאַרבעסערן צייט און ספּיישאַל סענסינג רעזאַלושאַנז | (Gago et al., 2015; Niu et al., 2020; Srivastava עט על., 2020) |
פאַסילאַטייט פּינטלעכקייַט אַגריקולטורע | (L. Deng et al., 2018; Kalischuk et al., 2019; Maimaitijiang et al., 2017) |
קלאַסאַפאַקיישאַן און סקאַוטינג פון קראַפּס | (Inoue, 2020; Kalischuk et al., 2019; Lopez-' Granados et al., 2016; Maimaitijiang et al., 2017; Melville עט על., 2019; Moharana & Dutta, 2016) |
באַניץ פון פערטאַלייזער | (L. Deng et al., 2018; Guan et al., 2019) |
מאָניטאָרינג פון טריקעניש | (Fawcett et al., 2020; Panday, Pratihast, et al., 2020; סו עט על., 2018) |
בייאַמאַס אָפּשאַצונג | (Bendig et al., 2014) |
אָפּשאַצונג פון טראָגן | (Inoue, 2020; Panday, Shrestha, et al., 2020; Tao עט על., 2020) |
ומגליק רעדוקציע | (Negash et al., 2019) |
קאַנסערוויישאַן פון וויילדלייף און פאָרעסטרי | (Negash et al., 2019; Panday, Pratihast, et al., קסנומקס) |
אַססעססמענט פון וואַסער דרוק | (Inoue, 2020; J. Su, Coombes, et al., 2018; L. זשאַנג עט על., 2019) |
פּעסט, ווידז און קרענק דיטעקשאַן | (Gaˇsparovi´c et al., 2020; Inoue, 2020; J. Su, Liu, עט על., 2018; X. Zhang et al., 2019) |
אויף די אנדערע האַנט, דראָנעס האָבן אויך לימיטיישאַנז. פּילאָט ינוואַלוומאַנט, מאָטאָר מאַכט, פעסטקייַט און רילייאַבילאַטי, סענסאָרס 'קוואַליטעט רעכט צו פּיילאָוד
וואָג לימיטיישאַנז, ימפּלאַמענטיישאַן קאָס און ייווייישאַן רעגולירן זענען צווישן זיי (C. Zhang & Kovacs, 2012). מיר פאַרגלייַכן די שאָרטקאָמינגס
פון די דריי רירעוודיק ווייַט סענסינג טעקנאַלאַדזשיז אין טיש 2. אנדערע ווייַט סענסינג טעקנאַלאַדזשיז, אַזאַ ווי באָדן סענסאָרס, זענען ווייַטער פון די פאָקוס פון דעם לערנען.
שאָרטקאָמינגס פון פאַרשידן רירעוודיק ווייַט סענסינג טעקנאַלאַדזשיז.
ווייַט סענסינג טעקנאַלאַדזשיז | Shortcomings | רעפֿערענצן |
דראָון (UAV) | פּילאָט ינוואַלוומאַנט; בילדער' קוואַליטעט (דורכשניטלעך); ימפּלאַמענטיישאַן קאָס (דורכשניטלעך); פעסטקייַט, מאַנווועראַביליטי, און רילייאַבילאַטי; סטאַנדערדיזיישאַן; מאָטאָר מאַכט; באגרענעצט מאַכט קוואלן (באַטאַרייע לאָנדזשעוואַטי); באגרענעצט פלי געדויער, צונויפשטויס און סייבעראַטאַקס; באגרענעצט פּיילאָוד וואָג; גרויס דאַטאַסעץ און לימיטעד דאַטן פּראַסעסינג קייפּאַבילאַטיז; מאַנגל פון רעגולירן; פעלן פון עקספּערטיז, הויך פּאָזיציע באַריערז צו צוטריט צו לאַנדווירטשאַפטלעך דראָנעס; | (Bacco et al., 2018; Dawaliby עט על., 2020; הארדין & Hardin, 2010; הארדין & Jensen, 2011; לאקאס עט על., 2018; Laliberte et al., 2007; Laliberte & Rango, 2011; Manfreda et al., 2018, 2018; נעביקער עט על., 2008; פּורי עט על., 2017; וועלוסאַמי עט על., 2022; C. Zhang & Kovacs, קסנומקס) |
סאַטעליט | פּעריאָדיש סאַטעליט קאַווערידזש, לימיטעד ספּעקטראַל האַכלאָטע; וואַלנעראַביליטי צו וויזאַביליטי ישוז (למשל, וואלקנס); אַנאַוויילאַביליטי און נידעריק אַריבערפירן גיכקייַט; אָריענטירונג און וויגנעטטינג יפעקץ טייַער ספּיישאַל דאַטן זאַמלונג; פּאַמעלעך דאַטן עקספּרעס צייט צו סוף ניצערס | (Aboutalebi et al., 2019; Cen עט על., 2019; Chen et al., 2019; נאַנסען און עליאַט, 2016; פּאַנדייַ, פּראַטיהאַסט, עט על., 2020; סיי ווינעטה עט על., 2019) |
אַירקראַפט | הויך אַדאָפּטיאָן קאָס; קאָמפּליצירט סעטאַפּ; וישאַלט קאָס; אַנאַוויילאַביליטי פון פאַרלאָזלעך ערפּליינז, דזשיאַמאַטרי פון די בילדער; ניט-רעגולער דאַטן אַקוואַזישאַן; פעלן פון בייגיקייט; דעדלי אַקסאַדאַנץ; סענסער דאַטן ווערייישאַנז רעכט צו ווייבריישאַנז; געאָרעפערענסינג ישוז | (אַרמסטראָנג עט על., 2011; אַטקינסאָן עט על., 2018; Barbedo & Koenigkan, 2018; קאָוואַלעוו און וואָראָשילאָוואַ, 2020; Suomalainen et al., 2013; Thamm et al., 2013) |
ווי אַ מולטידיסיפלינאַרי און מאַלטיפּערפּאַס טעכנאָלאָגיע אין אַגריקולטורע, דראָנעס האָבן שוין ינוועסטאַגייטאַד פֿון פאַרשידן פּערספּעקטיווז. פֿאַר בייַשפּיל, געלערנטע האָבן יגזאַמאַנד דראָון אַפּלאַקיישאַנז אין אַגריקולטורע (Kulbacki et al., 2018; Mogili & Deepak, 2018), זייער צושטייַער צו פּינטלעכקייַט אַגריקולטורע (Puri et al., 2017; Tsouros et al., 2019), זייער קאַמפּלאַמענטשיקייט מיט אנדערע קאַטינג-ברעג טעקנאַלאַדזשיז (Al-Thani et al., 2020; Dutta & Mitra, 2021; Nayyar et al., 2020; Saha et al., 2018), און די פּאַסאַבילאַטיז צו העכערן זייער נאַוויגאַציע און סענסינג קייפּאַבילאַטיז (Bareth et al. , 2015; Suomalainen et al., 2014). זינט פאָרשונג אויף דראָון אַפּלאַקיישאַנז אין אַגריקולטורע איז געווען פאַרשפּרייט (Khan et al., 2021)), עס איז אַ נויט צו סאַמערייז די יגזיסטינג ליטעראַטור און אַנטדעקן די אינטעלעקטואַל סטרוקטור פון די פעלד. דערצו, ווי אַ הויך-טעק פעלד מיט קעסיידערדיק ימפּרווומאַנץ, סטראַקטשערד באריכטן דאַרפֿן צו זיין געפירט צו פּיריאַדיקלי סאַמערייז די יגזיסטינג ליטעראַטור און ידענטיפיצירן וויכטיק פאָרשונג גאַפּס. צו
אין דעם טאָג, עס זענען ווייניק באריכטן וואָס דיסקוטירן דראָון אַפּלאַקיישאַנז אין די לאַנדווירטשאַפטלעך סעקטאָר. פֿאַר בייַשפּיל, Mogili און Deepak (2018) בעקיצער ריוויו די ימפּלאַקיישאַנז פון דראָנעס פֿאַר גערעטעניש מאָניטאָרינג און פּעסטאַסייד ספּרייינג. Inoue (2020) פירט אַ רעצענזיע פון סאַטעליט און דראָון נוצן אין ווייַט סענסינג אין אַגריקולטורע. דער מחבר יקספּלאָרז די טעקנאַלאַדזשיקאַל טשאַלאַנדזשיז פון אַדאַפּטינג קלוג פאַרמינג און די קאַנטראַביושאַנז פון סאַטאַלייץ און דראָנעס באזירט אויף פאַל שטודיום און בעסטער פּראַקטיסיז. Tsouros et al. (2019) סאַמערייז פאַרשידענע טייפּס פון דראָנעס און זייער הויפּט אַפּלאַקיישאַנז אין אַגריקולטורע, כיילייטינג פאַרשידן דאַטן אַקוואַזישאַן און פּראַסעסינג מעטהאָדס. מער לעצטנס, Aslan et al. (2022) געפירט אַ פולשטענדיק רעצענזיע פון ואַוו אַפּלאַקיישאַנז אין לאַנדווירטשאַפטלעך אַקטיוויטעטן און אונטערגעשטראכן די שייכות פון סיימאַלטייניאַס לאָוקאַלאַזיישאַן און מאַפּינג פֿאַר אַ ואַוו אין די אָראַנזשעריי. דיאַז-גאָנזאַלעז עט על. (2022) ריוויוד לעצטע שטודיום פון גערעטעניש טראָגן פּראָדוקציע באזירט אויף פאַרשידענע מאַשין לערנען טעקניקס און ווייַט
סענסינג סיסטעמען. זייער פיינדינגז אנגעוויזן אַז ואַווס זענען נוציק צו אָפּשאַצן באָדן ינדיקאַטאָרס און אַוטפּערפאָרם סאַטעליט סיסטעמען אין טערמינען פון ספּיישאַל האַכלאָטע, אינפֿאָרמאַציע טעמפּעראַליטי און בייגיקייַט. באַסירי עט על. (2022) געמאכט אַ יגזאָסטיוו רעצענזיע פון די פאַרשידן אַפּראָוטשיז און מעטהאָדס צו באַקומען די טשאַלאַנדזשיז פֿאַר מאַלטי-ראָוטער ואַווס אין דעם קאָנטעקסט פון פּינטלעכקייַט אַגריקולטורע. דערצו, Awais et al. (2022) סאַמערייזד די אַפּלאַקיישאַן פון UAV ווייַט סענסינג דאַטן אין קראַפּס צו אָפּשאַצן די וואַסער סטאַטוס און צוגעשטעלט אַן אין-טיפקייַט סינטעז פון די פּראָספּעקטיוו קאַפּאַציטעט פון UAV ווייַט סענסינג פֿאַר וואַסטער דרוק אַפּלאַקיישאַן. צום סוף, Aquilani et al. (2022) ריוויוד פּריוויזשאַן פאַרמינג טעקנאַלאַדזשיז געווענדט אין פּאַסטשער-באזירט לייווסטאַק סיסטעמען און דידוסט אַז ווייַט סענסינג ענייבאַלד דורך ואַווס איז אַדוואַנטיידזשאַס פֿאַר בייאַמאַס אַסעסמאַנט און סטאַדע פאַרוואַלטונג.
אויך, השתדלות צו נוצן ואַווס אין די מאָניטאָרינג, טראַקינג און מוסטערונג פון לייווסטאַק זענען לעצטנס געמאלדן.
כאָטש די רעצענזיעס געבן נייַע און וויכטיק ינסייץ, קיין פולשטענדיק און דערהייַנטיקט רעצענזיע באזירט אויף ביבליאָמעטריק קענען זיין געפֿונען אין דער ליטעראַטור, וואָס גיט אַ קלאָר וויסן ריס. דערצו, עס איז געווען סטייטיד אַז ווען וויסנשאפטלעכע פּראָדוקציע וואקסט אין אַ וויסנשאפטלעכע פעלד, עס ווערט וויטאַל פֿאַר ריסערטשערז צו נוצן קוואַנטיטאַטיווע אָפּשאַצונג אַפּראָוטשיז צו באַגרייַפן די וויסן סטרוקטור פון די פעלד (Rivera & Pizam, 2015). סימילאַרלי, Ferreira et al. (2014) אַרגיוד אַז ווי פאָרשונג פעלדער דערוואַקסן און ווערן ינטראַקאַט, געלערנטע זאָל ציל צו טייל מאָל מאַכן זינען פון די וויסן דזשענערייטאַד און אַמאַסט צו אַנטדעקן נייַע קאַנטראַביושאַנז, כאַפּן פאָרשונג טראדיציעס און טרענדס, ידענטיפיצירן וואָס טעמעס זענען געלערנט, און דעלוו אין די וויסן סטרוקטור פון די פעלד און די פּאָטענציעל פאָרשונג אינסטרוקציעס. בשעת Raparelli און Bajocco (2019) דורכגעקאָכט אַ ביבליאָמעטריק אַנאַליסיס צו ונטערזוכן די וויסן פעלד פון דראָון אַפּלאַקיישאַנז אין אַגריקולטורע און פאָרעסטרי, זייער לערנען באַטראַכט בלויז וויסנשאפטלעכע פאָרשונג ארויס צווישן 1995 און 2017, וואָס ניט פאַרטראַכטנ די דינאַמיק פון דעם שנעל-מאָווינג געגנט. דערצו, די מחברים האָבן נישט פּרווון צו ידענטיפיצירן די מערסט ינפלוענטשאַל קאַנטראַביושאַנז אין דעם פעלד, קנויל די ליטעראַטור און אָפּשאַצן די אינטעלעקטואַל סטרוקטור מיט קאָ-סייטיישאַן אַנאַליסיס. ווי אַ רעזולטאַט, עס איז נייטיק צו סאַמערייז די ליטעראַטור צו אַנטדעקן קראַנט פאָרשונג פאָסי, טרענדס און האָצפּאָץ.
צו פּלאָמבירן דעם וויסן ריס, מיר ליווערידזש קוואַנטיטאַטיווע מעטאַדאַלאַדזשי און שטרענג ביבליאָמעטריק מעטהאָדס צו ונטערזוכן די קראַנט שטאַט פון פאָרשונג אין די ינטערסעקשאַן פון דראָנעס און אַגריקולטורע. מיר טענהן אַז די איצטיקע לערנען מאכט עטלעכע קאַנטראַביושאַנז צו די יגזיסטינג ליטעראַטור דורך ונטערזוכן אַן ימערדזשינג טעכנאָלאָגיע וואָס איז העכסט נויטיק אין אַגריקולטורע ווייַל עס גיט אַ ריזיק פּאָטענציעל צו טוישן עטלעכע אַספּעקץ אין דעם סעקטאָר. די נויט פֿאַר אַ ביבליאָמעטריק אַנאַליסיס פון לאַנדווירטשאַפטלעך דראָנעס איז סענסט אפילו מער ווייַל פון די צעוואָרפן און פראַגמאַנטיד וויסן אויף דראָנעס אין די אַגריקולטורע קאָנטעקסט. סימילאַרלי, די ליטעראַטור שייך צו לאַנדווירטשאַפטלעך דראָנעס איז פארלאנגט צו זיין סיסטעמאַטיש קלאַסטערד, קאַנסידערינג די מערסט ינפלוענטשאַל שטודיום וואָס בויען דעם יסוד פון דעם פאָרשונג פעלד. דער זכות אין דער אַנאַליסיס אויך כולל די קלעראַפאַקיישאַן פון הויפּט פאָרשונג טעמעס רעפּריזענטיד אין דער ליטעראַטור. קאַנסידערינג די טראַנספאָרמאַציע פּאָטענציעל פון די טעכנאָלאָגיע, מיר זאָגן אַז אַ טיף נעץ אַנאַליסיס גיט ראָמאַן ינסייץ דורך דיטערמאַנינג ינפלוענטשאַל ווערק און אַנטדעקן טעמעס וועגן דראָנעס פּאָטענציעל פֿאַר אַגריקולטורע.
דעריבער, מיר שטרעבן צו דערגרייכן די פאלגענדע פאָרשונג אַבדזשעקטיווז:
- לעגיטימאַציע פון ינפלוענטשאַל אויסגאבעס מיט בוילעט קאַנטראַביושאַנז צו דראָון אַפּלאַקיישאַנז אין די פעלד פון אַגריקולטורע.
- קלאַסטערינג פון די ליטעראַטור, לעגיטימאַציע פון פאָרשונג פאָסי, און מאַפּינג פון די הויפּט "ינטעלעקטואַל סטרוקטור" שטודיום באזירט אויף סעמאַנטיק ענלעכקייט דורך ניצן קאָ-סייטיישאַן אַנאַליסיס.
- פארשטאנד פון דער עוואָלוציע פון לינגקאַדזשאַז און סייטיישאַן נעטוואָרקס איבער צייַט צווישן פאַרשידן אויסגאבעס אין דעם פעלד און לעגיטימאַציע פון צוקונפֿט פאָרשונג אינסטרוקציעס און הייס טעמעס.
די רעשט פון די פּאַפּיר איז סטראַקטשערד ווי גייט: אָפּטיילונג 2 אַוטליינז די מעטאַדאַלאַדזשי און דאַטן זאַמלונג סטעפּס; אָפּטיילונג 3 גיט די רעזולטאַטן פון די אַנאַליזעס; און אָפּטיילונג 4 דיסקוטירן די פיינדינגז און פאַרענדיקן מיט פאָרשונג קאַנטראַביושאַנז, ימפּלאַקיישאַנז און צוקונפֿט אינסטרוקציעס.
מעטהאָדאָלאָגי
אין דעם קראַנט פאָרשונג לערנען, מיר דורכפירן אַ ביבליאָמעטריק אַנאַליסיס צו ויספאָרשן דראָון אַפּלאַקיישאַנז אין אַגריקולטורע. דער קוואַנטיטאַטיווע צוגאַנג ריווילז די אינטעלעקטואַל סטרוקטור פון די וויסן פעלד (Arora & Chakraborty, 2021) און די קראַנט סטאַטוס, הייס טעמעס און צוקונפֿט פאָרשונג אינסטרוקציעס וואָס קענען זיין ינוועסטאַגייטאַד דורך אַפּלייינג דעם אופֿן (Kapoor et al., 2018; Mishra et al. , 2017; A. Rejeb, Rejeb, et al., 2021b; A. Rejeb et al., 2021d; בכלל, אַ ביבליאָמעטריק אַנאַליסיס יגזאַמאַנז די יגזיסטינג ליטעראַטור צו סאַמערייז און ופדעקן פאַרבאָרגן פּאַטערנז פון געשריבן קאָמוניקאַציע און די עוואָלוציע פון די דיסציפּלין באזירט אויף סטאַטיסטיק און מאַטאַמאַטיקאַל מעטהאָדס, און עס אַפּלייז צו גרויס דאַטן שטעלט (Pritchard, 2020; Small, 1969; Tahai & Rigsby. , 1999). דורך ניצן ביבליאָמעטריקס, מיר אַספּייר צו בעסער פֿאַרשטיין די יגזיסטינג פּעראַדימז און פאָרשונג פאָסי וואָס ביישטייערן צו די פעלד באזירט אויף ענלעכקייט (Thelwall, 1998). ביבליאָמעטריקס גיט נייַע ינסייץ באַקט דורך די אָביעקטיוו קוואַנטיטאַטיווע שטאַרקייט פון די מעטאַדאַלאַדזשי (Casillas & Acedo, 2008). פילע געלערנטע האָבן ביז אַהער דורכגעקאָכט ביבליאָמעטריק שטודיום אין פֿאַרבונדענע דאָומיינז, אַרייַנגערעכנט אַגריקולטורע, ווייַט סענסינג און דיגיטאַל טראַנספאָרמאַציע (Armenta-Medina et al., 2007; Bouzembrak et al., 2020; A. Rejeb, Treiblmaier, et al., 2019; Wamba. & Queiroz, 2021; Wang et al., 2021).
ציטירן אַנאַליסיס
ציטירן אַנאַליסיס ריווילז פאַרשידן ינסייץ אין אַ געגעבן פאָרשונג פעלד. ערשטער פון אַלע, עס העלפּס צו אַנטדעקן די מערסט ינפלוענטשאַל מחברים און אויסגאבעס וואָס ביישטייערן צו אַ געגעבן פאָרשונג פעלד און מאַכן אַ באַטייטיק פּראַל (Gundolf & Filser, 2013). צווייטנס, די וויסן לויפן און די קאָמוניקאַציע פֿאַרבינדונגען צווישן מחברים קענען זיין אַנקאַווערד. צום סוף, דורך טרייסינג די פֿאַרבינדונגען צווישן סייטאַד און סיטינג ווערק, איר קענען ויספאָרשן די ענדערונגען און עוואָלוציע פון אַ וויסן פעלד איבער צייַט (פּאָורנאַדער)
עט על., 2020). הויך ציטירן נומערן פון אַ ויסגאַבע פאַרטראַכטנ זיך זייַן שייכות און היפּש קאַנטראַביושאַנז צו די פאָרשונג פעלד (Baldi, 1998; Gundolf & Filser, 2013; Marinko, 1998). ציטירן אַנאַליסיס פון אויסגאבעס אויך העלפּס צו ידענטיפיצירן באַטייַטיק ווערק און שפּור זייער פּאָפּולאַריטעט און פּראָגרעס איבער צייט.
דאָקומענט קאָ-סייטיישאַן אַנאַליסיס
קאָ-סייטיישאַן אַנאַליסיס איז אַ ווערטפול אופֿן צו ויספאָרשן באציונגען צווישן אויסגאבעס און ויסמאָלן די אינטעלעקטואַל סטרוקטור פון אַ פעלד (Nerur et al., 2008). אין אנדערע ווערטער, דורך ידענטיפיצירן די מערסט סייטאַד אויסגאבעס און זייער קאַנעקשאַנז, דער אופֿן גרופּעס אויסגאבעס אין פאַרשידענע פאָרשונג קלאַסטערז אין וואָס אויסגאבעס אין אַ קנויל קעסיידער טיילן ענלעך געדאנקען (McCain, 1990; Small, 1973). עס איז קריטיש צו דערמאָנען אַז ענלעכקייט טוט נישט מיינען אַז די פיינדינגז פון די אויסגאבעס זענען
צוזאַמען און שטימען מיט יעדער אנדערער; אויסגאבעס געהערן צו דער זעלביקער קנויל רעכט צו טעמע ענלעכקייט, אָבער זיי קענען האָבן קאַנטראַדיקטינג וויופּוינט.
דאַטע זאַמלונג און אַנאַליסיס
לויט די מעטאַדאַלאַדזשי פארגעלייגט דורך White and Griffith (1981), מיר דורכגעקאָכט אַ פולשטענדיק זוכן פון זשורנאַל אַרטיקלען צו דעקן די גאנצע פאָרשונג פעלד פון דראָון אַפּלאַקיישאַנז אין אַגריקולטורע, פּערסוינג די פאלגענדע פינף סטעפּס:
- דער ערשטער שריט איז געווען דאַטן זאַמלונג. Scopus איז געווען אויסגעקליבן ווי איינער פון די מערסט פולשטענדיק און טראַסטווערדי דאַטאַבייסיז מיט סטאַנדערדייזד רעזולטאַטן. די מעטאַ-דאַטן פון אויסגאבעס שייַכות צו אַלע דראָון אַפּלאַקיישאַנז אין אַגריקולטורע איז ריטריווד. דערנאָך מיר אַנאַלייזד די אויסגעקליבן אַרטיקלען, רימוווינג אַוועק-טעמע אַרטיקלען פון די אַנאַליסיס.
- מיר אַנאַלייזד די ליטעראַטור און יידענאַפייד די מערסט וויכטיק טערמינען געניצט אין דער פאָרשונג געגנט.
- מיט סייטיישאַן אַנאַליסיס, מיר ויספאָרשן די פֿאַרבינדונג צווישן מחברים און דאָקומענטן צו אַנטדעקן אַנדערלייינג סייטיישאַן פּאַטערנז. מיר אויך יידענאַפייד די מערסט ינפלוענטשאַל מחברים און אויסגאבעס מיט באַטייַטיק קאַנטראַביושאַנז צו די פעלד פון לאַנדווירטשאַפטלעך דראָנעס.
- מיר געפירט אַ קאָ-סייטיישאַן אַנאַליסיס צו גרופּע ענלעך אויסגאבעס אין קלאַסטערז.
- צום סוף, מיר אַנאַלייזד די קאַנעקשאַנז און פֿאַרבינדונגען צווישן לענדער, אינסטיטוציעס און דזשערנאַלז צו ויסמאָלן די מיטאַרבעט נעץ.
לעגיטימאַציע פון צונעמען זוכן טערמינען
מיר האָבן געווענדט די פאלגענדע זוכן סטרינגס פֿאַר דאַטן אַגגרעגאַטיאָן: (דראָון * אָדער "אַנמאַנד לופט פאָרמיטל" אָדער ואַוו * אָדער "אַנמאַנד ערקראַפט סיסטעם"אָדער ואַס אָדער "רימאָוטלי פּילאָטעד ערקראַפט”) און (לאַנדווירטשאַפטלעך אָדער אַגריקולטורע אָדער פאַרמינג אָדער פּויער). די זוכן איז דורכגעקאָכט אין סעפטעמבער 2021. דראָנעס האָבן עטלעכע דעזיגניישאַנז, אַרייַנגערעכנט ואַוו, ואַס, און רימאָוטלי פּילאָטעד ערקראַפט (Sah et al., 2021). די ספּעציפיש זוכן טערמינען שייַכות צו אַגריקולטורע זענען יידענאַפייד באזירט אויף די לערנען פון Abdollahi et al. (2021). פֿאַר די צוליב פון קלעריטי און דורכזעיקייַט, די פּינטלעך אָנפֿרעג מיר געוויינט איז געגעבן אין אַפּפּענדיקס 1. נאָך אַ דאַטן רייניקונג פּראָצעס, מיר באשאפן אַ טעקסט טעקע וואָס איז דערנאָך לאָודיד אין BibExcel, אַ פּראָסט געצייַג פֿאַר סייטיישאַן און קאָ-סייטיישאַן אַנאַליסיס. דער געצייַג אויך אָפפערס פּשוט ינטעראַקשאַן מיט אנדערע ווייכווארג און אָפפערס אַ באַטייטיק גראַד פון פרייהייט אין דאַטן האַנדלינג און אַנאַליסיס. VOSviewer ווערסיע 1.6.16 איז געניצט צו וויזשוואַלייז די פיינדינגז און דזשענערייט די ביבליאָמעטריק נעטוואָרקס (Eck & Waltman, 2009). VOSviewer אָפפערס אַ קייט פון ינטואַטיוו וויזשוואַלאַזיישאַן, ספּעציעל פֿאַר אַנאַלייזינג ביבליאָמעטריק מאַפּס (Geng et al., 2020). דערצו, עס אַסיס צו צושטעלן קלאָר וויזשאַוואַל רעזולטאַטן וואָס העלפֿן צו בעסער פֿאַרשטיין די רעזולטאַטן (Abdollahi et al., 2021). אַפּלייינג די זוכן סטרינגס ווי סטייטיד אויבן, מיר אלנגעזאמלט און סטאָרד אַלע באַטייַטיק אויסגאבעס. די ערשטע זוך רעזולטאטן האבן ארויסגעגעבן א סך הכל 5,085 דאקומענטן. צו ענשור די קוואַליטעט פון די אויסגעקליבן מוסטער, בלויז פּיער-ריוויוד זשורנאַל אַרטיקלען זענען באַטראַכט אין דער פאָרשונג, ריזאַלטינג אין די יקסקלוזשאַן פון אנדערע דאָקומענט טייפּס, אַזאַ ווי ביכער, קאפיטלען, זיצונג פאַרהאַנדלונג און לייט הערות. בעשאַס אַ זיפּונג פּראָצעס, ירעלאַוואַנט (ד"ה אויסער דעם פאַרנעם פון דעם אַרבעט), יבעריק (ד"ה דופּליקאַטן ערידזשאַנייטאַד פון טאָפּל ינדעקסינג), און ניט-ענגליש-גערעדט אויסגאבעס זענען פילטערד אויס. דער פּראָצעס ריזאַלטיד אין די ינקלוזשאַן פון 4,700 דאָקומענטן אין די לעצט אַנאַליסיס.
פיינדינגז און דיסקוסיע
צו אָנהייבן, מיר אַנאַלייזד די דיוועלאַפּמאַנץ אין ויסגאַבע רעזולטאַט אין די קראַנט ליטעראַטור אויף לאַנדווירטשאַפטלעך דראָנעס. די צייטווייליגע פאַרשפּרייטונג פון וויסנשאפטלעכע פאָרשונג איז געוויזן אין פיגורע 1. מיר זען אַ גיך פאַרגרעסערן אין אויסגאבעס פון יאָר 2011 (30 אויסגאבעס) און ווייטער; דעריבער, מיר באַשלאָסן צו שפּאַלטן די אַנאַליסיס פּעריאָד אין צוויי פאַרשידענע סטאַגעס. מיר אָפּשיקן צו די צייט צווישן 1990 און 2010 ווי די בויען-אַרויף בינע, וואָס האט בעערעך זיבן צייטונגען ארויס אַניואַלי. די פּאָסט-2010 צייט איז גערופֿן די גראָוט בינע זינט פאָרשונג אויף דראָון אַפּלאַקיישאַנז אין אַגריקולטורע וויטנאַסט אַן עקספּאָונענשאַל סערדזש בעשאַס דעם פּעריאָד. נאָך 2010, די ינקריסינג נומער פון אויסגאבעס קאַנפערמז די גראָוינג אינטערעס צווישן ריסערטשערז, וואָס אויך ריפלעקס אַז דראָנעס זענען געווענדט צו ווייַט סענסינג און געוויינט אין פּינטלעכקייַט אַגריקולטורע (Deng et al., 2018; Maes & Steppe, 2019; Messina & Modica, 2020 ). ספּאַסיפיקלי, די נומער פון אויסגאבעס רויז פון 108 אין 2013 צו 498 אין 2018 און אַ שפּיץ פון 1,275 אין 2020. א גאַנץ פון 935 אַרטיקלען זענען ארויס צווישן יאנואר און מיטן סעפטעמבער 2021. דערנאָך, מיר באַשלאָסן צו פאָקוס אונדזער אַנאַליסיס מער אויף דער וווּקס בינע. זינט דעם פּעריאָד ריפלעקס די מערסט פריש און וויכטיק סאַטאַלטיז פון לאַנדווירטשאַפטלעך דראָנעס.
טערמינען אַנאַליסיס
די טערמינען וואָס מחברים אויסקלייַבן פֿאַר אַ ויסגאַבע האָבן אַ קריטיש פּראַל אויף ווי די פּאַפּיר איז רעפּריזענטיד און ווי עס איז קאַמיונאַקייטיד אין וויסנשאפטלעכע קהילות. זיי ידענטיפיצירן די שליסל סאַבדזשעקץ פון דער פאָרשונג און באַשליסן די פּאָטענציעל צו בליען אָדער פאַרלאָזן (Day & Gastel, 1998.; Kim et al., 2016; Uddin et al., 2015). טערמינען אַנאַליסיס, אַ געצייַג צו אַנטדעקן ברייטערער פאָרשונג טרענדס און אינסטרוקציעס, רעפערס צו די זאַמלונג פון טערמינען פון אַלע שייַכות אויסגאבעס אין אַ פעלד (Dixit & Jakhar, 2021). אין דעם קראַנט לערנען, מיר צעטיילט די געמיינזאַם טערמינען אין צוויי שטעלט (ד"ה ביז 2010 און 2011-2021) צו ויספאָרשן די מערסט פאָלקס טעמעס. דורך טאן דעם, מיר קענען שפּור די קריטיש טערמינען אין ביידע שטעלט און פאַרזיכערן אַז מיר קאַפּטשערד אַלע די נייטיק דאַטן. פֿאַר יעדער גאַנג, די שפּיץ צען טערמינען זענען דערלאנגט אין טיש 3. מיר ילימאַנייטאַד ינגקאַנסיסטענסיז דורך צונויפגיסן סעמאַנטיקאַללי יידעניקאַל טערמינען, אַזאַ ווי "דראָון" און "דראָנעס" אָדער, סימילאַרלי, "אינטערנעט פון טהינגס" און "יאָט.".
טיש 3 ווייזט אַז "אַנמאַנד לופט פאָרמיטל" איז אַ מער אָפט געניצט קיווערד ווי קאַמפּערד מיט "דראָון" און "אַנמאַנד לופט סיסטעם" אין ביידע צייט פּיריאַדז. אויך, "ווייַט סענסינג," "פּינטלעכקייַט אַגריקולטורע," און "לאַנדווירטשאַפטלעך" זענען העכסט ראַנגקט אין ביידע פּיריאַדז. אין דער ערשטער פּעריאָד, "פּינטלעכקייַט אַגריקולטורע" ראַנגקט פינפט, און עס ראַנגקט צווייט אין די רגע פּעריאָד, וואָס ילאַסטרייץ ווי דראָנעס ווערן ינקריסינגלי וויכטיק אין דערגרייכן פּינטלעכקייַט אַגריקולטורע ווי זיי קענען מאַכן מאָניטאָרינג,
דיטעקשאַן און אָפּשאַצונג פּראַקטיסיז פאַסטער, טשיפּער און גרינגער צו דורכפירן אין פאַרגלייַך מיט אנדערע ווייַט-סענסינג און ערד-באזירט סיסטעמען. זיי קענען אויך שפּריץ די גענוי סומע פון אַרייַנשרייַב (למשל, וואַסער אָדער פּעסטאַסיידז) ווען דארף (Guo et al., 2020; Inoue, 2020; Panday, Pratihast, et al., 2020).
רשימה פון מערסט אָפט געניצט טערמינען.
ריי | קסנומקס-קסנומקס | נומער פון פֿאַלן | קסנומקס-קסנומקס | נומער פון פֿאַלן |
1 | אַנמאַנד לופט פאָרמיטל | 28 | ונמאַנאַנד לופט פאָרמיטל | 1628 |
2 | ווייַט סענסינג | 7 | פּינטלעכקייַט אַגריקולטורע | 489 |
3 | אַגריקולטורע | 4 | ווייַט סענסינג | 399 |
4 | ערבאָרן | 4 | דראָון | 374 |
5 | פּינטלעכקייַט אַגריקולטורע | 4 | ונמאַנאַנד לופט סיסטעם | 271 |
6 | אַנמאַנד לופט | 4 | אַגריקולטורע | 177 |
7 | היפּערספּעקטראַל סענסער | 3 | טיף לערנען | 151 |
8 | קינסטלעך נעוראַל נעטוואָרקס | 2 | מאַשין וויסן | 149 |
9 | אָטאַנאַמאַס פלי | 2 | וועדזשאַטיישאַן ינדעקס | 142 |
10 | קאַווע | 2 | אינטערנעט פון זאכן | 124 |
אן אנדער טשיקאַווע שטריך איז די בייַזייַן פון קאַמפּלאַמענטשי טעקנאַלאַדזשיז. אין דער ערשטער בינע, "היפּערספּעקטראַל סענסאָר" און "קינסטלעך נעוראַל נעטוואָרקס" (ANN) זענען צווישן די שפּיץ צען טערמינען. היפּערספּעקטראַל ימידזשינג רעוואַלושאַנייזד בעקאַבאָלעדיק ימידזשינג דורך קאַלעקטינג אַ ריזיק נומער פון בילדער אין פאַרשידן ווייוולענגטס. אין טאן אַזוי, די סענסאָרס קענען סיימאַלטייניאַסלי קלייַבן בעסער ספּיישאַל און ספּעקטראַל אינפֿאָרמאַציע ווי קאַמפּערד מיט מולטיספּעקטראַל ימידזשינג, ספּעקטראַסקאָפּי און RGB בילדער (Adao ˜ et al.,
2017). די פּאַסירונג פון "ANN" אין דער ערשטער בינע און "טיף לערנען" (DL) און "מאַשין לערנען" (ML) אין די רגע ימפּלייז אַז רובֿ פון די ארויס ווערק פאָוקיסט אויף די דורכקוק פון די פּאָטענציעל פון אַי טעקניקס פֿאַר דראָון- באזירט אַגריקולטורע. כאָטש דראָנעס זענען ביכולת צו פליען אָטאַנאַמאַסלי, זיי נאָך דאַרפן די ינוואַלוומאַנט פון אַ פּילאָט, וואָס ימפּלייז אַ נידעריק מדרגה פון מיטל סייכל. אָבער, דעם פּראָבלעם קענען זיין סאַלווד רעכט צו דער אַנטוויקלונג פון אַי טעקניקס, וואָס קענען צושטעלן בעסער סיטושאַנאַל וויסיקייַט און אָטאַנאַמאַס באַשלוס שטיצן. יקוויפּט מיט אַי, דראָנעס קענען ויסמיידן קאַליזשאַנז בעשאַס נאַוויגאַציע, פֿאַרבעסערן באָדן און גערעטעניש פאַרוואַלטונג (Inoue, 2020) און רעדוצירן אַרבעט און דרוק פֿאַר מענטשן (BK Sharma et al., 2019).
רעכט צו זייער בייגיקייט און פיייקייט צו שעפּן וואַסט אַמאַונץ פון ניט-לינעאַר דאַטן, אַי טעקניקס זענען פּאַסיק מעטהאָדס צו אַנאַלייז די דאַטן טראַנסמיטטעד דורך דראָנעס און אנדערע ווייַט-סענסינג און ערד-באזירט סיסטעמען פֿאַר פאָרויסזאָגן און באַשלוס-מאכן (Ali et al., 2015; ינאָוע, 2020). דערצו, די בייַזייַן פון "יאָט" אין די רגע פּעריאָד ינדיקייץ זיין ימערדזשינג ראָלע אין אַגריקולטורע. IoT איז רעוואַלושאַנייזינג אַגריקולטורע דורך ינטערקאַנעקטינג אנדערע טעקנאַלאַדזשיז, אַרייַנגערעכנט דראָנעס, ML, DL, WSNs און גרויס דאַטן. איינער פון די הויפּט בענעפיץ פון ימפּלאַמענינג IoT איז זיין פיייקייט צו יפישאַנטלי און יפעקטיוולי צונויפגיסן פאַרשידן טאַסקס (דאַטאַ אַקוואַזישאַן, דאַטן אַנאַליסיס און פּראַסעסינג, באַשלוס-מאכן און ימפּלאַמענטיישאַן) אין כּמעט פאַקטיש צייט (Elijah et al., 2018; Feng et al. , 2019; Muangprathub et al., 2019). דערצו, דראָנעס זענען גערעכנט ווי עפעקטיוו מכשירים פֿאַר קאַפּטשערינג די דאַטן נייטיק פֿאַר קאַלקיאַלייטינג די קראַפט פון וועדזשאַטיישאַן און וועדזשאַטיישאַן פּראָפּערטיעס (Candiago et al., 2015). פיגורע 2אַ און 2ב אילוסטרירן די קיווערד קאָ-געשעעניש נעטוואָרקס פֿאַר ביידע צייט פּיריאַדז.
ינפלוענטשאַל מחברים
אין דעם אָפּטיילונג, מיר באַשליסן די ינפלוענטשאַל מחברים און ונטערזוכן ווי מחבר סייטיישאַן נעטוואָרקס קענען וויזשוואַלייז און אָרגאַניזירן די קראַנט ליטעראַטור. פיגורע 3 ווייזט די קראַנאַלאַדזשיקאַל אָוווערליי פון אַלע פאָרשער מיט די העכסטן נומער פון סייטיישאַנז. די קאָליר וואָג ריפלעקס די יאָר-קלוג ווערייישאַן פון מחברים 'סייטיישאַנז. מיר ונטערזוכן די סייטיישאַן סטרוקטור פון ריסערטשערז וואָס פארעפנטלעכט שטודיום אויף לאַנדווירטשאַפטלעך דראָנעס מיט אַ שוועל פון אַ מינימום פון 50 סייטיישאַנז און צען אויסגאבעס. אויס פון
12,891 מחברים, בלויז 115 באגעגנט דעם צושטאַנד. טיש 4 ליסטעד די שפּיץ צען ינפלוענטשאַל מחברים, אויסגעשטעלט לויט די מאַקסימום נומער פון סייטיישאַנז. Lopez- Granados F. פירט די רשימה מיט 1,963 סייטיישאַנז, נאכגעגאנגען דורך Zarco-Tejada PJ מיט 1,909 סייטיישאַנז.
רשימה פון מערסט סייטאַד מחברים.
ראַנגקינג | מחבר | סיטאַטיאָנס |
1 | לאָפּעז-גראַנאַדאָס 'F. | 1,963 |
2 | Zarco-Tejada PJ | 1,909 |
3 | Pena ˜ JM | 1,644 |
4 | טאָררעס-ס' אנטשעז J. | 1,576 |
5 | פערערס E | 1,339 |
6 | Remondino F | 1,235 |
7 | בולטען א | 1,160 |
8 | בערט ג | 1,155 |
9 | Berni JA | 1,132 |
10 | de Castro AI | 1,036 |
ווען עס קומט צו יחיד אויסגאבעס, דער אַרטיקל פון Zhang און Kovacs (2012) איז געווען די מערסט סייטאַד לערנען ארויס אין פּרעסיסיאָן אַגריקולטורע. דאָ, די מחברים ריוויוד די אַפּלאַקיישאַן פון UAS אין פּינטלעכקייַט אַגריקולטורע. די פיינדינגז פון זייער פאָרשונג פֿאָרשלאָגן אַז עס איז אַ נויט צו שטייַגן פּלאַטפאָרמע פּלאַן, פּראָדוקציע, סטאַנדערדיזיישאַן פון בילד געאָרעפערענסינג און אינפֿאָרמאַציע ריטריוואַל וואָרקפלאָוו צו צושטעלן פאַרמערס פאַרלאָזלעך סוף פּראָדוקטן. אַדדיטיאָנאַללי, זיי רעקאָמענדירן ענגיידזשינג די פּויער מער שטארק, ספּעציעל אין פעלד פּלאַנירונג, בילד כאַפּן, ווי געזונט ווי דאַטן ינטערפּריטיישאַן און אַנאַליסיס. ימפּאָרטאַנטלי, דעם לערנען איז געווען צווישן די ערשטע צו ווייַזן די וויכטיקייט פון UAV אין פעלד מאַפּינג, קראַפט מאַפּינג, מעזשערמאַנט פון כעמישער אינהאַלט, מאָניטאָרינג פון וועדזשאַטיישאַן דרוק און אפשאצונג פון יפעקץ פון פערטאַלייזערז אויף פאַבריק וווּקס. די טשאַלאַנדזשיז שייַכות צו די טעכנאָלאָגיע אויך אַרייַננעמען פּראָוכיבאַטיוו קאָס, סענסער פיייקייט, פּלאַטפאָרמע פעסטקייַט און רילייאַבילאַטי, פעלן פון סטאַנדערדיזיישאַן און קאָנסיסטענט פּראָצעדור צו אַנאַלייז מאַסיוו אַמאַונץ פון דאַטן.
ציטירן אַנאַליסיס
ציטירן אַנאַליסיס רעפּראַזענץ די לערנען פון די השפּעה פון אַרטיקלען, כאָטש פּראָנע צו פלאָוז (למשל, סייטיישאַן פאָרורטייל, זיך-סייטיישאַן) איז געהאלטן איינער פון די נאָרמאַל ינסטראַמאַנץ פֿאַר די פּראַל אפשאצונג (אָסאַרע, 1996; A. Rejeb et al., 2022; Sarli et al., 2010). סייטאַטיאָנס אויך פאַרטראַכטנ זיך די וויכטיקייט און ווייטאַלאַטי פון די קאַנטראַביושאַנז פון צייטונגען צו דער ליטעראַטור אויף אַ ספּעציפיש טעמע (R. Sharma et al., 2022). מיר האָבן דורכגעקאָכט אַ סייטיישאַן אַנאַליסיס צו באַשליסן די מערסט ינפלוענטשאַל שטודיום אויף לאַנדווירטשאַפטלעך דראָנעס און סאַמערייזד די אינהאַלט. טיש 5 גיט די רשימה פון די פופצן מערסט ינפלוענטשאַל צייטונגען פֿאַר די פּיריאַדז 1990–2010 און 2011–2021. די ארטיקלען פון Berni et al. (2009) ב און אַוסטין (2010) זענען די מערסט סייטאַד בעשאַס 1990 און 2010, מיט 831 און 498 סייטיישאַנז ריספּעקטיוולי. בערני עט על. (2009) ב ילאַסטרייטיד די פּאָטענציעל צו אַנטוויקלען קוואַנטיטאַטיווע רימאָוטאַנסינג פּראָדוקטן דורך אַ העליקאָפּטער-באזירט ואַוו אַוטפיטיד מיט אַפאָרדאַבאַל טערמאַל און שמאָלבאַנד מולטיספּעקטראַל ימידזשינג סענסאָרס. קאַמפּערד מיט טראדיציאנעלן מאַנד לופט סענסאָרס, אַ נידעריק-פּרייַז ואַוו סיסטעם פֿאַר אַגריקולטורע איז ביכולת צו דערגרייכן פאַרגלייַכלעך עסטאַמאַץ פון די ביאָפיסיקאַל פּאַראַמעטערס פון קראַפּס, אויב נישט בעסער. די אַפאָרדאַבאַל קאָס און אַפּעריישאַנאַל בייגיקייַט, צוזאמען מיט די הויך ספּעקטראַל, ספּיישאַל און צייט רעזאַלושאַנז בנימצא אין אַ שנעל טערנעראַונד צייט, מאַכן UAVs פּאַסיק פֿאַר אַ קייט פון אַפּלאַקיישאַנז וואָס דאַרפן צייט-קריטיש פאַרוואַלטונג, אַרייַנגערעכנט יראַגיישאַן סקעדזשולינג און פּינטלעכקייַט פאַרמינג. די צייטונג פון Berni et al. (2009) ב איז העכסט סייטאַד ווייַל עס יפעקטיוולי ינאַגרייטיד אַן אַנמאַנד דריי-פליגל פּלאַטפאָרמע און דיגיטאַל און טערמאַל סענסאָרס מיט די נייטיק קאַלאַבריישאַן מעקאַניזאַמז פֿאַר לאַנדווירטשאַפטלעך אַפּלאַקיישאַנז. די צווייט מערסט סייטאַד ויסגאַבע איז אַ בוך אָטערד דורך אַוסטין (2010), וואָס דיסקאַסט ואַווס פֿון פּלאַן, אַנטוויקלונג און דיפּלוימאַנט פּערספּעקטיווז. אין אַגריקולטורע, UAVs שטיצן גערעטעניש מאָניטאָרינג דורך דיטעקטינג חולאתן פרי דורך גערעטעניש קאָליר ענדערונגען, פאַסילאַטייטינג גערעטעניש סאָוינג און ספּרייינג, און מאָניטאָרינג און דרייווינג כערדז.
די שטודיום פון סאַליוואַן עט על. (2007), Lumme et al. (2008), און גאָקטאָ ¨ ǧאַן עט על. (2010) ענדיקן די רשימה פון די שפּיץ פופצן מערסט סייטאַד אַרטיקלען. די אַרטיקלען אילוסטרירן די אַנטוויקלונג פון ואַוו-באזירט סיסטעמען צו שטיצן אַגריקולטורע. זיי פאָרשלאָגן סאַלושאַנז צו פאַרשידן פּראָבלעמס, אַזאַ ווי גערעטעניש מאָניטאָרינג און סקאַנינג, וויד סערוויילאַנס און פאַרוואַלטונג, און באַשלוס שטיצן. זיי אויך פֿאָרשלאָגן און דיסקוטירן UAV ס פיייקייט צו פאַרגרעסערן מוסטערונג עפעקטיווקייַט און הילף פאַרמערס אין דיווייזינג פּינטלעך און עפעקטיוו
פּלאַנטינג סטראַטעגיעס. צוויי צייטונגען זענען אָטערד דורך Berni (Berni et al., 2009b; Berni et al., 2009a), אַנדערסקאָרינג זיין באַטייטיק פּראַל אויף לאַנדווירטשאַפטלעך דראָון-פֿאַרבונדענע פאָרשונג. די צייטונג פון Zarco-Tejada עט על. (2014) איז געווען צווישן די פּייאַנירינג שטודיום צו אילוסטרירן די נויט צו נוצן נידעריק-פּרייַז UAV בילדער אין בוים הייך קוואַנטאַפאַקיישאַן.
רשימה פון מערסט סייטאַד אויסגאבעס.
ריי | פון קסנומקס צו קסנומקס | פון קסנומקס צו קסנומקס | ||
דאָקומענט | סיטאַטיאָן | דאָקומענט | סיטאַטיאָן | |
1 | (Berni et al., 2009b) | 831 | (C. Zhang & Kovacs, קסנומקס) | 967 |
2 | (אַוסטין, 2010) | 498 | (נעקס & רעמאָנדינאָ, קסנומקס) | 893 |
3 | (Hunt et al., 2010) | 331 | (פלאָרעאַנאָ און האָלץ, קסנומקס) | 552 |
4 | (SR Herwitz et al., קסנומקס) | 285 | (Hossein Motlagh et al., קסנומקס) | 391 |
5 | (CCD Lelong et al., קסנומקס) | 272 | (שחאתרה עט על., קסנומקס) | 383 |
6 | (Berni et al., 2009b) | 250 | (מאַ עט על., 2017) | 373 |
7 | (Grenzdorffer ¨ et al., קסנומקס) | 198 | (Bendig et al., 2014) | 360 |
8 | (Hrabar et al., 2005) | 175 | (Zarco-Tejada et al., קסנומקס) | 347 |
9 | (Y. Huang et al., 2009) | 129 | (אַד˜ ao et al., 2017) | 335 |
10 | (Schmale III et al., קסנומקס) | 119 | (Honkavaara et al., 2013a) | 331 |
11 | (עבד אלרחמאן עט על., קסנומקס) | 79 | (Candiago et al., 2015) | 327 |
12 | (Techy et al., 2010) | 69 | (קסיאַנג & טיאַן, 2011) | 307 |
13 | (סולליוואַן עט על., 2007) | 51 | (Matese et al., 2015) | 303 |
14 | (Lumme et al., 2008) | 42 | (גאַגאָ עט על., 2015) | 275 |
15 | (Gokto ¨ ǧan et al., 2010) | 40 | (Aasen et al., 2015a) | 269 |
אין דער צווייטער צייט (2011-2021), די פאָרשונג פון Zhang און Kovacs (2012) און Nex and Remondino (2014) ריזאַלטיד אין די מערסט אָפט סייטאַד אויסגאבעס. Zhang און Kovacs (2012) טענהן אַז פּינטלעכקייַט אַגריקולטורע קען נוץ פון ימפּלאַמענינג געאָספּאַטיאַל טעקניקס און סענסאָרס, אַזאַ ווי דזשיאַגראַפיק אינפֿאָרמאַציע סיסטעמען, גפּס און ווייַט סענסינג, צו כאַפּן ווערייישאַנז אין דעם פעלד און שעפּן זיי דורך ניצן אָלטערנאַטיוו סטראַטעגיעס. ווי אַ שפּיל-טשאַנגער אין פּינטלעכקייַט אַגריקולטורע, די אַדאַפּשאַן פון דראָנעס האט כעראַלד אַ נייַע צייט אין ווייַט סענסינג, סימפּלאַפייינג לופט אָבסערוואַציע, קאַפּטשערינג גערעטעניש וווּקס דאַטן, באָדן טנאָים און ספּרייינג געביטן. די רעצענזיע פון Zhang און Kovacs (2012) איז סעמינאַל זינט עס אָפפערס ינסייץ אין UAVs דורך ריווילינג יגזיסטינג ניצט און טשאַלאַנדזשיז פון די דעוויסעס אין ינווייראַנמענאַל מאָניטאָרינג און פּינטלעכקייַט אַגריקולטורע, אַזאַ ווי פּלאַטפאָרמע און אַפּאַראַט לימיטיישאַנז, דאַטן פּראַסעסינג טשאַלאַנדזשיז, פּויער באַשטעלונג און ייווייישאַן רעגיאַליישאַנז. . די צווייטע
רובֿ סייטאַד לערנען פון Nex און Remondino (2014) ריוויוד די שטאַט פון די קונסט פון ואַווס פֿאַר קאַפּטשערינג, פּראַסעסינג און אַנאַלייזינג ערד בילדער.
זייער אַרבעט האָט אויך דערלאנגט אַן איבערבליק פון עטלעכע UAV פּלאַטפאָרמס, אַפּלאַקיישאַנז און נוצן קאַסעס, וואָס ווייַזן די לעצטע אַדוואַנטידזשיז אין UAV בילד פּראַסעסינג. אין אַגריקולטורע, פאַרמערס קענען נוצן ואַווס צו מאַכן עפעקטיוו דיסיזשאַנז צו דערגרייכן קאָס און צייט סייווינגז, באַקומען אַ גיך און גענוי רעקאָרד פון דאַמידזשיז און אַנטיסאַפּייט מעגלעך פּראָבלעמס. אין קאַנטראַסט צו קאַנווענשאַנאַל לופט פּלאַטפאָרמס, ואַווס קענען שניידן אַפּעריישאַנאַל הוצאות און פאַרמינערן די געפאַר פון אַקסעס אין האַרב לאָוקיישאַנז בשעת נאָך פּראַזערווינג הויך פּינטלעכקייַט פּאָטענציעל. זייער פּאַפּיר סאַמערייזיז פאַרשידן אַדוואַנטידזשיז פון ואַווס, ספּעציעל אין טערמינען פון אַקיעראַסי און האַכלאָטע.
צווישן די רוען דרייצן מערסט סייטאַד אויסגאבעס צווישן 2011 און 2021, מיר באמערקט אַ גרעסערע קאַנסאַנטריישאַן אויף פאָרשונג פארבונדן צו דראָון אַפּלאַקיישאַנז אין ימידזשינג מישאַנז (Bendig et al., 2014; Ma et al., 2017; Zarco-Tejada et al., 2014) , פּינטלעכקייַט אַגריקולטורע (Candiago et al., 2015; Honkavaara et al., 2013a), פּינטלעכקייַט וויטיקולטורע (Matese et al., 2015), וואַסער דרוק אַסעסמאַנט (Gago et al., 2015), און וועדזשאַטיישאַן מאָניטאָרינג (Aasen et al. , 2015אַ). אין די ערשטע יאָרן, ריסערטשערז פאָוקיסט
מער אויף דעוועלאָפּינג נידעריק-פּרייַז, לייטווייט און גענוי ואַוו-באזירט סיסטעמען פֿאַר אַגריקולטורע; מער פריש פאָרשונג האט פאָוקיסט מער אויף באריכטן פון UAV אַפּלאַקיישאַנז פֿאַר אַגריקולטורע און פעלד סערווייינג. אין קיצער, די אַנאַליסיס ריווילז אַז די ינפלוענטשאַל אויסגאבעס האָבן מערסטנס צוגעשטעלט באריכטן פון פריערדיקע שטודיום צו אָפּשאַצן די קראַנט וויסנשאפטלעכע און טעקנאַלאַדזשיקאַל סטאַטוס פון UAV און דעוועלאָפּעד UAV סיסטעמען צו שטיצן פּינטלעכקייַט אַגריקולטורע. ינטערעסטינגלי, מיר האָבן נישט געפֿונען שטודיום וואָס האָבן ימפּרייזד עמפּיריקאַל
מעטאַדאַלאַדזשיז אָדער דיסקריפּטיוו פאַל שטודיום, וואָס קאַנסטאַטוץ אַ באַטייטיק וויסן ריס און רופט פֿאַר מער פאָרשונג אויף דעם טעמע.
קאָ-סייטיישאַן אַנאַליסיס
לויט Gmür (2006), קאָ-סייטיישאַן אַנאַליסיס יידענאַפייד ענלעך אויסגאבעס און קלאַסטערז זיי. אָפּגעהיט דורכקוק פון אַ קנויל קענען אַנטדעקן אַ פּראָסט פעלד פון פאָרשונג צווישן די אויסגאבעס. מיר פאָרשן די קאָ-סייטיישאַן פון די ליטעראַטור שייך צו לאַנדווירטשאַפטלעך דראָנעס צו אילוסטרירן פֿאַרבונדענע ונטערטעניק געביטן און דעטעקט די אינטעלעקטואַל פּאַטערנז פון אויסגאבעס. אין דעם אַכטונג, Small (1973) רעקאַמענדיד די נוצן פון קאָסיטאַטיאָן אַנאַליסיס צו לערנען די מערסט ינפלוענטשאַל און סעמינאַל פאָרשונג
אין אַ דיסציפּלין. צו באַגרענעצן דעם גאַנג צו די מערסט סעמינאַל אַרטיקלען (Goyal & Kumar, 2021), מיר שטעלן אַ קאָו-סייטיישאַן שוועל פון 25, טייַטש אַז צוויי אַרטיקלען מוזן זיין ציטירט צוזאַמען אין די רעפֿערענץ רשימות פון 25 אָדער מער פאַרשידענע אויסגאבעס. די קלאַסטערינג איז אויך דורכגעקאָכט מיט אַ מינימום קלאַסטער גרייס 1 און אָן קיין מעטאָד צו צונויפגיסן קלענערער קלאַסטערז מיט גרעסערע. ווי אַ רעזולטאַט, זעקס קלאַסטערז זענען דזשענערייטאַד באזירט אויף די ענלעכקייט פון שטודיום און זייער אינטעלעקטואַל סטרוקטור. טאַבלע 6 ווייזט די פאַרשפּרייטונג פון אויסגאבעס אין יעדער קנויל.
קנויל 1: דער קנויל כּולל אַכצן דאָקומענטן ארויס נאָך די אויסגאבעס אין דעם קנויל דיסקוטירן די ראָלע פון דראָנעס אין שטיצן ינווייראַנמענאַל מאָניטאָרינג, גערעטעניש פאַרוואַלטונג און וויד פאַרוואַלטונג. פֿאַר בייַשפּיל, Manfreda et al. (2018) צושטעלן אַן איבערבליק פון די קראַנט פאָרשונג און ימפּלאַמאַנץ פון UAV אין מאָניטאָרינג פון נאַטירלעך לאַנדווירטשאַפטלעך יקאָוסיסטאַם און טענהן אַז די טעכנאָלאָגיע אָפפערס אַ ריזיק פּאָטענציעל צו דראַסטיקלי פאַרבעסערן ינווייראַנמענאַל מאָניטאָרינג און רעדוצירן
די יגזיסטינג ריס צווישן פעלד אָבסערוואַציע און קאַנווענשאַנאַל לופט און ספּייסבאָרנע ווייַט סענסינג. דאָס קענען זיין געטאן דורך פאָרשלאָגן נייַ קאַפּאַציטעט פֿאַר ימפּרוווד צייט ריטריוואַל און ספּיישאַל ינסייץ אין גרויס געביטן אויף אַ אַפאָרדאַבאַל וועג. ואַווס קענען קעסיידער זינען די סוויווע און שיקן די ריזאַלטינג דאַטן צו ינטעליגענט, סענטראַלייזד / דיסענטראַלייזד ענטיטיז וואָס קאָנטראָלירן סענסאָרס צו ידענטיפיצירן עווענטואַל פּראָבלעמס, אַזאַ ווי אַ פעלן פון קרענק אָדער וואַסער דיטעקשאַן (Padua ´et al., 2017). אַדאַאָ ˜ עט על. (2017) זאָגן אַז ואַווס זענען ידעאַל פֿאַר אַססעססינג די באדינגונגען פון געוויקסן דורך קאַפּטשערינג אַ וואַסט באַנד פון רוי דאַטן שייַכות צו וואַסער סטאַטוס, בייאַמאַס אָפּשאַצונג און קראַפט אַסעסמאַנט. UAV-מאָונטעד סענסאָרס קען אויך זיין גלייך דיפּלויד אין געהעריק ינווייראַנמענאַל טנאָים צו לאָזן די בייַצייַטיק כאַפּן פון ווייַט-סענסינג דאַטן (Von Bueren et al., 2015). מיט UAVs, פאַרמערס זענען ביכולת צו דורכפירן דרינענדיק פאַרמינג אַקטיוויטעטן דורך אַקוויירינג מעזשערמאַנץ פון פּראַקטאַקלי קיין אָרט אין די דריי-דימענשאַנאַל פּלאַץ פון דרינענדיק פאַרמינג ינווייראַנמאַנץ (למשל, גרינכאַוסיז), דערמיט ינשורינג היגע קלימאַט קאָנטראָל און פאַבריק מאָניטאָרינג (Roldan ´ et al. ., 2015). אין דעם קאָנטעקסט פון פּינטלעכקייַט
אַגריקולטורע, גערעטעניש פאַרוואַלטונג דיסיזשאַנז דאַרפן פּינטלעך, פאַרלאָזלעך גערעטעניש דאַטן מיט אַ צונעמען צייט און ספּיישאַל האַכלאָטע (Gebbers & Adamchuk, 2010; Gevaert et al., 2015; Maes & Steppe, 2019). פֿאַר דעם סיבה, Agüera Vega עט על. (2015) געוויינט אַ UAV-מאָונטעד מולטיספּעקטראַל סענסער סיסטעם צו קריגן בילדער פון אַ זונרויז גערעטעניש בעשאַס די גראָוינג צייַט. סימילאַרלי, Huang et al. (2009) טאָן אַז ווייַט סענסינג באזירט אויף ואַווס קען פאַסילאַטייט די מעזשערמאַנט פון קראַפּס און באָדן פֿון די געזאמלט ספּעקטראַל דאַטן. ווערגער עט על. (2014) דעוועלאָפּעד און טעסטעד אַ טעכניק פֿאַר אָפּשאַצן אַ גרין שטח אינדעקס (GAI) פֿון ואַוו רעפלעקטיווע מעזשערמאַנץ אין פּינטלעכקייַט אַגריקולטורע אַפּלאַקיישאַנז, פאָוקיסינג אויף ווייץ און רייפּסיד קראַפּס. דעריבער, דראָנעס צושטעלן נייַע פּאַסאַבילאַטיז פֿאַר ריטריווינג גערעטעניש שטאַט אינפֿאָרמאַציע מיט אָפט ריוויזיץ און הויך ספּיישאַל האַכלאָטע (Dong et al., 2019; Garzonio et al., 2017; H. Zheng et al., 2016).
קלאַסטערינג פון ינפלוענטשאַל אויסגאבעס אויף לאַנדווירטשאַפטלעך דראָנעס.
קנויל | ברייט טעמע | רעפֿערענצן |
1 | ענוויראָנמענטאַל מאָניטאָרינג, גערעטעניש פאַרוואַלטונג, וויד פאַרוואַלטונג | (אַד˜ אַאָ עט על., 2017; Agüera Vega עט על., 2015; de Castro et al., 2018; Gomez-Cand ´on´ et al., 2014; יב הואַנג עט על., 2013; כאנאל עט על., 2017; לאָפּעז-גראַנאַדאָס, '2011; מאַנפרעדאַ עט על., 2018; פּ' אַדואַ עט על., 2017; Pena ˜ עט על., 2013; P'erez-Ortiz עט על., 2015; Rasmussen עט על., 2013, 2016; טאָררעס-ס' anchez et al., 2014; טאָררעס-סאַנטשעז, לאָפּעז-גראַנאַדאָס, און Pena, ~ 2015; ווערגער עט על., 2014; וואָן Bueren et al., 2015; סי זשאַנג & Kovacs, 2012) |
2 | ווייַט פענאָטיפּינג, טראָגן אָפּשאַצונג, גערעטעניש ייבערפלאַך מאָדעל, ציילן פון געוויקסן | (Bendig et al., 2013, 2014; Geipel עט על., 2014; גנאַדינגער ¨ & שמידהאַלטער, 2017; היגההאַטטאַלאַב עט על., 2016; האָלמאַן עט על., 2016; דזשין עט על., 2017; W. Li et al., 2016; Maimaitijiang et al., 2017; סאַנקאַראַן עט על., 2015; Schirrmann et al., 2016; שי עט על., 2016; יוע עט על., 2017; X. Zhou et al., 2017) |
3 | טערמאַל ימידזשינג פֿאַר וואַסער, מולטיספּעקטראַל ימאַגינג | (Baluja et al., 2012; Berni et al., 2009ב; Berni et al., 2009a; קאַנדיאַגאָ עט על., 2015; גאַגאָ עט על., 2015; Gonzalez-Dugo et al., 2013, 2014; Grenzdorffer ¨ עט על., 2008; Khaliq עט על., 2019; Matese et al., 2015; Ribeiro-Gomes et al., 2017; Santesteban et al., 2017; אוטו עט על., קסנומקס) |
4 | היפּערסעקטראַל ימידזשינג, ספּעקטראַל ימאַגינג | (Aasen et al., 2015a; Bareth et al., 2015; האַקאַלאַ עט על., 2013; Honkavaara et al., 2013a; לוסיער עט על., 2014; Saari et al., 2011; Suomalainen et al., 2014) |
5 | 3 ד מאַפּינג אַפּפּליקאַטיאָנס | (Jim´enez-Brenes et al., 2017; Nex & רעמאָנדינאָ, 2014; Salami et al., 2014; טאָררעס-ס' אַנטשעז, לאָפּעז- ' Granados, Serrano, עט על., 2015; Zahawi et al., 2015; זאַרקאָ-טעדזשאַדאַ עט על., 2014) |
6 | אַגריקולטורע סערוויילאַנס | (SR Herwitz et al., 2004; Hunt עט על., 2010; CCD Lelong et al., 2008; פּרימיסעריאָ עט על., 2012; קסיאַנג & טיאַן, 2011) |
דערצו, דראָנעס זענען נוציק פֿאַר טשאַלאַנדזשינג טאַסקס אין אַגריקולטורע, אַרייַנגערעכנט וויד מאַפּינג. בילדער קאַפּטשערד דורך די דעוויסעס האָבן פּראָווען זייער נוציקייט פֿאַר פרי וויד דיטעקשאַן אין פעלדער (de Castro et al., 2018; Jim´enez-Brenes et al., 2017; Lam et al., 2021; Lopez-Granados ´ et al., 2016; Rozenberg et al., 2021). אין דעם אַכטונג, דע Castro et al. (2018) זאָגן אַז די צונויפגיסן פון UAV ימאַדזשרי און אָבדזשעקט-באזירט בילד אַנאַליסיס (אָביאַ) האט ענייבאַלד פּראַקטישנערז צו באַקומען די אַרויסגעבן פון אָטאַמייטינג פרי דיטעקשאַן אין פרי סעזאָן גראַסלאַנד קראַפּס, וואָס איז אַ גרויס שריט פאָרויס אין וויד פאָרשונג. פּונקט אַזוי, Pena˜ et al. (2013) פונט אויס אַז די נוצן פון הינטער-הויך ספּיישאַל האַכלאָטע בילדער פון ואַוו אין קאַנדזשאַנגקשאַן מיט אַן OBIA פּראָצעדור מאכט עס מעגלעך צו דזשענערייט וויד מאַפּס אין פרי מייז קראַפּס וואָס קען זיין געניצט אין פּלאַנירונג די ימפּלאַמענטיישאַן פון אין-צייַט וויד קאָנטראָל מיטלען, אַ אַרבעט ווייַטער פון די פיייקייט פון סאַטעליט און בעקאַבאָלעדיק לופט בילדער. אין פאַרגלייַך מיט בילד קלאַסאַפאַקיישאַן אָדער אַבדזשעקץ דיטעקשאַן אַלגערידאַמז, סעמאַנטיק סעגמענטאַטיאָן טעקניקס זענען מער עפעקטיוו אין וויד מאַפּינג טאַסקס (J. Deng עט על., 2020), אַזוי אַז פאַרמערס קענען דעטעקט פעלד טנאָים, פאַרמינערן לאָססעס און פֿאַרבעסערן ייעלדס איבער די גראָוינג סעזאָן (Ramesh) עט על., 2020). סעמאַנטיש סעגמאַנטיישאַן באזירט אויף טיף לערנען קענען אויך צושטעלן אַ פּינטלעך מעזשערמאַנט פון וועדזשאַטיישאַן דעקן פון הויך-האַכלאָטע לופט בילדער (Ramesh et al., 2020; A. Zheng et al., 2022). טראָץ זייער פּאָטענציעל פֿאַר ווייַט
סענסינג פּיקסעל קלאַסאַפאַקיישאַן, סעמאַנטיק סעגמענטאַטיאָן טעקניקס דאַרפן באַטייטיק קאַמפּיאַטיישאַן און אַ פּראָוכיבאַטיוו הויך גפּו זכּרון (J. Deng et al., 2020).
באַזירט אויף מאַשין לערנען און ואַוו, P´erez-Ortiz עט על. (2015) סאַגדזשעסטיד אַ וויד מאַפּינג צוגאַנג צו צושטעלן פּלאַץ-ספּעציפיש וויד קאָנטראָל סטראַטעגיעס ווען פאַרמערס אַדאַפּט די פרי-פּאָסטן ימערדזשאַנס וויד קאָנטראָל. צום סוף, Rasmussen עט על. (2013) כיילייטיד אַז דראָנעס צושטעלן ביליק סענסינג מיט גרויס ספּיישאַל האַכלאָטע בייגיקייט. קוילעלדיק, די אויסגאבעס אין דעם קנויל פאָקוס אויף ויספאָרשן די פּאָטענציעלז פון ואַווס צו שטיצן ווייַט סענסינג, גערעטעניש מאָניטאָרינג און וויד מאַפּינג. נאָך אין-טיפקייַט פאָרשונג איז דארף צו ווייַטער פאָרשן ווי דראָון אַפּלאַקיישאַנז אין ינווייראַנמענאַל מאָניטאָרינג, גערעטעניש פאַרוואַלטונג און וויד מאַפּינג קענען דערגרייכן מער סאַסטיינאַבאַל אַגריקולטורע (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J Su, Liu, et al., 2018) און אַדרעס גאַווערנאַנס ישוז פון דעם טעכנאָלאָגיע אין גערעטעניש פאַרזיכערונג אַפּלאַקיישאַנז (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). רעסעאַרטשערס זאָל קאַנסאַנטרייט אויף וואַלאַדייטינג UAV קאַלעקטאַד מעזשערמאַנץ מיט עפעקטיוו פּראַסעסינג טעקניקס צו פאַרבעסערן די לעצט קוואַליטעט פון פּראַסעסט דאַטן (Manfreda et al., 2018). דערצו, די אַנטוויקלונג פון צונעמען אַלגערידאַמז וואָס דערקענען בילדצעלן וואָס ווייַזן ווידז אין די דיגיטאַל בילדער און עלימינירן ירעלאַוואַנט הינטערגרונט בעשאַס ואַוו וויד מאַפּינג איז דארף (Gaˇsparovi´c et al., 2020; Hamylton et al., 2020; H. Huang et al. , 2018, 2020; Lopez-' Granados et al., 2016). נאָך פאָרשונג וועגן די אַדאַפּטיישאַן פון סעמאַנטיק סעגמאַנטיישאַן טעקניקס אין פאַבריק דערקענונג, בלאַט קלאַסאַפאַקיישאַן און קרענק מאַפּינג איז באַגריסן (Fuentes-Pacheco et al., 2019; Kerkech et al., 2020).
קנויל 2. די אויסגאבעס אין דעם קנויל פאָוקיסט אויף עטלעכע אַספּעקץ פון לאַנדווירטשאַפטלעך דראָנעס. שייַכות צו ווייַט פענאָטיפּינג, Sankaran et al. (2015) ריוויוד די פּאָטענציעל פון ניצן נידעריק-הייך, הויך-האַכלאָטע לופט ימאַגינג מיט ואַווס פֿאַר שנעל פענאָטיפּינג פון קראַפּס אין דעם פעלד, און זיי טענהן אַז, קאַמפּערד מיט ערד-באזירט סענסינג פּלאַטפאָרמס, קליין ואַווס מיט טויגן סענסאָרס פאָרשלאָגן עטלעכע אַדוואַנטידזשיז. , אַזאַ ווי גרינגער אַקסעס צו די פעלד, הויך האַכלאָטע דאַטן, עפעקטיוו דאַטן זאַמלונג,
גיך אַסעסמאַנץ פון די פעלד וווּקס טנאָים, און נידעריק אַפּעריישאַנאַל קאָס. אָבער, די מחברים אויך טאָן אַז די עפעקטיוו אַפּלאַקיישאַן פון UAV פֿאַר פעלד פענאָטיפּינג רילייז אויף צוויי פונדאַמענטאַל עלעמענטן, ניימלי, UAV פֿעיִקייטן (למשל, זיכערקייַט, פעסטקייַט, פּאַזישאַנינג, זעלבסט-פאַרוואַלטונג) און סענסער קעראַקטעריסטיקס (למשל, האַכלאָטע, וואָג, ספּעקטראַל ווייוולענגטס, פעלד) פון מיינונג). היגהיגהאַטטאַלאַב עט על. (2016) פארגעלייגט אַ האַלב-אָטאַמייטיד בילד פּראַסעסינג רערנ - ליניע צו צוריקקריגן פּלאַנעווען-מדרגה דאַטן פון ואַוו בילדער און פאַרגיכערן די ברידינג פּראָצעס. האָלמאַן עט על. (2016) דעוועלאָפּעד אַ הויך
טרופּוט פעלד פענאָטיפּינג סיסטעם און כיילייטיד אַז UAV איז ביכולת צו זאַמלען קוואַליטעט, וואַלומאַנאַס, פעלד-באזירט פענאָטיפּיק דאַטן, און אַז די מיטל איז עפעקטיוו פֿאַר גרויס געביטן און אַריבער פאַרשידענע פעלד לאָוקיישאַנז.
ווי אָפּשאַצונג פון אָפּטראָג איז אַן ינקרעדאַבלי וויטאַל שטיק פון אינפֿאָרמאַציע, ספּעציעל ווען זיי זענען בארעכטיגט אין צייט, עס איז אַ פּאָטענציעל פֿאַר UAVs צו צושטעלן אַלע פעלד מעזשערמאַנץ און יפישאַנטלי קריגן הויך-קוואַליטעט דאַטן (Daakir et al., 2017; Demir et al., 2018 ; Enciso et al., 2019; Kulbacki et al., Pudelko et al., 2018). אין דעם אַכטונג, Jin et al. (2012) האָט גענוצט די ימאַדזשרי מיט הויך האַכלאָטע באקומען דורך ואַווס אין זייער נידעריק הייך צו אַנטוויקלען און אַססעסס אַ מעטאָד פֿאַר אָפּשאַצן ווייץ פאַבריק געדיכטקייַט אין די ימערדזשאַנס בינע. לויט די מחברים, UAVs באַקומען די לימיטיישאַנז פון ראָווער סיסטעמען יקוויפּט מיט קאַמעראַס און רעפּראַזענץ אַ ניט-ינווייסיוו אופֿן צו אָפּשאַצן פאַבריק געדיכטקייַט אין קראַפּס, אַלאַוינג פאַרמערס צו דערגרייכן די הויך טרופּוט נייטיק פֿאַר פעלד פענאָטיפּינג פרייַ פון די טראַפפיקאַביליטי פון דעם באָדן. לי עט על. (2017) געזאמלט הונדערטער פון סטעריאָו בילדער מיט גאָר הויך האַכלאָטע ניצן אַ ואַוו-באזירט סיסטעם צו אָפּשאַצן מייז פּאַראַמעטערס, אַרייַנגערעכנט כופּע הייך און אויבן-ערד בייאַמאַס. צום סוף, Yue et al. (2016) געפונען אַז גערעטעניש הייך באשלאסן פון ואַווס קען פאַרבעסערן די אָפּשאַצונג פון די אויבן ערד בייאַמאַס (אַגב).
אַ צוגאַנג צו מאָניטאָר גערעטעניש וווּקס איז דער געדאַנק פון דעוועלאָפּינג גערעטעניש ייבערפלאַך מאָדעלס (Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021). עטלעכע שטודיום כיילייטיד די פיזאַבילאַטי פון בילדער גענומען פֿון ואַוו צו כאַפּן די הייך פון געוויקסן און מאָניטאָר זייער וווּקס. פֿאַר בייַשפּיל, Bendig et al. (2013) דיסקרייבד די אַנטוויקלונג פון מולטי-צייַט גערעטעניש ייבערפלאַך מאָדעלס מיט אַ זייער הויך האַכלאָטע פון ווייניקער ווי 0.05 עם ניצן ואַוו. זיי אַימעד צו דעטעקט גערעטעניש
גראָוט וועריאַביליטי און זייַן אָפענגיקייַט אויף גערעטעניש באַהאַנדלונג, קולטיוואַר און דרוק. בענדיג עט על. (2014) געוויינט UAVs צו אָפּשאַצן פריש און טרוקן בייאַמאַס באזירט אויף פאַבריק הייך יקסטראַקטיד פון גערעטעניש ייבערפלאַך מאָדעלס און געפֿונען אַז, ניט ענלעך ערבאָרנע פּלאַטפאָרמס און ערדישע לאַזער סקאַנינג, די הויך האַכלאָטע בילדער פון UAVs קענען באטייטיק פאַרגרעסערן די אַקיעראַסי פון פאַבריק הייך מאָדעלינג פֿאַר פאַרשידענע וווּקס. סטאַגעס. אין דער זעלביקער וועג, Geipel et al. (2014) געוויינט ואַווס אין זייער פאָרשונג צו קריגן בילדער
דאַטאַסעץ פֿאַר מייז קערל טראָגן פאָרויסזאָגן אין דריי פאַרשידענע גראָוט פייזאַז פון פרי צו מיטן סעזאָן און געפונען אַז די קאָמבינאַציע פון ספּעקטראַל און ספּיישאַל מאָדעלינג באזירט אויף לופט בילדער און גערעטעניש ייבערפלאַך מאָדעלס איז אַ פּאַסיק אופֿן פֿאַר פּרידיקטינג מייז טראָגן אין מיטן סעזאָן. צום סוף, Gnadinger ¨ און Schmidhalter (2017) יגזאַמאַנד די נוצן פון ואַוו אין פּינטלעכקייַט פענאָטיפּינג און כיילייטיד אַז די נוצן פון דעם טעכנאָלאָגיע קען פאַרבעסערן פאַרם פאַרוואַלטונג און געבן פעלד יקספּעראַמאַנטיישאַן פֿאַר ברידינג און אַגראָנאָמיק צוועקן. קוילעלדיק, מיר אָבסערווירן אַז די אויסגאבעס אין קנויל 2 פאָקוס אויף די הויפּט אַדוואַנטידזשיז פון ואַווס אין ווייַט
פענאָטיפּינג, אָפּשאַצונג פון טראָגן, גערעטעניש ייבערפלאַך מאָדעלינג און פאַבריק קאַונטינג. צוקונפֿט שטודיום קענען גראָבן דיפּער דורך דעוועלאָפּינג נייַע מעטהאָדס פֿאַר ווייַט פענאָטיפּינג וואָס קענען אָטאַמייט און אַפּטאַמייז די פּראַסעסינג פון רימאָוטלי סענסט דאַטן (Barabaschi et al., 2016; Liebisch et al., 2015; Mochida et al., 2015; S. Zhou et al. ., 2021). אין אַדישאַן, די פאָרשטעלונג פון IoT סענסאָרס מאָונטעד אויף ואַווס און די האַנדל-אַוועק צווישן זייער קאָס, אַרבעט און פּינטלעכקייַט פון אָפּשאַצונג פון טראָגן דאַרף זיין ריסערטשט אין די
צוקונפֿט (Ju & Son, 2018a, 2018b; Xie & Yang, 2020; Yue et al., 2018). לעסאָף, עס איז אַ נויט צו אַנטוויקלען עפעקטיוו בילד פּראַסעסינג מעטהאָדס וואָס קענען דזשענערייט פאַרלאָזלעך אינפֿאָרמאַציע, מאַקסאַמייז עפעקטיווקייַט אין לאַנדווירטשאַפטלעך פּראָדוקציע און מינאַמייז די מאַנואַל קאַונטינג אַרבעט פון פאַרמערס (RU Khan et al., 2021; Koh et al., 2021; Lin & Guo, 2020; C. Zhang et al., 2020).
קנויל 3. די אויסגאבעס אין דעם קנויל דיסקוטירן די פאַרשידענע טייפּס פון ימידזשינג סיסטעמען פֿאַר ווייַט סענסינג פון אַגריקולטורע רעסורסן געניצט אויף ואַוו פּלאַטפאָרמס. אין דעם אַכטונג, טערמאַל ימאַגינג אַלאַוז די מאָניטאָרינג פון ייבערפלאַך טעמפּעראַטורעס צו פאַרמייַדן גערעטעניש שעדיקן און דעטעקט טריקעניש דרוק פרי (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017; Yeom, 2021). Baluja et al. (2012) האט געזאגט אַז די נוצן פון מולטיספּעקטראַל און טערמאַל קאַמעראַס אַנבאָרד די
UAV ענייבאַלד ריסערטשערז צו באַקומען הויך האַכלאָטע בילדער און אַססעסס די ווייַנשטאָק וואַסער סטאַטוס. דאָס קען זיין נוציק צו אַנטוויקלען ראָמאַן וואַסער סקעדזשולינג מאָדעלס ניצן ווייַט-סענסינג דאַטן (Baluja et al., 2012). ווייַל פון די
לימיטעד מאַסע קאַפּאַציטעט פון ואַווס, Ribeiro-Gomes עט על. (2017) באטראכט די ינאַגריישאַן פון ונקאָאָלעד טערמאַל קאַמעראַס אין ואַווס צו באַשטימען וואַסער דרוק אין די געוויקסן, וואָס מאכט דעם טיפּ פון ואַווס מער עפעקטיוו און ווייאַבאַל ווי טראדיציאנעלן סאַטעליט-באזירט ווייַט סענסינג און ואַווס יקוויפּט מיט קולד טערמאַל קאַמעראַס. לויט די מחברים, ונקאָאָלעד טערמאַל קאַמעראַס זענען לייטער ווי קולד קאַמעראַס, וואָס דאַרפן צונעמען קאַלאַבריישאַן. גאָנזאַלעז-דוגאָ עט על. (2014) געוויזן אַז טערמאַל ימאַדזשרי יפעקטיוולי דזשענערייץ ספּיישאַל מאַפּס פון גערעטעניש וואַסער דרוק ינדיסיז פֿאַר אַססעססינג וואַסער סטאַטוס און קוואַנטאַפייינג וואַסער דרוק צווישן און אין סיטרוס אָרטשערדז. גאָנזאַלעז-דוגאָ עט על. (2013) און Santesteban et al. (2017) ינוועסטאַגייטאַד די נוצן פון הויך האַכלאָטע טערמאַל ימאַדזשרי פון UAV צו אָפּשאַצן די וועריאַביליטי פון וואַסער סטאַטוס פון אַ געשעפט סאָד און אַ ווייַנגאָרטן.
מולטיספּעקטראַל ימידזשינג קען צושטעלן מאַסיוו דאַטן אין פאַרגלייַך מיט טראדיציאנעלן RGB (רויט, גרין און בלוי) בילדער (Ad˜ ao et al., 2017; Navia et al., 2016). די ספּעקטראַל דאַטן, צוזאַמען מיט ספּיישאַל דאַטן, קען העלפֿן אין קלאַסאַפאַקיישאַן, מאַפּינג, פאָרקאַסטינג, פּראָגנאָז און דיטעקשאַן צוועקן (Berni et al., 2009b). לויט קאַנדיאַגאָ עט על. (2015), UAV-באזירט מולטיספּעקטראַל ימידזשינג קען ביישטייערן מאַסיוולי צו גערעטעניש אַסעסמאַנט און גענוי אַגריקולטורע ווי אַ פאַרלאָזלעך און עפעקטיוו מיטל. אויך,
כאַליק עט על. (2019) געמאכט אַ פאַרגלייַך צווישן סאַטעליט און ואַוו באזירט מולטיספּעקטראַל ימידזשינג. די UAV-באזירט בילדער ריזאַלטיד צו זיין מער גענוי אין דיסקרייבינג ווייַנגאָרטן וועריאַביליטי ווי געזונט ווי קראַפט מאַפּס פֿאַר רעפּריזענטינג גערעטעניש כופּען. אין אַ נאַטשעל, אַרטיקלען אין דעם קנויל דיסקוטירן די ינקאָרפּעריישאַן פון טערמאַל און מולטיספּעקטראַל ימידזשינג סענסאָרס אין לאַנדווירטשאַפטלעך ואַווס. אַקקאָרדינגלי, מער פאָרשונג איז דארף צו פֿאַרשטיין ווי טערמאַל און מולטיספּעקטראַל ימידזשינג קענען זיין ינאַגרייטיד מיט אַי
טעקניקס (למשל, טיף לערנען) צו דעטעקט פאַבריק דרוק (Ampatzidis et al., 2020; Ampatzidis & Partel, 2019; Jung et al., 2021; Santesteban et al., 2017; Syeda et al., 2021). אַזאַ ינסייץ וועט העלפֿן צו ענשור מער עפעקטיוו און פּינטלעך דיטעקשאַן, ווי געזונט ווי מאָניטאָרינג פון פאַבריק וווּקס, דרוק און פענאָלאָגי (Buters et al., 2019; Cao et al., 2020; Neupane & BaysalGurel, 2021; L. Zhou et al., 2020).
קנויל 4. דער קנויל באשטייט פון זיבן צייטונגען וואָס דרייען זיך אַרום די קריטיש ראָלע פון ספּעקטראַל ימידזשינג און היפּערספּעקטראַל ימידזשינג אין שטיצן אַגריקולטורע פּראַקטיסיז. היפּערספּעקטראַל ימאַגינג האט געגרינדעט זיך ווי אַ ווייַט-סענסינג אופֿן וואָס ינייבאַלז קוואַנטיטאַטיווע אַסעסמאַנט פון די ערד סיסטעם (Schaepman et al., 2009). די אַסיינמאַנט פון ייבערפלאַך קאָמפּאָנענט פּראַפּאָרשאַנז
ין געמישט בילדצעלן (Kirsch et al., 2018; Zhao et al., 2022). אין אנדערע ווערטער, די העכער ספּעקטראַל האַכלאָטע צוגעשטעלט דורך היפּערספּעקטראַל סיסטעמען ינייבאַלז מער פּינטלעך עסטאַמאַץ פון פאַרשידן פּאַראַמעטערס, אַזאַ ווי וועגעטאַריער פּראָפּערטיעס אָדער בלאַט וואַסער אינהאַלט (Suomalainen et al., 2014). די ריסערטשערז אין דעם קנויל האָבן ינוועסטאַד פאַרשידן אַספּעקץ פון אַזאַ סיסטעמען. צווישן אנדערע, Aasen et al. (2015b) געפֿינט אַ יינציק צוגאַנג פֿאַר דערייווינג דריי-דימענשאַנאַל כייפּערספּעקטראַל אינפֿאָרמאַציע פֿון לייטווייט
מאָמענטבילד קאַמעראַס געניצט אויף ואַווס פֿאַר מאָניטאָרינג פון וועדזשאַטיישאַן. Lucieer et al. (2014) דיסקאַסט די פּלאַן, אַנטוויקלונג, און לופט אַפּעריישאַנז פון אַ ראָמאַן היפּערספּעקטראַל ואַס, ווי געזונט ווי די קאַלאַבריישאַן, אַנאַליסיס און ינטערפּריטיישאַן פון די בילד דאַטן אלנגעזאמלט מיט אים. צום סוף, Honkavaara et al. (2013b) דעוועלאָפּעד אַ פולשטענדיק פּראַסעסינג צוגאַנג פֿאַר FabryPerot ינטערפעראָמעטער-באזירט ספּעקטראַל בילדער און געוויזן זייַן נוצן אין אַ בייאַמאַס אָפּשאַצונג פּראָצעדור פֿאַר פּינטלעכקייַט אַגריקולטורע. פּאָטענציעל צוקונפֿט פּאַטווייז פֿאַר דעם קראַנט קנויל אַרייַננעמען עמפאַסייזינג די נויט פֿאַר טעכניש ימפּרווומאַנץ אין סענסער טעקנאַלאַדזשיז (Aasen et al., 2015b) ווי געזונט ווי די נויט פֿאַר ינקאָרפּערייטינג און ענכאַנסינג קאַמפּלאַמענטשי טעקנאַלאַדזשיז, ספּאַסיפיקלי גרויס דאַטן און אַנאַליטיקס (Ang & Seng, 2021; Radoglou -Grammatikis et al., 2020; Shakoor et al., 2019). די יענער דער הויפּט סטעמס פון די טאָמיד-גראָוינג דאַטן דזשענערייטאַד דורך פאַרשידן סענסאָרס ימפּלאַמענאַד אין קלוג אַגריקולטורע (C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021).
קנויל 5. די אויסגאבעס אין דעם קנויל יגזאַמאַנד דראָנעס-באזירט 3Dmapping אַפּלאַקיישאַנז. ניצן דראָנעס פֿאַר 3 ד מאַפּינג קען גרינגער מאַכן די קאָמפּלעקס פיעלדווערק און פאַרגרעסערן עפעקטיווקייַט באטייטיק (Torres-Sanchez et al., 2015). די פינף אַרטיקלען אין דעם קנויל דער הויפּט פאָוקיסט אויף אַפּלאַקיישאַנז פֿאַר פאַבריק מאָניטאָרינג. צום ביישפּיל, צו קריגן דריי-דימענשאַנאַל דאַטן וועגן די כופּע שטח, בוים הייך און קרוין באַנד, Torres-Sanchez ´ et al. (2015) געוויינט UAV טעכנאָלאָגיע צו דזשענערייט דיגיטאַל ייבערפלאַך מאָדעלס און דערנאָך אַבדזשעקט-באזירט בילד אַנאַליסיס (אָביאַ) אַפּראָוטשיז. ווייַטער, Zarco-Tejada et al. (2014) קוואַנטאַפייד בוים הייך דורך ינטאַגרייטינג ואַוו טעכנאָלאָגיע און דריי-דימענשאַנאַל פאָטאָ-ריקאַנסטראַקשאַן מעטהאָדס. Jim'enez-Brenes Lopez-Granados, 'De Castro, et al. (2017) דעמאַנסטרייטיד אַ נייַע פּראָצעס פֿאַר מאַלטי-צייַט, 3 ד מאָניטאָרינג פון דאַזאַנז פון מאַסלינע ביימער דורך ינטאַגרייטינג ואַוו טעכנאָלאָגיע מיט אַוואַנסירטע אָביאַ מעטאַדאַלאַדזשי. טשיקאַווע פּאַטווייז פֿאַר צוקונפֿט אַרבעט אין דעם קנויל אַרייַננעמען ימפּרוווינג קראַנט
מעטאַדאַלאַדזשיז (Zarco-Tejada et al., 2014) פֿאַר דיגיטאַל ייבערפלאַך מאָדעלינג צוועקן (Ajayi et al., 2017; Jaud et al., 2016), אַזאַ ווי OBIA (de Castro et al., 2018, 2020; Ventura et al., 2018). , 2015), און פאָטאָ ריקאַנסטראַקשאַן אָדער דעוועלאָפּינג ראָמאַן מעטהאָדס (Díaz-Varela et al., 2015; Torres-S 'anchez et al., XNUMX).
קנויל 6. דעם קנויל דיסקאַווערד די ראָלע פון דראָנעס אין לאַנדווירטשאַפטלעך סערוויילאַנס. ואַווס קען דערגאַנג און באַקומען די כיסאָרן פון סאַטעליט און ערקראַפט ימידזשינג. פֿאַר בייַשפּיל, זיי קען צושטעלן הויך האַכלאָטע לעבן פאַקטיש-צייט ימאַגינג מיט ווייניקער ברענוואַרג אָדער פּילאָטינג טשאַלאַנדזשיז, ריזאַלטינג אין קעסיידערדיק און פאַקטיש-צייט סערוויילאַנס און ימפּרווומאַנץ אין באַשלוס-מאכן (S. Herwitz et al., 2004). אן אנדער שליסל צושטייַער פון ואַווס איז זייער פיייקייט צו צושטעלן פּלאַץ-ספּעציפיש דאַטן פֿאַר פּינטלעכקייַט אַגריקולטורע אָדער פּלאַץ-ספּעציפיש פאַרמינג ווי זייער הויך האַכלאָטע, דיטיילד דאַטן וועגן פאַרשידן פּאַראַמעטערס געבן פאַרמערס צו טיילן די לאַנד אין כאָומאַדזשיניאַס טיילן און מייַכל זיי אַקאָרדינגלי (Hunt et al. , 2010; CC Lelong et al., 2008; אַזאַ ואַוו-באזירט לאַנדווירטשאַפטלעך סערוויילאַנס קענען שטיצן עסנוואַרג זיכערהייט מאָניטאָרינג און באַשלוס געמאכט (SR Herwitz et al., 2012). צו שטייַגן פאָרשונג אין לאַנדווירטשאַפטלעך סערוויילאַנס, ניט בלויז ימפּרווומאַנץ אין סענסאָרס, ואַווס און אנדערע פֿאַרבונדענע טעקנאַלאַדזשיז און זייער קאָמוניקאַציע און דאַטן אַריבערפירן מעטהאָדס זענען דארף (Ewing et al., 2004; Shuai et al., 2020), אָבער אויך ינטאַגרייטינג דראָנעס מיט פאַרשידן טעקנאַלאַדזשיז פֿאַר אָפּטימיזינג פאַרשידענע טאַסקס אין באַציונג צו קלוג אַגריקולטורע, אַזאַ ווי מאָניטאָרינג, לאַנדווירטשאַפטלעך סערוויילאַנס און באַשלוס-מאכן, איז אַ הויך פּאָטענציעל פאָרשונג געגנט (Alsamhi et al., 2019; Popescu et al., 2021; Vuran et al., 2020). אין דעם אַכטונג, IoT, WSNs און גרויס דאַטן פאָרשלאָגן טשיקאַווע קאַמפּלאַמענטשי קייפּאַבילאַטיז (van der Merwe et al., 2018). ימפּלעמענטאַטיאָן קאָס, קאָס סייווינגז, ענערגיע עפעקטיווקייַט און דאַטן זיכערהייט זענען צווישן די אונטער-ריסערטשט געביטן פֿאַר אַזאַ ינאַגריישאַן (Masroor et al., 2020).
לענדער און אַקאַדעמיק אינסטיטוציעס
די לעצטע שריט אַרייַנגערעכנט די ויספאָרשונג פון די לאַנד פון אָנהייב און די אַקאַדעמיק אַפילייישאַנז פון די מחברים. דורך דעם אַנאַליסיס, מיר צילן צו בעסער פֿאַרשטיין די דזשיאַגראַפיק פאַרשפּרייטונג פון געלערנטע וואָס ביישטייערן צו די אַפּלאַקיישאַנז פון דראָנעס אין אַגריקולטורע. עס איז נאָוטווערדי צו באַמערקן די דייווערסיטי פון לענדער און אַקאַדעמיק אינסטיטוציעס. פֿון אַ לאַנד פּערספּעקטיוו, די USA, טשיינאַ, ינדיאַ און איטאליע ראַנגקט אין די שפּיץ פון דער רשימה אין טערמינען פון די נומער פון אויסגאבעס (טאַבלע 7). די יעצטיגע
פאָרשונג אויף לאַנדווירטשאַפטלעך דראָנעס איז לאַרגעלי סענטערד אין צפון אמעריקאנער און אַסיאַן לענדער, דער הויפּט רעכט צו זייער הויך באַשטעלונג אין פּינטלעכקייַט אַגריקולטורע אַפּלאַקיישאַנז. צום ביישפּיל, אין די USA, די מאַרק פון לאַנדווירטשאַפטלעך דראָנעס איז עסטימאַטעד צו 841.9 מיליאָן וסד אין 2020, אַקאַונטינג פֿאַר בעערעך 30% פון די גלאבאלע מאַרק טיילן (ReportLinker, 2021). ראַנקינג ווי די וועלט 'ס גרעסטער עקאנאמיע, טשיינאַ איז פּרעדיקטעד צו דערגרייכן אַן אַפּפּראָקסימאַטע מאַרק גרייס פון 2.6 ביליאָן וסד אין דעם יאָר 2027. דאָס לאַנד איז אַפּילינג פֿאַר לאַנדווירטשאַפטלעך דראָנעס צו באַקומען פּראָודאַקטיוויטי ישוז און דערגרייכן בעסער ייעלדס, אַרבעט גרינגער מאַכן, און ווייניקער פּראָדוקציע ינפּוץ. אָבער, די אַדאַפּשאַן פון די טעכנאָלאָגיע אין טשיינאַ איז אויך געטריבן דורך סיבות אַזאַ ווי די באַפעלקערונג גרייס און די נויט צו כידעש און פֿאַרבעסערן יגזיסטינג גערעטעניש פאַרוואַלטונג פּראַקטיסיז.
די מערסט פּראָדוקטיוו לענדער און אוניווערסיטעטן / אָרגאַנאַזיישאַנז וואָס ביישטייערן צו
לאַנדווירטשאַפטלעך דראָון-פֿאַרבונדענע פאָרשונג.
ריי | לענדער |
1 | USA |
2 | כינע |
3 | אינדיע |
4 | איטאליע |
5 | ספּאַין |
6 | דייטשלאנד |
7 | בראזיל |
8 | אויסטראַליע |
9 | יאַפּאַן |
10 | פֿאַראייניקטע קינגדאָם |
ריי | אוניווערסיטעטן / אָרגאַנאַזיישאַנז |
1 | כינעזיש אַקאַדעמיע פון ססיענסעס |
2 | מיניסטעריום פון אַגריקולטורע פון די מענטשן ס רעפובליק פון טשיינאַ |
3 | העכער קאָונסיל פון וויסנשאפטלעכע ינוועסטיגאַטיאָנס |
4 | טעקסאַס א & ב אוניווערסיטעט |
5 | טשיינאַ אַגריקולטוראַל אוניווערסיטעט |
6 | וסדאַ אַגריקולטוראַל פאָרשונג סערוויס |
7 | CSIC - Instituto de Agricultura Sostenible IAS |
8 | פּורדוע אוניווערסיטעט |
9 | נאַשאַנאַל פאָרשונג קאָונסיל |
10 | דרום טשיינאַ אַגריקולטוראַל אוניווערסיטעט |
פֿון אַ אוניווערסיטעט און אָרגאַנאַזיישאַנאַל פּערספּעקטיוו, כינעזיש אַקאַדעמי פון ססיענסעס שפּיץ די רשימה אין טערמינען פון די נומער פון אויסגאבעס, נאכגעגאנגען דורך מיניסטעריום פון אַגריקולטורע פון די מענטשן ס רעפובליק פון טשיינאַ און Consejo Superior de Investigaciones Científicas. כינעזיש אַקאַדעמי פון ססיענסעס איז רעפּריזענטיד דורך די מחברים ליאַאָ קסיאַאָהאַן און לי יוני; האַן ווענטינג רעפּראַזענץ די מיניסטעריום פון אַגריקולטורע פון די מענטשן ס רעפובליק פון טשיינאַ; און Consejo Superior de Investigaciones Científicas איז רעפּריזענטיד דורך Lopez-Granados, 'F. און Pena, ~ Jos'e María S. פֿון די USA, אוניווערסיטעטן ווי די טעקסאַס א & ב אוניווערסיטעט און פּורדוע אוניווערסיטעט געפֿינען זייער
דערמאָנען. די אוניווערסיטעטן מיט די העכסטן נומער פון אויסגאבעס און זייער קאַנעקשאַנז זענען געוויזן אין Fig. .
אונדזער סעלעקציע אַרייַנגערעכנט אַ ברייט פאַרשיידנקייַט פון דזשערנאַלז, אַרייַנגערעכנט כּמעט אַלע די בנימצא דאַטן. ווי איז געוויזן אין טיש 8, רימאָוט סענסינג מיט 258 אַרטיקלען רייען אין דער שפּיץ, נאכגעגאנגען דורך זשורנאַל פון ינטעליגענט און ראָובאַטיק סיסטעמען: טעאָריע און אַפּפּליקאַטיאָנס מיט 126 און קאָמפּיוטערס און עלעקטראָניק אין אַגריקולטורע מיט 98 אַרטיקלען. בשעת רימאָוט סענסינג איז מערסטנס פאָוקיסט אויף די אַפּלאַקיישאַן און אַנטוויקלונג פון דראָנעס, קאָמפּיוטערס און עלעקטראָניק אין אַגריקולטורע קאָווערס דער הויפּט אַדוואַנסיז אין קאָמפּיוטער ייַזנוואַרג, ווייכווארג, עלעקטראָניק און קאָנטראָל סיסטעמען אין אַגריקולטורע. קרייַז-געגנט אַוטלעץ, אַזאַ ווי IEEE ראָובאַטיקס און אַוטאָמאַטיאָן בריוו מיט 87 אויסגאבעס און IEEE אַקסעס מיט 34 אויסגאבעס, זענען אויך פּרעמיער אַוטלעץ אין דעם פעלד. די שפּיץ פופצן אַוטלעץ האָבן קאַנטריביוטיד צו דער ליטעראַטור מיט 959 דאָקומענטן, וואָס איז בעערעך 20.40% פון אַלע אויסגאבעס. א זשורנאַל קאָ-סייטיישאַן אַנאַליסיס ינייבאַלז אונדז צו ונטערזוכן די וויכטיקייט און ענלעכקייט צווישן אויסגאבעס. די קאָ-ציטאַציע אַנאַליסיס גיט דרייַ קלאַסטערז, ווי געוויזן אין פיגורע 5. די רויט קנויל באשטייט פון דזשערנאַלז אַזאַ ווי רימאָוט סענסינג, קאָמפּיוטער און עלעקטראָניק אין אַגריקולטורע, סענסאָרס,
און די ינטערנאַטיאָנאַל דזשאָורנאַל פון רימאָוט סענסינג. אַלע די אַוטלעץ זענען העכסט רעפּיאַטאַבאַל דזשערנאַלז אין די געביטן פון ווייַט סענסינג און פּינטלעכקייַט אַגריקולטורע. דער גרין קנויל כּולל דזשערנאַלז וואָס האַנדלען מיט ראָובאַטיקס, אַזאַ ווי דזשאָורנאַל פון ינטעליגענט און ראָובאַטיק סיסטעמען: טעאָריע און אַפּפּליקאַטיאָנס, IEEE ראָובאַטיקס און אַוטאָמאַטיאָן בריוו, IEEE אַקסעס און דראָנעס. די אַוטלעץ מערסטנס אַרויסגעבן צייטונגען וועגן אָטאַמיישאַן און זענען נוציק פֿאַר לאַנדווירטשאַפטלעך ענדזשאַנירז. די לעצט קנויל איז געשאפן דורך דזשערנאַלז שייַכות צו אַגראָנאָמיע און לאַנדווירטשאַפטלעך ינזשעניעריע, ווי אַגראָנאָמי און ינטערנאַטיאָנאַל דזשאָורנאַל פון אַגריקולטוראַל און ביאָלאָגיקאַל אינזשעניריע.
Top 15 דזשערנאַלז אין לאַנדווירטשאַפטלעך דראָון-פֿאַרבונדענע פאָרשונג.
ריי | זשורנאַל | רעכענען |
1 | ווייַט סענסינג | 258 |
2 | זשורנאַל פון ינטעליגענט און ראָובאַטיק סיסטעמס: טעאָריע און אַפּפּליקאַטיאָנס | 126 |
3 | קאָמפּיוטערס און עלעקטראָניק אין אַגריקולטורע | 98 |
4 | IEEE ראָובאַטיקס און אַוטאָמאַטיאָן בריוו | 87 |
5 | סענסאָרס | 73 |
6 | אינטערנאַציאָנאַלע דזשאָורנאַל פון רימאָוט סענסינג | 42 |
7 | פּרעסיסיאָן אַגריקולטורע | 41 |
8 | דראָנעס | 40 |
9 | Agronomy | 34 |
10 | IEEE אַקסעס | 34 |
11 | אינטערנאַציאָנאַלע דזשאָורנאַל פון אַוואַנסירטע ראָובאַטיק סיסטעמען | 31 |
12 | אינטערנאַציאָנאַלע זשורנאַל פון אַגריקולטוראַל און ביאָלאָגיקאַל אינזשעניריע | 25 |
13 | פּלאָס איינער | 25 |
14 | זשורנאַל פון פעלד ראָובאַטיקס | 23 |
15 | Biosystems Engineering | 23 |
סאָף
קיצער
אין דעם לערנען, מיר סאַמערייזד און אַנאַלייזד יגזיסטינג פאָרשונג אויף לאַנדווירטשאַפטלעך דראָנעס. אַפּלייינג פאַרשידן ביבליאָמעטריק טעקניקס, מיר געשטרעבט צו באַקומען אַ בעסער פארשטאנד פון די אינטעלעקטואַל סטרוקטור פון לאַנדווירטשאַפטלעך דראָון-פֿאַרבונדענע פאָרשונג. אין גאַנץ, אונדזער רעצענזיע אָפפערס עטלעכע קאַנטראַביושאַנז דורך ידענטיפיצירן און דיסקוטירן טערמינען אין דער ליטעראַטור, אַנטדעקן וויסן קלאַסטערז בשעת פאָרמינג סעמאַנטיקאַללי ענלעך קהילות אין די פעלד פון דראָנעס, אַוטליינינג פריער פאָרשונג און סאַגדזשעסטינג צוקונפֿט פאָרשונג אינסטרוקציעס. ונטער, מיר באַשרייַבן די הויפּט פיינדינגז פון די רעצענזיע אויף דער אַנטוויקלונג פון לאַנדווירטשאַפטלעך דראָנעס:
• די אלגעמיינע ליטעראַטור איז ראַפּאַדלי געוואקסן און געצויגן ריזיק ופמערקזאַמקייט אין די לעצטע יאָרצענדלינג, ווי אנגעוויזן דורך די העכערונג אין די נומער פון אַרטיקלען נאָך 2012. כאָטש דאָס וויסן פעלד איז נאָך צו דערגרייכן זייַן פול צייַטיקייַט (Barrientos et al., 2011; Maes & Steppe, 2019), עטלעכע פֿראגן זענען נאָך אַנאַנסערד. פֿאַר בייַשפּיל, די נוצן פון דראָנעס אין דרינענדיק פאַרמינג איז נאָך אָפן פֿאַר דעבאַטע (Aslan et al., 2022; Krul et al., 2021; Rold'an et al., 2015). די קאַמפּלעקסיטי פון פעלד סינז און די פאַרשידענע ימאַגינג צושטאנדן (למשל, שאַדאָוז און ילומאַניישאַן) קען רעזולטאַט אין אַ העכער ספּעקטראַל חילוק אין קלאַס (Yao et al., 2019). אפילו אין די שפּעטער פאָרשונג פאַסעס, ריסערטשערז האָבן שוין טשאַלאַדזשד צו באַשליסן אָפּטימאַל פלי פּלאַנז לויט צו באַזונדער סינעריאָוז און פארלאנגט בילד קוואַליטעט (Soares et al., 2021; Tu et al.,
קסנומקס).
• מיר באַמערקן אַז די פעלד האט פּראַגרעסט פון דעוועלאָפּינג עפעקטיוו ואַוו סיסטעמען צו ינקאָרפּערייטינג אַי טעקניקס, אַזאַ ווי מאַשין לערנען און טיף לערנען אין די פּלאַן פון לאַנדווירטשאַפטלעך דראָנעס (Bah et al., 2018; Kitano et al., 2019; Maimaitijiang et al. , 2020; Mazzia et al., 2020;
• פאָרשונג אויף לאַנדווירטשאַפטלעך דראָנעס פּרידאַמאַנאַנטלי דיסקאַסט ווייַט סענסינג דורך ויספאָרשן די פּאָטענציעלז פון די טעכנאָלאָגיע אין ינווייראַנמענאַל מאָניטאָרינג, גערעטעניש פאַרוואַלטונג, און וויד פאַרוואַלטונג (קנויל 1) ווי געזונט ווי ווייַט פענאָטיפּינג און אָפּשאַצונג אָפּשאַצונג (קנויל 2). א סכום פון ינפלוענטשאַל שטודיום אויף לאַנדווירטשאַפטלעך דראָנעס אַרייַננעמען Austin (2010), Berni et al. (2009) א, הערוויץ עט על. (2004), Nex and Remondino (2014), און Zhang and Kovacs (2012). די שטודיום דעוועלאָפּעד די קאַנסעפּטשואַל יקער פון דראָון-פֿאַרבונדענע פאָרשונג אין דעם קאָנטעקסט פון אַגריקולטורע.
• פֿאַרבונדן מיט די מעטאַדאַלאַדזשי, מיר באמערקט אַז רובֿ פון די פאָרשונג געטאן ביז איצט איז געווען קאַמפּאָוזד פון אָדער סיסטעם פּלאַן, קאַנסעפּטשואַל אָדער רעצענזיע-באזירט שטודיום (Inoue, 2020; Nex & Remondino, 2014; P´erez-Ortiz et al. , 2015; Yao et al., 2019). מיר אויך באַמערקן אַ פעלן פון עמפּיריקאַל, קוואַליטאַטיווע און פאַל-לערנען-באזירט מעטהאָדס אין אַרבעט אין ינוועסטאַגייטינג לאַנדווירטשאַפטלעך דראָנעס.
• לעצטנס, טעמעס שייַכות צו פּינטלעכקייַט אַגריקולטורע, אַי טעקניקס, פּינטלעכקייַט וויטיקולטורע, און וואַסער דרוק אַסעסמאַנט האָבן געצויגן היפּש ופמערקזאַמקייט (Espinoza et al., 2017; Gomez-Cand ´on ´ et al., 2016; Matese et al., 2015; Matese & Di Gennaro, 2018, 2021; אַ אָפּגעהיט דורכקוק פון פאָרשונג קלאַסטערז אין צוויי באַזונדער עראַס, 2021–1990 און 2010–2011, ריווילז די פּראָגרעס פון די אינטעלעקטואַל סטרוקטור פון די פעלד. די צייט פון 2021 צו 1990 קאַנסטאַטוטאַד די בויען-אַרויף פון הויפט באגריפן און די קאַנסעפּס פון דראָנעס, וואָס איז קלאָר ווי דער טאָג פון די דיסקוסיע פון ואַוו פּלאַן, אַנטוויקלונג און ימפּלאַמענטיישאַן. אין דער צווייטער תקופה, די פאָרשונג פאָקוס יקספּאַנדז אויף פריערדיקע שטודיום, און מאַכן אַן מי צו סינטאַסייז ואַוו נוצן קאַסעס אין אַגריקולטורע. מיר אויך געפֿונען פילע שטודיום וואָס דיסקוטירן דראָון אַפּלאַקיישאַנז אין ימאַגינג טאַסקס און פּינטלעכקייַט אַגריקולטורע.
ריי | זשורנאַל | רעכענען |
1 | ווייַט סענסינג | 258 |
2 | זשורנאַל פון ינטעליגענט און ראָובאַטיק סיסטעמס: טעאָריע און | 126 |
אַפּפּליקאַטיאָנס | ||
3 | קאָמפּיוטערס און עלעקטראָניק אין אַגריקולטורע | 98 |
4 | IEEE ראָובאַטיקס און אַוטאָמאַטיאָן בריוו | 87 |
5 | סענסאָרס | 73 |
6 | אינטערנאַציאָנאַלע דזשאָורנאַל פון רימאָוט סענסינג | 42 |
7 | פּרעסיסיאָן אַגריקולטורע | 41 |
8 | דראָנעס | 40 |
9 | Agronomy | 34 |
10 | IEEE אַקסעס | 34 |
11 | אינטערנאַציאָנאַלע דזשאָורנאַל פון אַוואַנסירטע ראָובאַטיק סיסטעמען | 31 |
12 | אינטערנאַציאָנאַלע זשורנאַל פון אַגריקולטוראַל און ביאָלאָגיקאַל אינזשעניריע | 25 |
13 | פּלאָס איינער | 25 |
14 | זשורנאַל פון פעלד ראָובאַטיקס | 23 |
15 | Biosystems Engineering | 22 |
ימפּלאַקיישאַנז
אונדזער ביבליאָמעטריק רעצענזיע איז דיזיינד און געפירט מיט געלערנטע, פאַרמערס, לאַנדווירטשאַפטלעך עקספּערץ, גערעטעניש קאַנסאַלטאַנץ און UAV סיסטעם דיזיינערז אין זינען. לויט די בעסטער וויסן פון די מחברים, דאָס איז איינער פון די ערשטע אָריגינעל באריכטן וואָס האָבן דורכגעקאָכט אַ טיף ביבליאָמעטריק אַנאַליסיס פון
דראָון אַפּלאַקיישאַנז אין אַגריקולטורע. מיר האָבן דורכגעקאָכט אַ פולשטענדיק אָפּשאַצונג פון דעם וויסן גוף, ניצן סייטיישאַן און קאָ-סייטיישאַן אַנאַליזעס פון אויסגאבעס. אונדזער פרווון צו באַשרייַבן די אינטעלעקטואַל סטרוקטור פון דראָון פאָרשונג אויך פאָרשלאָגן נייַע ינסייץ פֿאַר אַקאַדעמיקס. א אָפּגעהיט רעצענזיע פון די טערמינען געניצט איבער צייַט ריווילז די האָצפּאָץ און פאָקאַל פאָרשונג געביטן אין די דראָון-פֿאַרבונדענע ליטעראַטור. דערצו, מיר פאָרשטעלן אַ רשימה פון מערסט סייטאַד שטודיום צו ידענטיפיצירן די מערסט ימפּרעסיוו פאָרשונג אַרבעט געענדיקט אין דעם פעלד. די לעגיטימאַציע פון אַרטיקלען און טערמינען קען דעריבער צושטעלן אַ האַרט סטאַרטינג פונט צו ופדעקן עטלעכע אַוואַנוז פֿאַר צוקונפֿט שטודיום.
ימפּאָרטאַנטלי, מיר אנטפלעקט קלאַסטערז וואָס קלאַסיפיצירן פאַרגלייַכלעך ווערק און ילאַברייטיד אויף די רעזולטאַטן. די שטודיום קלאַסאַפייד אין קלאַסטערז הילף אין פארשטאנד די אינטעלעקטואַל סטרוקטור פון UAV פאָרשונג. נאָוטאַבלי, מיר דיסקאַווערד אַ מאַנגל פון שטודיום וואָס ויספאָרשן די אַדאַפּשאַן סיבות פון דראָנעס
און באַריערז אין פאַרמינג אַקטיוויטעטן (זען טאַבלע 9). צוקונפֿט ריסערטשערז קען אַדרעס דעם פּאָטענציעל ריס דורך קאַנדאַקטינג עמפּיריקאַל ינוועסטאַגיישאַנז וואָס אָפּשאַצן די אַדאַפּשאַן סיבות פון דראָנעס אין פאַרשידענע פאַרמינג אַקטיוויטעטן און קליימאַטיק טנאָים. דערצו, פאַל לערנען-באזירט פאָרשונג וועגן די יפעקטיוונאַס פון דראָנעס זאָל זיין באַקט מיט פאַקטיש דאַטן פון דעם פעלד. אויך, ינוואַלווינג פאַרמערס און מאַנאַדזשערז אין אַקאַדעמיק פאָרשונג וואָלט זיין אַדוואַנטיידזשאַס פֿאַר ביידע די טעאָרעטיש און פּראַקטיש העכערונג פון דראָון פאָרשונג. מיר זענען אויך ביכולת צו ידענטיפיצירן די מערסט באַוווסט ריסערטשערז און זייער קאַנטראַביושאַנז, וואָס איז ווערטפול ווייַל וויסיקייַט פון פריש סעמינאַל ווערק קענען פאָרשלאָגן עטלעכע גיידאַנס פֿאַר צוקונפֿט אַקאַדעמיק ינדעווערז.
טיש קסנומקס
UAV אַדאַפּשאַן באַריערז.
שלאַבאַן | באַשרייַבונג |
Data security | סייבער זיכערהייט איז אַ הויפּט אַרויסרופן פֿאַר ימפּלאַמענינג IoT סאַלושאַנז (Masroor et al., 2021). |
ינטעראָפּעראַביליטי און ינאַגריישאַן | פאַרשידן טעקנאַלאַדזשיז אַזאַ ווי UAV, WSN, IoT, עטק. זאָל זיין ינאַגרייטיד און יבערשיקן דאַטן וואָס פאַרגרעסערן די קאַמפּלעקסיטי מדרגה (Alsamhi et al., 2021; פּאָפּעסקו עט על., 2020; Vuran et al., 2018). |
ימפּלאַמענטיישאַן קאָס | דאָס איז ספּאַסיפיקלי דער פאַל פֿאַר קליין פאַרמערס און פֿאַר ינטאַגרייטינג פאַרשידן קאַטינג-ברעג טעקנאַלאַדזשיז ( Masroor et al., 2021). |
אַרבעט וויסן און עקספּערטיז | באָקע דראָון פּיילאַץ זענען דארף צו אַרבעטן UAVs. אויך, ימפּלאַמענינג פאַרשידן קאַטינג-ברעג טעקנאַלאַדזשיז ריקווייערז באָקע טוערס (YB Huang עט על., 2013; Tsouros et al., 2019). |
מאָטאָר מאַכט און פלי געדויער | דראָנעס קענען ניט זיין אַפּערייטאַד פֿאַר לאַנג שעה און דעקן גרויס געביטן (Hardin & Hardin, 2010; Laliberte et al., קסנומקס). |
פעסטקייַט, רילייאַבילאַטי, און מאַנווועראַביליטי | דראָנעס זענען נישט סטאַביל בעשאַס שלעכט וועטער טנאָים (Hardin & Hardin, 2010; Laliberte et al., 2007). |
פּיילאָוד לימיטיישאַנז און סענסאָרס 'קוואַליטעט | בלויז דראָנעס קענען פירן לימיטעד לאָודז פיייקייט פון לאָודינג סענסאָרס פון נידעריקער קוואַליטעט (נעביקער עט על., 2008). |
רעגולירן | ווי דראָנעס קענען זיין געפערלעך אויך, עס זענען שטרענג רעגיאַליישאַנז אין עטלעכע געביטן (Hardin & Jensen, 2011; Laliberte & Rango, 2011). |
פאַרמערס וויסן און ינטערעס | ווי אנדערע קאַטינג-ברעג טעקנאַלאַדזשיז, די דראָנעס מצליח ימפּלאַמענטיישאַן דאַרף עקספּערטיז און אויך באגלייט מיט אַנסערטאַנטיז (Fisher et al., 2009; לאַמבערט עט על., 2004; Stafford, 2000). |
זינט עס איז אַ קעסיידערדיק נויט צו יפישאַנטלי נוצן פאַראַנען רעסורסן צו מאַקסאַמייז ייעלדס, פאַרמערס קענען נוצן דראָנעס צו ענשור גיך, פּינטלעך און פּרייַז-עפעקטיוו סקאַנינג פון זייער פעלדער. די טעכנאָלאָגיע קענען שטיצן פאַרמערס צו באַשליסן די צושטאַנד פון זייער קראַפּס און אַססעסס וואַסער סטאַטוס, דער בינע פון רייפּאַנינג, ינסעקט ינפעסטיישאַנז און נוטרישאַנאַל באדערפענישן. די רימאָוט-סענסינג קייפּאַבילאַטיז פון דראָנעס קענען צושטעלן פאַרמערס מיט קריטיש דאַטן צו ריכטנ זיך ישוז אין אַ פרי בינע און גלייך מאַכן פּאַסיק ינטערווענטשאַנז. אָבער, די בענעפיץ פון די טעכנאָלאָגיע קענען זיין איינגעזען בלויז אויב די טשאַלאַנדזשיז זענען רעכט גערעדט. אין ליכט פון די
קראַנט פּראָבלעמס וועגן דאַטן זיכערהייט, סענסער טעכנאָלאָגיע ישוז (למשל, די רילייאַבילאַטי אָדער אַקיעראַסי פון מעזשערמאַנץ), קאַמפּלעקסיטי פון ינאַגריישאַן און היפּש ימפּלאַמענטיישאַן קאָס, צוקונפֿט שטודיום מוזן אויך ונטערזוכן די טעכניש, עקאָנאָמיש און אַפּעריישאַנאַל פיזאַבילאַטי פון ינטאַגרייטינג לאַנדווירטשאַפטלעך דראָנעס און אנדערע קאַטינג- ברעג טעקנאַלאַדזשיז.
לימיטאַטיאָנס
אונדזער לערנען האט עטלעכע לימיטיישאַנז. ערשטער, די פיינדינגז זענען באשלאסן דורך די אויסגאבעס אויסגעקליבן פֿאַר די לעצט אַנאַליסיס. עס איז טשאַלאַנדזשינג צו כאַפּן אַלע באַטייַטיק שטודיום שייַכות צו לאַנדווירטשאַפטלעך דראָנעס, ספּעציעל יענע וואָס זענען נישט ינדעקסט אין די סקאָפּוס דאַטאַבייס. דערצו, די דאַטן זאַמלונג פּראָצעס איז לימיטעד צו די באַשטעטיקן פון זוכן טערמינען, וואָס קען נישט זיין ינקלוסיוו און פירן צו ינקאַנקלוסיוו פיינדינגז. אזוי, צוקונפֿט שטודיום דאַרפֿן צו באַצאָלן מער ופמערקזאַמקייט צו די אַנדערלייינג אַרויסגעבן פון דאַטן זאַמלונג צו מאַכן
מער פאַרלאָזלעך קאַנקלוזשאַנז. אן אנדער באַגרענעצונג קאַנסערנז נייַ אויסגאבעס מיט אַ נידעריק נומער פון סייטיישאַנז. די ביבליאָמעטריק אַנאַליסיס איז בייאַסט צו פריער אויסגאבעס ווי זיי טענד צו באַקומען מער סייטיישאַנז איבער די יאָרן. לעצטע שטודיום דאַרפֿן אַ געוויסע צייט צו צוציען ופמערקזאַמקייט און אָנקלייַבן סייטיישאַנז. דעריבער, פריש שטודיום וואָס ברענגען אַ פּאַראַדיגם יבעררוק וואָלט נישט זיין אין די שפּיץ צען ינפלוענטשאַל ווערק. די באַגרענעצונג איז פאַרשפּרייט אין די דורכקוק פון ראַפּאַדלי ימערדזשינג פאָרשונג דאָומיינז ווי לאַנדווירטשאַפטלעך דראָנעס. ווי מיר האָבן קאַנסאַלטאַד Scopus צו לערנען די ליטעראַטור פֿאַר דעם אַרבעט, צוקונפֿט ריסערטשערז קען באַטראַכטן אַנדערש
דאַטאַבייסיז, אַזאַ ווי די וועב פון וויסנשאַפֿט און IEEE Xplore, צו יקספּאַנד די האָריזאָנט און פאַרבעסערן די פאָרשונג סטרוקטור.
פּאָטענציעל ביבליאָמעטריק שטודיום קען באַטראַכטן אנדערע וויטאַל וויסן קוואלן ווי זיצונג צייטונגען, קאפיטלען און ביכער צו דזשענערייט ראָמאַן ינסייץ. טראָץ מאַפּינג און ינוועסטאַגייטינג גלאבאלע אויסגאבעס אויף לאַנדווירטשאַפטלעך דראָנעס, אונדזער פיינדינגז האָבן נישט אַנטדעקן די סיבות הינטער די וויסנשאפטלעכע אַוטפּוץ פון אוניווערסיטעטן. דאָס פּאַוועס דעם וועג צו אַ ראָמאַן געגנט פון פאָרשונג אין קוואַלאַטייטיוולי דערקלערן וואָס עטלעכע אוניווערסיטעטן זענען מער פּראָדוקטיוו ווי אנדערע ווען עס קומט צו פאָרשונג וועגן לאַנדווירטשאַפטלעך
דראָנעס. אין אַדישאַן, צוקונפֿט שטודיום קען צושטעלן ינסייץ אין די פּאָטענציעל פון דראָנעס צו פאַרגרעסערן פאַרמינג סאַסטיינאַביליטי אין עטלעכע וועגן אַזאַ ווי ינווייראַנמענאַל מאָניטאָרינג, גערעטעניש פאַרוואַלטונג און וויד מאַפּינג ווי אנגעוויזן דורך עטלעכע ריסערטשערז (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018b). זינט די טעקסטואַל אַנאַליסיס איז ניט מעגלעך רעכט צו דער הויך נומער פון אויסגעקליבן צייטונגען, עס איז אַ נויט פֿאַר סיסטעמאַטיש ליטעראַטור באריכטן וואָס ונטערזוכן די
פאָרשונג מעטהאָדס געניצט און די ינוואַלוומאַנט פון פאַרמערס אין פריערדיק שטודיום. אין קורץ, אונדזער אַנאַליסיס פון דראָון פאָרשונג יקספּאָוזיז די ומזעיק לינגקאַדזשאַז פון דעם וויסן גוף. דער אָפּשאַצונג דעריבער העלפּס צו ופדעקן די באציונגען צווישן אויסגאבעס און יקספּלאָרז די אינטעלעקטואַל סטרוקטור פון די פאָרשונג פעלד. עס אויך שילדערט די פֿאַרבינדונגען צווישן די פאַרשידן אַספּעקץ פון דער ליטעראַטור, אַזאַ ווי מחברים טערמינען, אַפילייישאַנז און לענדער.
דעקלאַראַציע פון קאַמפּאַטינג אינטערעס
די מחברים דערקלערן אַז זיי האָבן קיין באַוווסט קאַמפּעטיטיוו פינאַנציעל אינטערעסן אָדער פערזענלעכע באַציונגען וואָס קען האָבן פּראַל אויף די אַרבעט רעפּאָרטעד אין דעם פּאַפּיר.
אַפּפּענדיקס קסנומקס
TITLE-ABS-KEY (((דראָון * אָדער "אַנמאַנד לופט פאָרמיטל" אָדער ואַוו * אָדער "אַנמאַנד ערקראַפט סיסטעם"אָדער ואַס אָדער "רימאָוטלי פּילאָטעד ערקראַפט”) און (לאַנדווירטשאַפטלעך אָדער אַגריקולטורע אָדער פאַרמינג אָדער פּויער))) און (ויסשליסן (PUBYEAR, 2022)) און (לימיט-צו (שפּראַך, "ענגליש")).
רעפֿערענצן
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. דזשענערייטינג 3D כייפּערספּעקטראַל אינפֿאָרמאַציע מיט לייטווייט ואַוו מאָמענטבילד קאַמעראַס פֿאַר וועדזשאַטיישאַן מאָניטאָרינג: פֿון
אַפּאַראַט קאַלאַבריישאַן צו קוואַליטעט פארזיכערונג. יספּרס י פאָטאָגראַם. רימאָוט סענס. 108, 245-259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005. אַנטוויקלונג פון מוסטער דערקענונג אַלגערידאַם פֿאַר אָטאַמאַטיק פויגל דיטעקשאַן פון אַנמאַנד לופט פאָרמיטל בילדער.
יבערבליק. לאַנד אינפֿאָרמאַציע. Sci. 65 (1), 37-45.
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021. ווירעלעסס סענסער נעטוואָרקס אין אַגריקולטורע: ינסייץ פון ביבליאָמעטריק אַנאַליסיס. סאַסטיינאַביליטי 13 (21),
קסנומקס.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M. פון NDVI, און יוואַפּאָטאַנספּיראַטיאָן. יריג. Sci. 37 (3), 407-429. https://doi.org/10.1007/s00271-018-0613-9.
Adao, ˜T., Hruˇska, J., Padua, ´L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. היפּערספּעקטראַל ימאַגינג: אַ רעצענזיע אויף ואַוו-באזירט סענסאָרס, דאַטן פּראַסעסינג און
אַפּלאַקיישאַנז פֿאַר אַגריקולטורע און פאָרעסטרי. רימאָוט סענסינג 9 (11). https://doi.org/ 10.3390/rs9111110.
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Multi-temporal imaging ניצן אַ אַנמאַנד לופט פאָרמיטל פֿאַר מאָניטאָרינג אַ זונרויז גערעטעניש. ביאָסיסט. ענג.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. דור פון פּינטלעך דיגיטאַל הייך מאָדעלס פון ואַוו קונה נידעריק פּראָצענט אָוווערלאַפּינג בילדער. ינט.
י רימאָוט סענס. 38 (8-10), 3113-3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Ali, I., Greifeneder, F., Stamenkovic, J., Neumann, M., Notarnicola, C., 2015. איבערבליק פון מאַשין לערנען אַפּראָוטשיז פֿאַר בייאַמאַס און באָדן נעץ ריטריוואַלז פון ווייַט סענסינג דאַטן. רימאָוט סענסינג 7 (12), 16398-16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M., גרין אינטערנעט פון טינגז ניצן ואַווס אין B5G נעטוואָרקס: א רעצענזיע פון אַפּפּליקאַטיאָנס
און סטראַטעגיעס. אַד. Hoc. נעץ. 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Al-Thani, N., Albuainain, A., Alnaimi, F., Zorba, N., 2020. דראָנעס פֿאַר שעפּס לייווסטאַק מאָניטאָרינג. אין: 20th IEEE מעדיטערראַנעאַן עלעקטראָטעטשניקאַל קאָנפערענסע. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. UAV-באזירט הויך טרופּוט פענאָטיפּינג אין סיטרוס ניצן מולטיספּעקטראַל ימידזשינג און קינסטלעך סייכל. רימאָוט סענסינג 11 (4), https://doi.org/10.3390/rs11040410.
Ampatzidis, Y., Partel, V., Costa, L., 2020. Agroview: וואָלקן-באזירט אַפּלאַקיישאַן צו פּראָצעס, אַנאַלייז און וויזשוואַלייז ואַוו-געזאמלט דאַטן פֿאַר פּינטלעכקייַט אַגריקולטורע אַפּלאַקיישאַנז ניצן קינסטלעך סייכל. קאָמפּיוטער. עלעקטראָן. אַגריק. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. גרויס דאַטן און מאַשין לערנען מיט היפּערספּעקטראַל אינפֿאָרמאַציע אין אַגריקולטורע. IEEE אַקסעס 9, 36699–36718. https://doi.org/10.1109/
אַקסעס.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. איבערבליק: פּינטלעכקייַט לייווסטאַק פאַרמינג טעקנאַלאַדזשיז אין פּאַסטשער-באזירט לייווסטאַק סיסטעמען. כייַע 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, 'D., Mejia-Aguirre, C., טרענדס אויף אַוואַנסירטע אינפֿאָרמאַציע און קאָמוניקאַציע טעקנאַלאַדזשיז פֿאַר
ימפּרוווינג לאַנדווירטשאַפטלעך פּראָודאַקטיוויטי: אַ ביבליאָמעטריק אַנאַליסיס. אַגראָנאָמיע 10 (12), אַרטיקל 12. https://doi.org/10.3390/agronomy10121989.
Armstrong, I., Pirrone-Brusse, M., Smith, A., Jadud, M., 2011. די פליענדיק גאַטאָר: צו לופט ראָובאַטיקס אין אָקקאַם-π. קאָממוניק. פּראָצעס אַרכיטעקט. 2011, 329-340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. אינטעלעקטואַל סטרוקטור פון קאַנסומער קאַמפּליינינג נאַטור (קקב) פאָרשונג: א ביבליאָמעטריק אַנאַליסיס. י געשעפט רע. 122, 60-74.
Aslan, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022.
א פולשטענדיק יבערבליק פון די לעצטע שטודיום מיט UAV פֿאַר פּינטלעכקייַט אַגריקולטורע אין עפענען פעלדער און גרינכאַוסיז. אַפּפּל. Sci. 12 (3), 1047. https://doi.org/10.3390/
אַפּ12031047.
אַטקינסאָן, JA, Jackson, RJ, Bentley, AR, Ober, E., & Wells, DM (2018). פעלד פענאָטיפּינג פֿאַר דער צוקונפֿט. אין יערלעך פּלאַנט באריכטן אָנליין (זז. 719-736). יוחנן
וויליי & זין, לטד. דאָי: 10.1002/9781119312994.apr0651.
אַוסטין, ר., 2010. אַנמאַנד אַירקראַפט סיסטעמען: ואַווס פּלאַן, אַנטוויקלונג און דיפּלוימאַנט. אין: אַנמאַנד ערקראַפט סיסטעמען: UAVS פּלאַן, אַנטוויקלונג און
דיפּלוימאַנט. יוחנן ווילי און זין. https://doi.org/10.1002/9780470664797.
Awais, M., Li, W., Cheema, MJM, Zaman, QU, Shaheen, A., Aslam, B., Zhu, W., Ajmal, M., Faheem, M., Hussain, S., Nadeem, AA, Afzal, MM, Liu, C., 2022. UAV-based ווייַט סענסינג אין פאַבריק דרוק ימאַדזשאַן ניצן הויך-האַכלאָטע טערמאַל סענסער פֿאַר דיגיטאַל אַגריקולטורע פּראַקטיסיז: אַ מעטאַ-רעצענזיע. ינט. י ענוויראָן. Sci. טעכנאָלאָגיע. https://doi.
org/10.1007/s13762-021-03801-5.
Bacco, M., Berton, A., Ferro, E., Gennaro, C., Gotta, A., Matteoli, S., Paonessa, F., Ruggeri, M., Virone, G., Zanella, A., 2018. סמאַרט פאַרמינג: אַפּערטונאַטיז, טשאַלאַנדזשיז
און טעכנאָלאָגיע ענייבאַלז. 2018 IoT ווערטיקאַל און. אַקטואַל שפּיץ אויף אַגריקולטורע - טוסקאַני (IOT טוסקאַני) 1-6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. טיף לערנען מיט ונסופּערווייזד דאַטן לייבלינג פֿאַר וויד דיטעקשאַן אין שורה קראַפּס אין ואַוו בילדער. רימאָוט סענסינג 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Baldi, S., 1998. נאָרמאַטיווע קעגן געזעלשאַפטלעך קאָנסטרוקטיוויסט פּראַסעסאַז אין די אַלאַקיישאַן פון סייטיישאַנז: אַ נעץ-אַנאַליטיק מאָדעל. בין. סאציאל. רעוו. 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. אַססעססמענט פון ווייַנגאָרטן וואַסער סטאַטוס וועריאַביליטי דורך טערמאַל און מולטיספּעקטראַל.
בילדער מיט אַן אַנמאַנד לופט פאָרמיטל (UAV). יריג. Sci. 30 (6), 511-522. https://doi.org/10.1007/s00271-012-0382-9.
Barabaschi, D., Tondelli, A., Desiderio, F., Volante, A., Vaccino, P., Val`e, G., Cattivelli, L., ווייַטער דור ברידינג. פּלאַנט סי. 242, 3-13. https://doi.org/10.1016/j.
plantsci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. פּערספּעקטיווז אויף די נוצן פון אַנמאַנד לופט סיסטעמען צו מאָניטאָר פיך. 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. נידעריק-וואָג און ואַוו-באזירט היפּערספּעקטראַל פול-ראַם קאַמעראַס
פֿאַר מאָניטאָרינג קראַפּס: ספּעקטראַל פאַרגלייַך מיט פּאָרטאַטיוו ספּעקטראָראַדיאָמעטער מעזשערמאַנץ. Photogrammetrie, Fernerkundung, Geoinformation 2015 (1), 69-79.
https://doi.org/10.1127/pfg/2015/0256.
Barrientos, A., Colorado, J., Del Cerro, J., Martinez, A., Rossi, C., Sanz, D., Valente, J., לופט ווייַט סענסינג אין אַגריקולטורע: אַ פּראַקטיש צוגאַנג צו שטח קאַווערידזש.
און דרך פּלאַנירונג פֿאַר פליץ פון מיני לופט ראָובאַץ. י פעלד ראָב. 28 (5), 667-689. https://doi.org/10.1002/rob.20403.
Basiri, A., Mariani, V., Silano, G., Aatif, M., Iannelli, L., Glielmo, L., 2022. א יבערבליק אויף די אַפּלאַקיישאַן פון דרך-פּלאַנירונג אַלגערידאַמז פֿאַר מאַלטי-ראָוטער ואַווס אין פּינטלעכקייַט
אַגריקולטורע. י נאַוויג. 75 (2), 364-383.
Basnet, B., Bang, J., 2018. די שטאַט-of-the-art פון וויסן-אינטענסיווע אַגריקולטורע: אַ רעצענזיע אויף געווענדט סענסינג סיסטעמען און דאַטן אַנאַליטיקס. י סענס 2018, 1-13.
Bendig, J., Bolten, A., Bareth, G., 2013. ואַוו-באזירט ימאַגינג פֿאַר מאַלטי-צייַט, זייער הויך האַכלאָטע גערעטעניש ייבערפלאַך מאָדעלס צו מאָניטאָר גערעטעניש גראָוט וועריאַביליטי. Photogrammetrie, Fernerkundung, Geoinformation 2013 (6), 551-562. https://doi. org/10.1127/1432-8364/2013/0200.
Bendig, J., Bolten, A., Bennertz, S., Broscheit, J., Eichfuss, S., Bareth, G., 2014. עסטימאַטינג בייאַמאַס פון גערשטן ניצן גערעטעניש ייבערפלאַך מאָדעלס (CSMs) דערייווד פון UAVbased RGB Imaging. רימאָוט סענסינג 6 (11), 10395-10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. קאַמביינינג ואַוו-באזירט פאַבריק הייך פון גערעטעניש ייבערפלאַך מאָדעלס,
קענטיק און נאָענט ינפרערעד וועדזשאַטיישאַן ינדיסיז פֿאַר בייאַמאַס מאָניטאָרינג אין גערשטן. ינט. J. Appl. ערד אָבס. געאָינף. 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. מאַפּינג כופּע קאַנדאַקטאַנס און CWSI אין מאַסלינע אָרטשערדז מיט הויך האַכלאָטע
טערמאַל ווייַט סענסינג בילדער. רימאָוט סענסיז ענוויראָן. 113 (11), 2380-2388. https://doi.org/10.1016/j.rse.2009.06.018.
Berni, JA, Zarco-Tejada, PJ, Suarez, 'L., Fereres, E., 2009b. טערמאַל און שמאָלבאַנד מולטיספּעקטראַל ווייַט סענסינג פֿאַר וועדזשאַטיישאַן מאָניטאָרינג פון אַ אַנמאַנד לופט פאָרמיטל. IEEE טראַנס. Geosci. רימאָוט סענס. 47 (3), 722-738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. אינטערנעט פון טהינגס אין עסנוואַרג זיכערקייַט: ליטעראַטור רעצענזיע און אַ ביבליאָמעטריק אַנאַליסיס. טרענדס פוד סי. טעכנאָלאָגיע. 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 אין אַגריקולטורע: דיזיינינג אַ אייראָפּע-ברייט גרויס-וואָג פּילאָט. IEEE Commun. מאַג. 55 (9), 26-33.
Buters, TM, Belton, D., Cross, AT, 2019. Multi-sensor UAV טראַקינג פון יחיד סידלינגז און סידלינג קהילות מיט מילאַמיטער אַקיעראַסי. דראָנעס 3 ( 4 ), 81 .
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. עוואַלואַטינג מולטיספּעקטראַל בילדער און וועדזשאַטיישאַן ינדיסעס פֿאַר פּינטלעכקייַט פאַרמינג אַפּלאַקיישאַנז פון ואַוו בילדער. רימאָוט סענסינג 7 (4), 4026-4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. מאָניטאָרינג פון צוקער בוריק גראָוט ינדיקאַטאָרס ניצן ברייט-דינאַמיש-קייט וועדזשאַטיישאַן אינדעקס (WDRVI) דערייווד פון ואַוו
מולטיספּעקטראַל בילדער. קאָמפּיוטער. עלעקטראָן. אַגריק. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. עוואַלושאַן פון די אינטעלעקטואַל סטרוקטור פון משפּחה געשעפט ליטעראַטור: אַ ביבליאָמעטריק לערנען פון פבר. משפּחה געשעפט רעוו. 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. דינאַמיש מאָניטאָרינג פון בייאַמאַס פון רייַז אונטער
פאַרשידענע ניטראָגען טריטמאַנץ ניצן אַ לייטווייט ואַוו מיט צווייענדיק בילד-ראַם מאָמענטבילד קאַמעראַס. פּלאַנט מעטהאָדס 15 (1), 32. https://doi.org/10.1186/s13007-019-
קסנומקס-קסנומקס.
Chamuah, A., Singh, R., 2019. סיקיורינג סאַסטיינאַביליטי אין ינדיאַן אַגריקולטורע דורך ציוויל ואַוו: אַ פאַראַנטוואָרטלעך כידעש פּערספּעקטיוו. SN Appl. Sci. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. פאַראַנטוואָרטלעך גאַווערנאַנס פון ציוויל אַנמאַנד לופט פאָרמיטל (UAV) ינאָווויישאַנז פֿאַר ינדיאַן גערעטעניש פאַרזיכערונג אַפּלאַקיישאַנז. י פאַראַנטוואָרטלעך
טעכנאָלאָגיע. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen, A., Orlov-Levin, V., Meron, M., 2019. אַפּלייינג הויך-האַכלאָטע קענטיק קאַנאַל לופט ימידזשינג פון גערעטעניש כופּע צו פּינטלעכקייַט יראַגיישאַן פאַרוואַלטונג. אַגריק. וואַסער
מאַנאַג. 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. לייטווייט ואַוו מיט אויף-ברעט פאָטאָגראַמעטרי און סינגלעפרעקווענסי גפּס פּאַזישאַנינג פֿאַר מעטראָלאָגי אַפּלאַקיישאַנז. יספּרס י פאָטאָגראַם. ווייַט סענס. 127, 115-126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Blockchain-באזירט IoT פּלאַטפאָרמע פֿאַר אָטאַנאַמאַס דראָון אַפּעריישאַנז פאַרוואַלטונג. אין: פאַרהאַנדלונג פון די 2 אַקקם
מאָביקאָם וואָרקשאָפּ אויף דראָנע אַססיסטעד ווירעלעסס קאָמוניקאַציע פֿאַר 5G און ווייַטער, זז 31-36. https://doi.org/10.1145/3414045.3415939.
טאָג, ר"ע, גאַסטל, ב., 1998. ווי צו שרייַבן און אַרויסגעבן אַ וויסנשאפטלעכע צייטונג. קיימברידזש אוניווערסיטעט פרעסע. de Castro, AI, Pena, ~ JM, Torres-Sanchez, 'J., Jim'enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, 'F., 2020. מאַפּינג סינאָדאָן דאַקטילאָן דעקן קראַפּס מיט אַן אָטאַמאַטיק באַשלוס בוים-OBIA פּראָצעדור און UAV ימאַדזשרי פֿאַר פּינטלעכקייַט וויטיקולטורע. רימאָוט סענסינג 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. אַן אָטאַמאַטיק טראַפ וואַלד-אָביאַ אַלגערידאַם פֿאַר פרי וויד מאַפּינג צווישן און ין גערעטעניש ראָוז ניצן UAV ימאַדזשרי. רימאָוט סענסינג 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018. אַוטאָמאַטעד מעאַסורעמענט פון פּלאַנט הייך פון ווייץ גענאָטיפּעס ניצן אַ DSM דערייווד פון ואַוו ימאַדזשרי. פאַרהאַנדלונג 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020. לייטווייט סעמאַנטיק סעגמענטאַטיאָן נעץ פֿאַר פאַקטיש-צייט וויד מאַפּינג ניצן אַנמאַנד לופט וועהיקלעס. אַפּפּל. Sci. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. ואַוו-באזירט מולטיספּעקטראַל ווייַט סענסינג פֿאַר פּינטלעכקייַט אַגריקולטורע: אַ פאַרגלייַך צווישן פאַרשידענע קאַמעראַס. יספּרס י פאָטאָגראַם. ווייַט סענס. 146, 124-136.
Diaz-Gonzalez, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022. מאַשין לערנען און ווייַט סענסינג טעקניקס געווענדט צו אָפּשאַצן באָדן ינדיקאַטאָרס - אָפּשאַצונג. Ecol. ינד. 135, 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Díaz-Varela, RA, De la Rosa, R., Leon, ´L., Zarco-Tejada, PJ, 2015. הויך-האַכלאָטע ערבאָרנע ואַוו בילדער צו אַססעסס מאַסלינע בוים קרוין פּאַראַמעטערס ניצן 3 ד פאָטאָ
ריקאַנסטראַקשאַן: אַפּלאַקיישאַן אין ברידינג טריאַלס. רימאָוט סענסינג 7 (4), 4213-4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. אַעראָפּאָרט קאַפּאַציטעט פאַרוואַלטונג: אַ רעצענזיע און ביבליאָמעטריק אַנאַליסיס. י לופט טראַנספּ. מאַנאַג. 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.
ניצן RapidEye ימאַדזשרי צו ידענטיפיצירן ין-פעלד וועריאַביליטי פון גערעטעניש וווּקס און טראָגן אין אָנטאַריאָ, קאַנאַדע. Precision Agric. 20 (6), 1231-1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. אַפּפּליקאַטיאָן פון לאַנדווירטשאַפטלעך דראָנעס און יאָט צו פֿאַרשטיין עסנוואַרג צושטעלן קייט בעשאַס פּאָסטן COVID-19. אין: Choudhury, A., Biswas, A., Prateek, M.,
Chakrabarti, A. (עדס.), אַגריקולטוראַל ינפאָרמאַטיקס: אַוטאָמאַטיאָן ניצן די יאָט און מאַשין לערנען. וויליי, זז 67-87. van Eck, N., Waltman, L., 2009. ווייכווארג יבערבליק: VOSviewer, אַ קאָמפּיוטער פּראָגראַם פֿאַר ביבליאָמעטריק מאַפּינג. ססיענטאָמעטריקס 84 (2), 523-538. https://doi.org/10.1007/s11192-009-0146-3.
Elijah, O., Rahman, TA, Orikumhi, I., Leow, CY, Hindia, MN, 2018. אַן איבערבליק פון אינטערנעט פון טהינגס (יאָט) און דאַטן אַנאַליטיקס אין אַגריקולטורע: בענעפיץ און טשאַלאַנדזשיז.
IEEE אינטערנעט טהינגס י 5 (5), 3758-3773.
Enciso, J., Avila, CA, Jung, J., Elsayed-Farag, S., Chang, A., Yeom, J., Landivar, J., Maeda, M., Chavez, JC, 2019. וואַלאַדיישאַן פון אַגראָנאָמיק ואַוו און פעלד
מעזשערמאַנץ פֿאַר פּאָמידאָר ווערייאַטיז. קאָמפּיוטער. עלעקטראָן. אַגריק. 158, 278-283. https://doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. הויך האַכלאָטע מולטיספּעקטראַל און טערמאַל ווייַט סענסינג-באזירט וואַסער דרוק אַסעסמאַנט אין
ונטערערד יראַגייטיד ווייַנטרויבן. רימאָוט סענסינג 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. יוטאַלייזינג היפּערספּעקטראַל ווייַט סענסינג פֿאַר באָדן גראַדזשיישאַן. רימאָוט סענסינג 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., אַנדערסאָן, קיי, 2020. מולטיסקאַלע אפשאצונג פון דראָון-באזירט מולטיספּעקטראַל ייבערפלאַך רעפלעקטאַנס און וועדזשאַטיישאַן ינדיסעס אין אַפּעריישאַנאַל טנאָים. רימאָוט סענסינג 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. לערנען פון וויירליס קאָמוניקאַציע טעקנאַלאַדזשיז אויף אינטערנעט פון טהינגס פֿאַר פּינטלעכקייַט אַגריקולטורע. ווירעלעסס פּערס. קאָממוניק. 108 (3),
קסנומקס-קסנומקס.
Ferreira, MP, Pinto, CF, Serra, FR, 2014. די טראַנסאַקטיאָן קאָס טעאָריע אין אינטערנאַציאָנאַלע געשעפט פאָרשונג: אַ ביבליאָמעטריק לערנען איבער דריי יאָרצענדלינג. ססיענטאָמעטריקס 98 (3), 1899-1922. https://doi.org/10.1007/s11192-013-1172-8.
Fisher, P., Abuzar, M., Rab, M., Best, F., Chandra, S., 2009. אַדוואַנסאַז אין פּינטלעכקייַט אַגריקולטורע אין דרום-מזרח אַוסטראַליאַ. I. אַ ראַגרעשאַן מעטאַדאַלאַדזשי צו סימולירן
ספּיישאַל ווערייישאַן אין קאַשע ייעלדס ניצן פאַרמערס 'היסטארישן פּאַדאַק ייעלדס און נאָרמאַלייזד חילוק וועדזשאַטיישאַן אינדעקס. גערעטעניש פּאַסטשער סי. 60 (9), 844-858.
Floreano, D., Wood, RJ, 2015. וויסנשאַפֿט, טעכנאָלאָגיע און די צוקונפֿט פון קליין אָטאַנאַמאַס דראָנעס. נאַטור 521 (7553), 460-466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. אינטערנעט פון טינגז פֿאַר דער צוקונפֿט פון קלוג אַגריקולטורע: אַ פולשטענדיק יבערבליק פון ימערדזשינג טעקנאַלאַדזשיז. IEEE CAA J. Autom. סיניקאַ 8 (4), 718-752.
Fuentes-Pacheco, J., Torres-Olivares, J., Roman-Rangel, E., Cervantes, S., JuarezLopez, P., Hermosillo-Valadez, J., Rendon-Mancha, ´JM, 2019. פֿון לופט בילדער ניצן אַ טיף קאָנוואָלוטיאָנאַל ענקאָדער-דעקאָדער נעץ. רימאָוט סענסינג 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. UAVs אַרויסרופן צו אַססעסס וואַסער דרוק פֿאַר
סאַסטיינאַבאַל אַגריקולטורע. אַגריק. וואַסער מאַנאַג. 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. טערמאַל ימאַגינג אין פאַבריק
מדרגה צו אַססעסס די גערעטעניש-וואַסער סטאַטוס אין מאַנדל ביימער (קוו. גואַראַ) אונטער דעפיציט יראַגיישאַן סטראַטעגיעס. אַגריק. וואַסער מאַנאַג. 208, 176—186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. ייבערפלאַך רעפלעקטיווע און זונשייַן פלואָרעססענסע ספּעקטראָסקאָפּי מעזשערמאַנץ ניצן אַ קליין היפּערספּעקטראַל ואַס. רימאָוט סענסינג 9 (5), 472. https://doi.org/10.3390/rs9050472. GaŇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. אַן אָטאַמאַטיק אופֿן פֿאַר
וויד מאַפּינג אין אָוט פעלדער באזירט אויף UAV בילדער. קאָמפּיוטער. עלעקטראָן. אַגריק.
Gebbers, R., Adamchuk, VI, 2010. פּרעסיסיאָן אַגריקולטורע און עסנוואַרג זיכערהייַט. וויסנשאַפֿט 327 (5967), 828-831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. קאַמביינד ספּעקטראַל און ספּיישאַל מאָדעלינג פון פּאַפּשוי טראָגן באזירט אויף לופט בילדער און גערעטעניש ייבערפלאַך מאָדעלס קונה מיט אַ אַנמאַנד ערקראַפט סיסטעם. רימאָוט סענסינג 6 (11), 10335-10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. סאַסטיינאַבאַל פּלאַן פֿאַר ניצערס: אַ ליטעראַטור רעצענזיע און ביבליאָמעטריק אַנאַליסיס. ענוויראָן. Sci. פאַרפּעסטיקונג. רעז. 27 (24), 29824-29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. דור פון ספּעקטראַל טעמפּאָראַל ענטפער סערפאַסיז דורך קאַמביינינג מולטיספּעקטראַל סאַטעליט און היפּערספּעקטראַל.
UAV ימאַדזשרי פֿאַר פּינטלעכקייַט אַגריקולטורע אַפּלאַקיישאַנז. IEEE J. Sel. אויבן. אַפּפּל. ערד אָבס. רימאָוט סענס. 8 (6), 3140-3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. IoT באזירט אַגריקולטורע ווי אַ וואָלקן און גרויס דאַטאַ סערוויס: די אָנהייב פון דיגיטאַל ינדיאַ. י אָרג. און סוף באַניצער קאַמפּיוט. (JOEUC) 29 (4),
קסנומקס-קסנומקס.
Gmür, M., 2006. קאָ-סייטיישאַן אַנאַליסיס און די זוכן פֿאַר ומזעיק קאַלידזשיז: אַ מעטאַדאַלאַדזשיקאַל אפשאצונג. ססיענטאָמעטריקס 57 (1), 27-57. https://doi.org/10.1023/
אַ: 1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. דיגיטאַל קאַונץ פון מייז געוויקסן דורך ונמאַננעד אַעריאַל וועהיקלעס (ואַווס). רימאָוט סענסינג 9 (6). הטטפּס://doi.org/10.3390/rs9060544.
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. א ראָטאַרי-פליגל אַנמאַנד לופט פאָרמיטל פֿאַר וואַסער וויד סערוויילאַנס און
פאַרוואַלטונג. י אינטל. ראָובאַטיק סיסטעם: טעאָר. אַפּפּל. 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. אַססעססינג די אַקיעראַסי פון מאָוזיייקס פון אַנמאַנד לופט פאָרמיטל (UAV) בילדער פֿאַר פּינטלעכקייַט אַגריקולטורע צוועקן אין ווייץ. גענוי. Agric. 15 (1), 44-56. https://doi.org/10.1007/s11119-013-9335-4.
Gomez-Cand 'on,' D., Virlet, N., Labbe, S., Jolivot, A., Regnard, J.-L., 2016. פעלד פענאָטיפּינג פון וואַסער דרוק אין בוים וואָג דורך ואַוו-סענסט ימאַדזשרי : נייַ ינסייץ פֿאַר
טערמאַל אַקוואַזישאַן און קאַלאַבריישאַן. גענוי. אַגריק. 17 (6), 786-800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. אָנווענדלעך און לימיטיישאַנז פון ניצן די גערעטעניש וואַסער דרוק אינדעקס ווי אַ גראדן פון וואַסער דעפיסיץ אין סיטרוס אָרטשערדז. Agric. פֿאַר. מעטעאָראָל. 198-199, 94-104. https://doi.org/10.1016/j. אַגרפאָרמ.2014.08.003.
Gonzalez-Dugo, V., Zarco-Tejada, P., Nicolas, ´E., Nortes, PA, Alarcon, ´JJ, Intrigliolo, DS, Fereres, E., 2013. ניצן הויך האַכלאָטע UAV טערמאַל בילדער צו
אַססעסס די וועריאַביליטי אין די וואַסער סטאַטוס פון פינף פרוכט בוים מינים אין אַ געשעפט סאָד. גענוי. אַגריק. 14 (6), 660-678. https://doi.org/10.1007/s11119-013-9322-9.
Goyal, K., Kumar, S., 2021. פינאַנציעל ליטעראַסי: א סיסטעמאַטיש רעצענזיע און ביבליאָמעטריק אַנאַליסיס. ינט. י קאָנסומער סטודיעס 45 (1), 80-105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. די פאָטאָגראַמעטריק פּאָטענציעל פון נידעריק-קאָסט ואַווס אין פאָרעסטרי און אַגריקולטורע. אינטערנאַציאָנאַלע אַרכיוון פון פאָטאָגראַממעטרי, רימאָוט סענסינג און ספּיישאַל אינפֿאָרמאַציע ססיענסעס - ISPRS Archives 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. אַססעססינג קאָראַליישאַן פון הויך-האַכלאָטע
NDVI מיט פערטאַלייזער אַפּלאַקיישאַן מדרגה און טראָגן פון רייַז און ווייץ קראַפּס ניצן קליין ואַווס. רימאָוט סענסינג 11 (2), 112.
Gundolf, K., Filser, M., 2013. פאַרוואַלטונג פאָרשונג און רעליגיע: אַ סייטיישאַן אַנאַליסיס. י ויטאָבוס. עטיקס 112 (1), 177-185.
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. CFD סימיאַליישאַן און יקספּערמענאַל וועראַפאַקיישאַן פון די ספּיישאַל און צייַטווייַליק דיסטריביושאַנז פון
די דאַונוואַש לופט לויפן פון אַ קוואַד-ראָוטער לאַנדווירטשאַפטלעך ואַוו אין האָווער. קאָמפּיוטער. עלעקטראָן. אַגריק. 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. , פוילן, י., 2016.
אַפּפּליקאַטיאָן פון אַנמאַנד לופט סיסטעמען פֿאַר הויך טרופּוט פענאָטיפּינג פון גרויס ווייץ ברידינג נערסעריז. פּלאַנט מעטהאָדס 12 (1). https://doi.org/10.1186/s13007-
קסנומקס-קסנומקס-קסנומקס.
Hakala, T., Honkavaara, E., Saari, H., Makynen, ¨ J., Kaivosoja, J., Pesonen, L., & Pol ¨ onen, ¨I., 2013. ספּעקטראַל ימאַגינג פון ואַווס אונטער וועריינג ילומאַניישאַן טנאָים . אין GG Bill R. (עד.), אינטערנאציאנאלע אַרטשיוועס פון די פאָטאָגראַממעטרי, רימאָוט סענסינג און ספּיישאַל אינפֿאָרמאַציע ססיענסעס — יספּרס אַרטשיוועס (באַנד 40, ישו 1 וו2, זז. 189-194). אינטערנאַציאָנאַלע געזעלשאפט פֿאַר פאָטאָגראַמעטרי און רימאָוט סענסינג. 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.
פאָרמיטל (UAV) בילדער: פּיקסעל קלאַסאַפאַקיישאַן, וויזשאַוואַל ינטערפּריטיישאַן און מאַשין לערנען אַפּראָוטשיז. ינט. J. Appl. ערד אָבס. געאָינף. 89, 102085 https://doi.org/
10.1016/דזש.דזשאַג.2020.102085.
Haque, A., Islam, N., Samrat, NH, Dey, S., Ray, B., 2021. סמאַרט פאַרמינג דורך פאַראַנטוואָרטלעך פירערשאַפט אין באַנגלאַדעש: פּאַסאַבילאַטיז, אַפּערטונאַטיז און ווייַטער.
סוסטאַינאַביליטי 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. קליין-וואָג רימאָוטלי פּיילייטיד וועהיקלעס אין ינווייראַנמענאַל פאָרשונג. געאָגראַפי קאָמפּאַס 4 (9), 1297-1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin, PJ, Jensen, RR, 2011. קליין-וואָג אַנמאַנד לופט וועהיקלעס אין ינווייראַנמענאַל ווייַט סענסינג: טשאַלאַנדזשיז און אַפּערטונאַטיז. GISci. רימאָוט סענס. 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: טעקנאַלאַדזשיז און אַפּלאַקיישאַנז, (1st ed. 2021 אַדישאַן). ספּרינגער.
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.
ימאַגינג פון אַ אַנמאַנד לופט פאָרמיטל: לאַנדווירטשאַפטלעך סערוויילאַנס און באַשלוס שטיצן. קאָמפּיוטער. עלעקטראָן. אַגריק. 44 (1), 49-61. https://doi.org/10.1016/j.
compag.2004.02.006.
Holman, FH, Riche, AB, Michalski, A., Castle, M., Wooster, MJ, Hawkesford, MJ, הויך טרופּוט פעלד פענאָטיפּינג פון ווייץ פאַבריק הייך און וווּקס קורס אין פעלד פּלאַנעווען טריאַלס ניצן ואַוו באזירט ווייַט סענסינג. רימאָוט סענסינג 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. פּראַסעסינג און אַססעססמענט פון ספּעקטראָמעטריק, סטערעאָסקאָפּיק בילדער געזאמלט מיט אַ לייטווייט ואַוו ספּעקטראַל אַפּאַראַט פֿאַר פּינטלעכקייַט אַגריקולטורע. רימאָוט סענסינג 5 (10), 5006-5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. נידעריק-הייך אַנמאַנד לופט וועהיקלעס באזירט אינטערנעט פון טינגז באַדינונגס: פולשטענדיק יבערבליק און צוקונפֿט פּערספּעקטיווז. IEEE אינטערנעט טהינגס י 3 (6), 899-922. https://doi.org/10.1109/JIOT.2016.2612119.
Hrabar, S., Sukhatme, GS, Corke, P., Usher, K., Roberts, J., 2005. קאַמביינד אָפּטיק לויפן און סטעריאָו-באזירט נאַוויגאַציע פון שטאָטיש קאַניאַנז פֿאַר אַ ואַוו. אין: 2005 IEEE/RSJ
אינטערנאציאנאלע קאָנפערענסע אויף ינטעליגענט ראָובאַץ און סיסטעמען, פּפּ. 3309-3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. א קרעאַטיווע IoT אַגריקולטורע פּלאַטפאָרמע פֿאַר וואָלקן נעפּל קאַמפּיוטינג. אונטערהאַלטן. קאָמפּיוטער. אינפ. סיסט. 28, 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. א גאָר קאָנוואָלוטיאָנאַל נעץ פֿאַר וויד מאַפּינג פון אַנמאַנד לופט פאָרמיטל ( UAV) בילדער. PLoS ONE 13 (4), ע0196302.
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020. טיף לערנען קעגן אָבדזשעקט-באזירט בילד אַנאַליסיס (אָביאַ) אין וויד מאַפּינג פון ואַוו בילדער. ינט. י.
רימאָוט סענס. 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. טיף קאָליר קאַלאַבריישאַן פֿאַר ואַוו בילדער אין גערעטעניש מאָניטאָרינג
ניצן סעמאַנטיק נוסח אַריבערפירן מיט היגע צו גלאבאלע ופמערקזאַמקייט. ינט. J. Appl. ערד אָבס. געאָינף. 104, 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. אַנטוויקלונג און פּראָספּעקט פון אַנמאַנד לופט פאָרמיטל טעקנאַלאַדזשיז פֿאַר לאַנדווירטשאַפטלעך פּראָדוקציע
פאַרוואַלטונג. ינט. י אַגריק. ביאָל. ענג. 6 (3), 1-10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. אַנטוויקלונג פון אַ שפּריץ סיסטעם פֿאַר אַ אַנמאַנד לופט פאָרמיטל פּלאַטפאָרמע. אַפּפּל. ענג. אַגריק. 25 (6), 803-809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. אַקוואַזישאַן פון ניר-גרין-בלוי דיגיטאַל פאָוטאַגראַפס פון
אַנמאַנד ערקראַפט פֿאַר גערעטעניש מאָניטאָרינג. רימאָוט סענסינג 2 (1), 290-305. https://doi. org/10.3390/rs2010290. Inoue, Y., 2020. סאַטעליט- און דראָון-באזירט ווייַט סענסינג פון קראַפּס און סוילז פֿאַר קלוג פאַרמינג - אַ רעצענזיע. באָדן סי. פּלאַנט נוטר. 66 (6), 798-810. https://doi.org/10.1080/00380768.2020.1738899.
איסלאם, N., Rashid, MM, Pasandideh, F., Ray, B., Moore, S., Kadel, R., 2021. א רעצענזיע פון אַפּלאַקיישאַנז און קאָמוניקאַציע טעקנאַלאַדזשיז פֿאַר אינטערנעט פון טהינגס (יאָט) און
אַנמאַנד אַעריאַל פאָרמיטל (UAV) באזירט סאַסטיינאַבאַל קלוג פאַרמינג. סאַסטיינאַביליטי 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. אַססעססינג די אַקיעראַסי פון הויך האַכלאָטע דיגיטאַל ייבערפלאַך מאָדעלס קאַמפּיוטאַד דורך
PhotoScan® און MicMac® אין סאַב-אָפּטימאַל יבערבליק טנאָים. רימאָוט סענסינג 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. קוואַנטאַפייינג פּרונינג ימפּאַקץ אויף מאַסלינע בוים אַרקאַטעקטשער און יערלעך כופּע גראָוט דורך ניצן UAV-באזירט 3D מאָדעלינג. פּלאַנט מעטהאָדס 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. עסטאַמאַץ פון פאַבריק געדיכטקייַט פון ווייץ קראַפּס ביי ימערדזשאַנס פון זייער נידעריק הייך ואַוו בילדער. רימאָוט סענס.
ענוויראָן. 198, 105-114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. אַגריקולטוראַל פּראָדוקט מאָניטאָרינג סיסטעם געשטיצט דורך וואָלקן קאַמפּיוטינג. קלאַסטער קאָמפּיוטער. 22 (4), 8929-8938.
Ju, C., & Son, HI 2018a. פאָרשטעלונג אפשאצונג פון קייפל UAV סיסטעמען פֿאַר ווייַט סענסינג אין אַגריקולטורע. פאַרהאַנדלונג פון די וואָרקשאָפּ אויף ראָובאַט זעאונג און קאַמף אין אַגריקולטורע ביי די IEEE אינטערנאַציאָנאַלע קאָנפֿערענץ אויף ראָובאַטיקס און אַוטאָמאַטיאָן (ICRA), בריסבאַנע, אויסטראַליע, 21-26.
Ju, C., Son, HI, 2018b. קייפל UAV סיסטעמען פֿאַר לאַנדווירטשאַפטלעך אַפּלאַקיישאַנז: קאָנטראָל, ימפּלאַמענטיישאַן און יוואַליויישאַן. עלעקטראָניק 7 (9), 162. https://doi.org/10.3390/
עלעקטראָניק7090162.
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021. די פּאָטענציעל פון ווייַט סענסינג און קינסטלעך סייכל ווי מכשירים צו פֿאַרבעסערן די
ריזיליאַנס פון אַגריקולטורע פּראָדוקציע סיסטעמען. Curr. אָפּין. ביאָטעטשנאָל. 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. אַ ימפּרוווד גערעטעניש סקאַוטינג טעכניק ינקאָרפּערייטינג אַנמאַנד לופט פאָרמיטל אַססיסטעד מולטיספּעקטראַל גערעטעניש ימאַגינג אין קאַנווענשאַנאַל סקאַוטינג פיר פֿאַר גומי סטעם בלייט אין קאַווענע. פּלאַנט דיס. 103 (7), 1642-1650.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. אַדוואַנסאַז אין געזעלשאַפטלעך מידיאַ פאָרשונג: פאַרגאַנגענהייט, פאָרשטעלן און צוקונפֿט. מיטטיילן. סיסט. פראָנט. 20
(קסנומקס), קסנומקס-קסנומקס.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: ווייַנשטאָק קרענק דיטעקשאַן נעץ באזירט אויף מולטיספּעקטראַל בילדער און טיף מאַפּע. רימאָוט סענסינג 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. פאַרגלייַך פון סאַטעליט און ואַוו-באזירט מולטיספּעקטראַל בילדער פֿאַר ווייַנגאָרטן
וועריאַביליטי אַססעססמענט. רימאָוט סענסינג 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-blockchain ענייבאַלד אָפּטימיזעד פּראָווענאַנס סיסטעם פֿאַר עסנוואַרג אינדוסטריע 4.0 ניצן אַוואַנסירטע טיף לערנען. סענסאָרס 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. בילד-באזירט דיטעקשאַן פון פאַבריק חולאתן: פון קלאַסיש מאַשין לערנען צו טיף לערנען נסיעה. ווירעלעסס קאָממוניק. מאָביל קאָמפּיוטער. 2021, 1-13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. א ראָמאַן האַלב-סופּערווייזד פריימווערק פֿאַר ואַוו באזירט גערעטעניש / וויד קלאַסאַפאַקיישאַן. PLoS ONE 16 (5), ע0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. אַן איבערבליק פון קראַנט און פּאָטענציעל אַפּלאַקיישאַנז פון טערמאַל ווייַט סענסינג אין פּינטלעכקייַט אַגריקולטורע. קאָמפּיוטער. עלעקטראָן.
אַגריק. 139, 22-32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna, A., Kaur, S., 2019. עוואַלושאַן פון אינטערנעט פון טהינגס (יאָט) און זייַן באַטייַטיק פּראַל אין די פעלד פון פּרעסיסיאָן אַגריקולטורע. קאָמפּיוטער. עלעקטראָן. אַגריק. 157, 218-231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. אָנגעשטעלטער באַשטעלונג פֿאַר סאַסטיינאַבאַל אָרגאַנאַזיישאַנז: קיווערד אַנאַליסיס ניצן געזעלשאַפטלעך נעץ אַנאַליסיס און פּלאַצן
דיטעקשאַן צוגאַנג. סוסטאַינאַביליטי 8 (7), 631.
Kirsch, M., Lorenz, S., Zimmermann, R., Tusa, L., Mockel, ¨ R., Hodl, ¨ P., Booysen, R., Khodadadzadeh, M., Gloaguen, R., 2018. ינטעגראַטיאָן. פון ערדישע און דראָון-דערטראגן
כייפּערספּעקטראַל און פאָטאָגראַמעטריק סענסינג מעטהאָדס פֿאַר עקספּלעריישאַן מאַפּינג און מיינינג מאָניטאָרינג. רימאָוט סענסינג 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. פּאַפּשוי פאַבריק קאַונטינג ניצן טיף לערנען און ואַוו בילדער. IEEE Geosci. ווייַט סענס. Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. אַוטאָמאַטעד מאַשין לערנען פֿאַר הויך-טהראָופּוט בילד-באזירט פאַבריק פענאָטיפּינג. רימאָוט סענסינג 13 (5), 858. https://
doi.org/10.3390/rs13050858.
קאָוואַלעוו, יוו, וואָראָשילאָוואַ, אַאַ, 2020. מאָדערן טעקנאַלאַדזשיקאַל טרענדס אין דער אַנטוויקלונג פון די יקאָוסיסטאַם פון לאַסט ואַווס. J. Phys. קאָנפ. סער. 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. וויסואַל סלאַם פֿאַר דרינענדיק לייווסטאַק און פאַרמינג ניצן אַ קליין דראָון מיט אַ מאָנאָקולאַר אַפּאַראַט: אַ פיזאַבילאַטי לערנען.
דראָנעס 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. יבערבליק פון דראָנעס פֿאַר אַגריקולטורע אָטאַמיישאַן פון פּלאַנטינג צו
שניט. אין: INES 2018 - IEEE 22nd International Conference on Intelligent Engineering Systems, pp. 000353-358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. UAV IoT פריימווערק קוקן און טשאַלאַנדזשיז: צו באַשיצן דראָנעס ווי "טהינגס". סענסאָרס 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. בילד פּראַסעסינג און קלאַסאַפאַקיישאַן פּראָוסידזשערז פֿאַר אַנאַליסיס פון סאַב-דעסימעטער בילדער קונה מיט אַ אַנמאַנד ערקראַפט איבער טרוקן.
ריינדזשלאַנדס. GISci. רימאָוט סענס. 48 (1), 4-23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. אַנמאַנד לופט וועהיקלעס פֿאַר ריינדזשלאַנד מאַפּינג און מאָניטאָרינג: אַ פאַרגלייַך פון צוויי סיסטעמען. ASPRS יערלעך קאָנפֿערענץ פאַרהאַנדלונג.
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. אַן אָפֿן מקור וואָרקפלאָוו פֿאַר וויד מאַפּינג אין געבוירן גראַסלאַנד
ניצן אַנמאַנד לופט פאָרמיטל: ניצן Rumex obtusifolius ווי אַ פאַל לערנען. עור. J.Remote Sens. 54 (סופּ1), 71-88. https://doi.org/10.1080/22797254.2020.1793687.
Lambert, DM, Lowenberg-DeBoer, J., Griffin, TW, Peone, J., Payne, T., Daberkow, SG, 2004. אַדאָפּטיאָן, פּראַפיטאַביליטי, און מאַכן בעסער נוצן פון פּינטלעכקייַט פאַרמינג דאַטן.
ארבעטן פּאַפּיר. פּורדוע אוניווערסיטעט. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labbe, S., Baret, F., 2008. אַססעססמענט פון אַנמאַנד לופט וועהיקלעס ימאַדזשרי פֿאַר קוואַנטיטאַטיווע מאָניטאָרינג פון ווייץ גערעטעניש אין קליין פּלאַץ. סענסאָרס 8 (5), 3557-3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. פּלאַן פון קלוג אַגריקולטורע באזירט אויף גרויס דאַטן און אינטערנעט פון טינגז. ינט. י דיסטריב. סענס. נעץ. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Li, W., Niu, Z., Chen, H., Li, D., Wu, M., Zhao, W., 2016. ווייַט אָפּשאַצונג פון כופּע הייך און אויבן-ערד בייאַמאַס פון מייז ניצן הויך-האַכלאָטע סטעריאָו בילדער פון אַ נידעריק-פּרייַז אַנמאַנד לופט פאָרמיטל סיסטעם. Ecol. אינד׳ 67, 637—648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. מאַשין לערנען אין אַגריקולטורע: אַ רעצענזיע. סענסאָרס 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. ווייַט, לופט פענאָטיפּינג פון מייז טרייץ מיט אַ רירעוודיק מולטי-סענסאָר צוגאַנג. פּלאַנט מעטהאָדס 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin, Z., Guo, W., 2020. Sorghum פּאַניק דיטעקשאַן און קאַונטינג ניצן אַנמאַנד לופט סיסטעם בילדער און טיף לערנען. פראָנט. פּלאַנט סי. 11 .
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. אינטערנעט פון טהינגס מאָניטאָרינג סיסטעם פון מאָדערן עקאָ-אַגריקולטורע באזירט אויף וואָלקן קאַמפּיוטינג. IEEE אַקסעס 7, 37050–37058.
Lopez-Granados, 'F., 2011. וויד דיטעקשאַן פֿאַר פּלאַץ-ספּעציפיש וויד פאַרוואַלטונג: מאַפּינג און פאַקטיש-צייט אַפּראָוטשיז. וויד רעז. 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. אָבדזשעקט-באזירט פרי מאָניטאָרינג פון אַ גראָז וויד אין אַ גראָז גערעטעניש ניצן הויך האַכלאָטע ואַוו ימאַדזשרי. אגרון. אונטערהאַלטן. דעוו. 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. פרי סעזאָן וויד מאַפּינג אין זונרויז ניצן UAV טעכנאָלאָגיע: וועריאַביליטי פון הערביסידע באַהאַנדלונג מאַפּס קעגן וויד טרעשאַלז. גענוי. Agric. 17 (2), 183-199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS - ימאַגינג ספּעקטראַסקאָפּי פון אַ מולטיראָטאָר אַנמאַנד ערקראַפט סיסטעם. י פעלד ראָב. 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. ערדישע לאַזער סקאַנינג פון לאַנדווירטשאַפטלעך קראַפּס. אין JJ
טשען י מאאס ח–ג. (עד.), אינטערנאציאנאלע ארכיוון פון פאָטאָגראַממעטרי, רימאָוט סענסינג און ספּיישאַל אינפֿאָרמאַציע ססיענסעס — יספּרס אַרטשיוועס (באַנד 37, זז. 563–566).
אינטערנאַציאָנאַלע געזעלשאפט פֿאַר פאָטאָגראַמעטרי און רימאָוט סענסינג. 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. א רעצענזיע פון סופּערווייזד אַבדזשעקץ באזירט לאַנד-דעק בילד קלאַסאַפאַקיישאַן. יספּרס י פאָטאָגראַם. ווייַט סענס. 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. פּערספּעקטיווז פֿאַר ווייַט סענסינג מיט אַנמאַנד לופט וועהיקלעס אין פּינטלעכקייַט אַגריקולטורע. טרענדס פּלאַנט סי. 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.
אַנמאַנד לופט סיסטעם (UAS)-באזירט פענאָטיפּינג פון סויבין ניצן מולטי-סענסאָר דאַטן פוסיאָן און עקסטרעם לערנען מאַשין. יספּרס י פאָטאָגראַם. רימאָוט סענס. 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.
גערעטעניש מאָניטאָרינג ניצן סאַטעליט / ואַוו דאַטן פוסיאָן און מאַשין לערנען. רימאָוט סענסינג 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. ., מוללעראָוואַ, 'דזש, טאַוראָ, עף, דע לימאַ, עם, דע
לימאַ, י., מאַלטעזיש, א., פראַנסעס, עף., קיילאָר, ק., קאָהוו, מ., פּערקס, מ., רויז-פּערעז, ג., סו, ז. , B., 2018. אויף די נוצן פון אַנמאַנד לופט סיסטעמען פֿאַר
ינווייראַנמענאַל מאָניטאָרינג. רימאָוט סענסינג 10 (4), 641.
Marinko, RA, 1998. סיטאַטיאָנס צו וואָמען ס שטודיום דזשערנאַלז אין דיסערטיישאַנז, 1989 און די סעריאַל ביבליאָטעק 35 (1-2), 29-44. https://doi.org/10.1300/J123v35n01_
קסנומקס.
Masroor, R., Naeem, M., Ejaz, W., 2021. מיטל פאַרוואַלטונג אין ואַוו-אַססיסטעד וויירליס נעטוואָרקס: אַן אַפּטאַמאַזיישאַן פּערספּעקטיוו. אַד האָק נעץ. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. פּראַקטיש אַפּלאַקיישאַנז פון אַ מולטיסענסאָר ואַוו פּלאַטפאָרמע באזירט אויף מולטיספּעקטראַל, טערמאַל און RGB הויך האַכלאָטע בילדער אין פּינטלעכקייַט
וויטיקולטורע. אַגריקולטורע 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. ווייַטער פון דעם טראדיציאנעלן נדווי אינדעקס ווי אַ שליסל פאַקטאָר צו מיינסטרים די נוצן פון ואַוו אין פּינטלעכקייַט וויטיקולטורע. Sci. רעפּ 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 ינטערקאָמפּאַריסאָן פון ואַוו, ערקראַפט
און סאַטעליט ווייַט סענסינג פּלאַטפאָרמס פֿאַר פּינטלעכקייַט וויטיקולטורע. רימאָוט סענסינג 7 (3), 2971-2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. UAV און מאַשין לערנען באזירט ראַפינירטקייַט פון אַ סאַטעליט-געטריבן וועדזשאַטיישאַן אינדעקס פֿאַר פּינטלעכקייַט
אַגריקולטורע. סענסאָרס 20 (9), 2530. https://doi.org/10.3390/s20092530.
McCain, KW, 1990. מאַפּינג מחברים אין אינטעלעקטואַל פּלאַץ: אַ טעכניש איבערבליק. J. Am. Soc. אינפֿאָרמאַציע. Sci. 41 (6), 433-443.
Meinen, BU, Robinson, DT, 2021. לאַנדווירטשאַפטלעך יראָוזשאַן מאָדעלינג: עוואַלואַטינג USLE און WEPP פעלד-וואָג יראָוזשאַן עסטאַמאַץ ניצן ואַוו צייט-סעריע דאַטן. ענוויראָן. מאָדעל. ווייכווארג 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville, B., Lucieer, A., Aryal, J., 2019. קלאַסאַפאַקיישאַן פון לאָולאַנד געבוירן גראַסלאַנד קהילות ניצן היפּערספּעקטראַל ונמאַנד אַירקראַפט סיסטעם (UAS) ימאַדזשרי אין די
טאַסמאַניאַן מידלאַנדס. דראָנעס 3 ( 1 ), 5 .
Messina, G., Modica, G., 2020. אַפּפּליקאַטיאָנס פון ואַוו טערמאַל ימאַדזשרי אין פּינטלעכקייַט אַגריקולטורע: שטאַט פון די קונסט און צוקונפֿט פאָרשונג דערוואַרטונג. רימאָוט סענסינג 12 (9), https://doi.org/10.3390/rs12091491.
Mishra, D., Luo, Z., Jiang, S., Papadopoulos, T., Dubey, R., 2017. א ביבליאָגראַפיק לערנען אויף גרויס דאַטן: קאַנסעפּס, טרענדס און טשאַלאַנדזשיז. געשעפט פּראַסעס מאַנאַג. י 23 (3),
קסנומקס-קסנומקס.
Mochida, K., Saisho, D., Hirayama, T., 2015. גערעטעניש פֿאַרבעסערונג ניצן לעבן ציקל דאַטאַסעץ קונה אונטער פעלד טנאָים. פראָנט. פּלאַנט סי. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. איבערבליק אויף אַפּלאַקיישאַן פון דראָון סיסטעמען אין פּינטלעכקייַט אַגריקולטורע. פּראָסעדיאַ קאָמפּיוטער. Sci. 133, 502-509.
Moharana, S., Dutta, S., 2016. ספּיישאַל וועריאַביליטי פון טשלאָראָפילל און ניטראָגען אינהאַלט פון רייַז פון היפּערספּעקטראַל ימאַדזשרי. יספּרס י פאָטאָגראַם. רימאָוט סענס. 122, 17-29.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat, A.,
Nillaor, P., 2019. IoT און אַגריקולטורע דאַטן אַנאַליסיס פֿאַר קלוג פאַרם. קאָמפּיוטער. עלעקטראָן. אַגריק. 156, 467-474.
Nansen, C., Elliott, N., 2016. רימאָוט סענסינג און רעפלעקטיווע פּראָפילינג אין ענטאָמאָלאָגי. אַננו. ר׳ ענטאָמאָל. 61 (1), 139-158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia, J., Mondragon, I., Patino, D., Colorado, J., 2016. מולטיספּעקטראַל מאַפּינג אין אַגריקולטורע: טעריין מאָסאַיק ניצן אַן אָטאַנאַמאַס קוואַדקאָפּטער ואַוו. ינט. קאָנפ.
אַנמאַנד ערקראַפט סיסט. (יקואַס) 2016, 1351-1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. די אינטערנעט פון דראָון טינגז (יאָדט): צוקונפֿט ענוויזשאַן פון קלוג דראָנעס. אַדוו. Intell. סיסט. קאָמפּיוטער. 1045, 563-580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. א ליכט-וואָג מולטיספּעקטראַל סענסער פֿאַר מיקראָ ואַוו - אַפּערטונאַטיז פֿאַר זייער הויך האַכלאָטע אַירבאָרנע ווייַט סענסינג. ינט. אַרטש. פאָטאָגראַם. רימאָוט סענסס ספּאַט. אינפ. Sci 37 (B1), 1193-1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. ימערדזשינג ואַוו אַפּלאַקיישאַנז אין אַגריקולטורע. אין: 2019 7 אינטערנאַציאָנאַלע קאָנפֿערענץ אויף ראָבאָט ינטעלליגענסע טעכנאָלאָגיע און
אַפּפּליקאַטיאָנס (ריטאַ), זז 254-257. https://doi.org/10.1109/RITAPP.2019.8932853.
Nerur, SP, Rasheed, AA, Natarajan, V., 2008. די אינטעלעקטואַל סטרוקטור פון די סטראַטידזשיק פאַרוואַלטונג פעלד: אַ מחבר קאָ-סייטיישאַן אַנאַליסיס. סטראַטעג. מאַנאַג. י 29 (3),
קסנומקס-קסנומקס.
Neupane, K., Baysal-Gurel, F., 2021. אָטאַמאַטיק לעגיטימאַציע און מאָניטאָרינג פון פאַבריק חולאתן ניצן אַנמאַנד לופט וועהיקלעס: אַ רעצענזיע. רימאָוט סענסינג 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. ואַוו פֿאַר 3 ד מאַפּינג אַפּלאַקיישאַנז: אַ רעצענזיע. אַפּפּל. געאָמאַטיקס 6 (1), 1-15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. עוואַפּאָטראַנספּיראַטיאָן אָפּשאַצונג מיט קליין ואַווס אין פּינטלעכקייַט אַגריקולטורע. סענסאָרס 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. ביבליאָמעטריקס, סייטיישאַן אַנאַליסיס און קאָ-סיטאַטיאָן אַנאַליסיס. א איבערבליק פון ליטעראטור 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, סענסאָרס און דאַטן פּראַסעסינג אין אַגראָפאָרעסטרי: אַ רעצענזיע צו פּראַקטיש אַפּלאַקיישאַנז. ינט. י רימאָוט סענס. 38 (8-10), 2349-2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, USA, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. א רעצענזיע אויף דראָון-באזירט דאַטן סאַלושאַנז פֿאַר קאַשע קראַפּס. דראָנעס 4 (3), 1-29. https://doi.org/10.3390/
דראָנעס4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. עסטימאַטינג ייל און פּראָטעין אינהאַלט פון סעסאַמי זאמען ניצן בילד פּראַסעסינג און קינסטלעך נעוראַל נעץ. J. Am. אָיל
כעמישער סאָק. 97 (7), 691-702.
Pena, JM, Torres-S'anchez, J., De Castro, AI, Kelly, M., Lopez-Granados, F., Suarez, O. פון
אַנמאַנד לופט פאָרמיטל (UAV) בילדער. PLoS ONE 8 (10), ע77151.
P'erez-Ortiz, M., Pena, ~ JM, Guti'errez, PA, Torres-S'anchez, J., Herv'as-Martínez, C.,
Lopez-Granados, 'F., 2015. א האַלב-סופּערווייזד סיסטעם פֿאַר וויד מאַפּינג אין זונרויז קראַפּס ניצן אַנמאַנד לופט וועהיקלעס און אַ גערעטעניש רודערן דיטעקשאַן אופֿן. אַפּפּל. ווייך קאָמפּיוטער. י 37, 533-544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. פּרייַז-עפעקטיוו IoT דעוויסעס ווי טראַסטווערדי דאַטן קוואלן פֿאַר אַ בלאַקכייוואַן-באזירט וואַסער פאַרוואַלטונג סיסטעם אין פּינטלעכקייַט אַגריקולטורע. קאָמפּיוטער. עלעקטראָן. אַגריק. 180 , 105889 .
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. אַוואַנסירטע UAV-WSN סיסטעם פֿאַר ינטעליגענט מאָניטאָרינג אין פּינטלעכקייַט אַגריקולטורע. סענסאָרס 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Blockchain אַפּלאַקיישאַנז אין צושטעלן קייטן, אַריבערפירן און לאַדזשיסטיקס: אַ סיסטעמאַטיש רעצענזיע פון די ליטעראַטור. ינט. י פּראָד. רעז. 58 (7), 2063-2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. א פלעקסאַבאַל אַנמאַנד לופט פאָרמיטל פֿאַר פּינטלעכקייַט אַגריקולטורע.
גענוי. אַגריק. 13 (4), 517-523. https://doi.org/10.1007/s11119-012-9257-6.
Pritchard, A., 1969. סטאַטיסטיש ביבליאָגראַפי אָדער ביבליאָמעטריק. י דאָקומענט. 25 (4), 348-349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. די סוטאַביליטי פון אַ אַנמאַנד לופט פאָרמיטל (UAV) פֿאַר די אפשאצונג פון יקספּערמענאַל פעלדער און קראַפּס. אַגריקולטורע 99 (4), 431-436.
Puri, V., Nayyar, A., Raja, L., 2017. אַגריקולטורע דראָנעס: אַ מאָדערן ברייקטרו אין פּינטלעכקייַט אַגריקולטורע. י סטאַטיסטיקס. מאַנאַג. סיסט. 20 (4), 507-518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. א זאַמלונג פון ואַוו אַפּלאַקיישאַנז פֿאַר פּינטלעכקייַט אַגריקולטורע. קאָמפּיוטער. נעץ. 172 ,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. אַפּפּליקאַטיאָן פון גרויס דאַטן אַנאַליטיקס און קינסטלעך סייכל אין אַגראָנאָמיק פאָרשונג. אינדיאנער י אגרון. 65 (4), 383-395.
Raparelli, E., Bajocco, S., 2019. א ביבליאָמעטריק אַנאַליסיס אויף די נוצן פון אַנמאַנד לופט וועהיקלעס אין לאַנדווירטשאַפטלעך און פאָרעסטרי שטודיום. ינט. י רימאָוט סענס. 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.
פּאָטענציעל נוצן פון קליין אַנמאַנד ערקראַפט סיסטעמען (UAS) אין וויד פאָרשונג. וויד רעז. 53 (4), 242-248.
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., זענען וועדזשאַטיישאַן ינדיסעס דערייווד פון קאַנסומער-מיינונג קאַמעראַס מאָונטעד אויף
ואַווס גענוג פאַרלאָזלעך פֿאַר אַססעססינג יקספּערמענאַל פּלאַץ? עור. י אגרון . 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. דיגיטאַליזאַטיאָן אין עסנוואַרג צושטעלן קייטן: אַ ביבליאָמעטריק רעצענזיע און שליסל מאַרשרוט הויפּט וועג.
אַנאַליסיס. סאַסטיינאַביליטי 14 (1), 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a. דראָנעס פֿאַר צושטעלן קייט פאַרוואַלטונג און לאַדזשיסטיקס: אַ רעצענזיע און פאָרשונג אַגענדאַ. ינט. י לאָגיסט. רעז. אַפּפּליקאַטיאָן
1-24. https://doi.org/10.1080/13675567.2021.1981273.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021b. בלאָקטשיין טעקנאַלאַדזשיז אין לאַדזשיסטיקס און צושטעלן קייט פאַרוואַלטונג: אַ ביבליאָמעטריק רעצענזיע. לאגיסטיק 5 ( 4 ), 72 .
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021c. הומאַניטאַריאַן דראָנעס: אַ רעצענזיע און פאָרשונג אַגענדאַ. אינטערנעט פון טהינגס 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb, A., Treiblmaier, H., Rejeb, K., Zailani, S., 2021d. בלאָקטשיין פאָרשונג אין כעלטקער: אַ ביבליאָמעטריק רעצענזיע און קראַנט פאָרשונג טרענדס. י פון דאַטאַ, ינפ. און
מאַנאַג. 3 (2), 109-124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Internet of Things פאָרשונג אין צושטעלן קייט פאַרוואַלטונג און לאַדזשיסטיקס: אַ ביבליאָמעטריק אַנאַליסיס. אינטערנעט
פון זאכן 12, 100318 .
רעפּאָרטלינקער, 2021. גלאבאלע אַגריקולטורע דראָנעס מאַרקעט צו דערגרייכן יו. עס. $ 15.2 ביליאָן דורך די יאָר GlobeNewswire News Room. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- יאָר-2027.html.
Ribeiro-Gomes, K., Hernandez-L ´opez, ´D., Ortega, JF, Ballesteros, R., Poblete, T.,Moreno, MA, 2017. ונקאָאָלעד טערמאַל אַפּאַראַט קאַלאַבריישאַן און אַפּטאַמאַזיישאַן פון די
פאָטאָגראַמעטרי פּראָצעס פֿאַר ואַוו אַפּלאַקיישאַנז אין אַגריקולטורע. סענסאָרס (שווייץ) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. אַדוואַנסאַז אין האָספּיטאַליטי פאָרשונג: "פֿון ראַדני דאַנגערפיעלד צו אַרעטהאַ פרענקלין". ינט. י קאָנטעמפּאָר. שפּיטאָל. מאַנאַג. 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. מיני-ואַוו באזירט סענסערי סיסטעם פֿאַר מעסטן ינווייראַנמענאַל וועריאַבאַלז אין גרינכאַוסיז. סענסאָרס 15 (2), 3334-3350. https://doi.org/10.3390/s150203334.
Rozenberg, G., Kent, R., Blank, L., 2021. קאַנסומער-מיינונג ואַוו יוטאַלייזד פֿאַר דיטעקטינג און אַנאַלייזינג שפּעט-צייַט וויד ספּיישאַל פאַרשפּרייטונג פּאַטערנז אין געשעפט ציבעלע פעלדער. גענוי. אַגריק. 22 (4), 1317-1332. https://doi.org/10.1007/s11119-021-09786-y.
Saari, H., Pellikka, I., Pesonen, L., Tuominen, S., Heikkila, ¨ J., Holmlund, C., Makynen, ¨ J., Ojala, K., Antila, T., 2011. Unmanned לופט פאָרמיטל (UAV) אַפּערייטאַד ספּעקטראַל אַפּאַראַט סיסטעם פֿאַר וואַלד און אַגריקולטורע אַפּלאַקיישאַנז. גיינ ווייַטער. SPIE – ינט. Soc. אָפּט. ענג. 8174 https://doi.org/10.1117/12.897585.
Sah, B., Gupta, R., Bani-Hani, D., 2021. אַנאַליסיס פון באַריערז צו ינסטרומענט דראָון לאַדזשיסטיקס. ינט. י לאָגיסט. רעז. אַפּפּל. 24 (6), 531-550. https://doi.org/10.1080/
קסנומקס.
Saha, AK, Saha, J., Ray, R., Sircar, S., Dutta, S., Chattopadhyay, SP, & Saha, HN, IOT-באזירט דראָון פֿאַר פֿאַרבעסערונג פון גערעטעניש קוואַליטעט אין לאַנדווירטשאַפטלעך פעלד. אין ש
N. Chakrabarti S. (Ed.), 2018 IEEE 8th Annual Computing and Communication Workshop and Conference, CCWC 2018 (Vols. 2018-January, pp. 612-615). אינסטיטוט
פון עלעקטריקאַל און עלעקטראָניק ענדזשאַנירז ינק. דאָי: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: אַ ראָמאַן און עפעקטיוו געפירט קאָמוניקאַציע פֿאַר פּינטלעכקייַט אַגריקולטורע. IEEE Conf. אינפֿאָרמאַציע. קאָממוניק. טעכנאָלאָגיע. 2019, 1-5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. ואַוו פלי יקספּעראַמאַנץ געווענדט צו די ווייַט סענסינג פון וועדזשאַטייטיד געביטן. רימאָוט סענסינג 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.
נידעריק-הייך, הויך-האַכלאָטע לופט ימידזשינג סיסטעמען פֿאַר רודערן און פעלד גערעטעניש פענאָטיפּינג: אַ רעצענזיע. עור. י אגרון . 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. הויך-האַכלאָטע ואַוו-באזירט טערמאַל ימאַגינג צו אָפּשאַצן די
ינסטאַנטאַניאַס און סיזאַנאַל וועריאַביליטי פון פאַבריק וואַסער סטאַטוס אין אַ ווייַנגאָרטן. אַגריק. וואַסער מאַנאַג. 183, 49-59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. ווייַטער פון סייטיישאַן אַנאַליסיס: א מאָדעל פֿאַר אַסעסמאַנט פון פאָרשונג פּראַל. J. Med. ביבליאָטעק אַססאָק. : 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. ערד סיסטעם וויסנשאַפֿט פֿאַרבונדענע ימאַגינג ספּעקטראַסקאָפּי - אַן אַסעסמאַנט. רימאָוט סענסיז ענוויראָן. 113, S123–S137.
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016. מאָניטאָרינג אַגראָנאָמיק פּאַראַמעטערס פון ווינטער ווייץ קראַפּס מיט נידעריק-פּרייַז UAV
בילדער. רימאָוט סענסינג 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. אַנטוויקלונג און אַפּלאַקיישאַן פון אַ אָטאַנאַמאַס אַנמאַנד לופט פאָרמיטל פֿאַר גענוי עראָוביאַלאַדזשיקאַל מוסטערונג אויבן
לאַנדווירטשאַפטלעך פעלדער. י פעלד ראָב. 25 (3), 133-147. https://doi.org/10.1002/rob.20232.
שדרין ד., מענשטשיקאָוו א., סאָמאָוו א., באָרנעמאַן ג., האַוסלאַגע, י., פעדאָראָוו, מ.
ענייבאַלינג פּינטלעכקייַט אַגריקולטורע דורך עמבעדיד סענסינג מיט קינסטלעך סייכל. IEEE טראַנס. אינסטרום. Meas. 69 (7), 4103-4113.
Shakhatreh, H., Sawalmeh, Ah, Al-Fuqaha, A., Dou, Z., Almaita, E., Khalil, I.
Othman, NS, Khreishah, A., Guizani, M., 2019. אַנמאַנד אַעריאַל וועהיקלעס (UAVs): אַ יבערבליק אויף יידל אַפּלאַקיישאַנז און שליסל פאָרשונג טשאַלאַנדזשיז. IEEE אַקסעס 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. גרויס דאַטן געטריבן אַגריקולטורע: גרויס דאַטן אַנאַליטיקס אין פאַבריק ברידינג, גענאָמיקס און די נוצן פון ווייַט סענסינג
טעקנאַלאַדזשיז צו העכערן גערעטעניש פּראָודאַקטיוויטי. פּלאַנט פענאָמע י קסנומקס (קסנומקס), קסנומקס-קסנומקס.
Sharma, BK, Chandra, G., Mishra, VP, 2019. קאָמפּאַריטיווע אַנאַליסיס און ימפּלאַקיישאַן פון ואַוו און אַי אין פאָרענסיק ינוועסטאַגיישאַנז. אין: פאַרהאַנדלונג - 2019 Amity International
קאָנפֿערענץ אויף קינסטלעך ינטעלליגענסע. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. די ראָלע פון קינסטלעך סייכל אין צושטעלן קייט פאַרוואַלטונג: מאַפּינג די טעריטאָריע. ינט. י.
פּראָד. Res. 1–24. https://doi.org/10.1080/00207543.2022.2029611.
Shi, Y., Thomasson, JA, Murray, SC, Pugh, NA, רוני, WL, Shafian, S., Rajan, N., Rouze, G., Morgan, CLS, Neely, HL, Rana, A., Bagavathiannan. ,מוו,
Henrickson, J., Bowden, E., Valasek, J., Olsenholler, J., Bishop, MP, Sheridan, R., Putman, EB, Popescu, S., Burks, T., Cope, D., Ibrahim, A., McCutchen, BF,
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016. ונמאַנד לופט וועהיקלעס פֿאַר הויך-טראַפּוט פענאָטיפּינג און אַגראָנאָמיק פאָרשונג. PLoS ONE
11 (7), ע0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. קאַפּטשערינג מייז שטיין העטעראַדזשיניאַטי אַריבער טראָגן-סטאַביליטי זאָנעס ניצן ונמאַנד אַעריאַל
וועהיקלעס (ואַוו). סענסאָרס 19 (20), 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. קאָ-ציטאַציע אין דער וויסנשאפטלעכע ליטעראַטור: אַ נייַע מאָס פון די שייכות צווישן צוויי דאָקומענטן. J. Am. Soc. אינפֿאָרמאַציע. Sci. 24 (4), 265-269.
Small, H., Rorvig, ME, Lunin, LF, 1999. וויסואַלייזינג וויסנשאַפֿט דורך סייטיישאַן מאַפּינג. J. Am. Soc. אינפֿאָרמאַציע. Sci. 50 (9), 799-813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. פיך קאַונטינג אין די ווילד מיט געאָלאָקאַטעד לופט בילדער אין גרויס פּאַסטשער געביטן. קאָמפּיוטער. עלעקטראָן. אַגריק. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. אַ צוגאַנג פֿאַר מאַרשרוט אַפּטאַמאַזיישאַן אין אַפּלאַקיישאַנז פון פּינטלעכקייַט אַגריקולטורע ניצן ואַווס. דראָנעס 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
סטאַפפאָרד, דזשוו, 2000. ימפּלעמענטינג פּינטלעכקייַט אַגריקולטורע אין די 21 יאָרהונדערט. י אַגריק. ענג. Res. 76 (3), 267-275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. ווייץ טריקעניש אַסעסמאַנט דורך ווייַט סענסינג ימאַדזשרי ניצן אַנמאַנד לופט פאָרמיטל. אין 2018 37th כינעזיש קאָנטראָל קאָנפֿערענץ (קקק).
Su, J., Liu, C., Coombes, M., Hu, X., Wang, C., Xu, X., Li, Q., Guo, L., Chen, W.-H., 2018. ווייץ געל זשאַווער מאָניטאָרינג דורך לערנען פון מולטיספּעקטראַל ואַוו לופט בילדער.
קאָמפּיוטער. עלעקטראָן. אַגריק. 155, 157-166. https://doi.org/10.1016/j. compag.2018.10.017.
Su, Y., Wang, X., 2021. כידעש פון לאַנדווירטשאַפטלעך עקאָנאָמיש פאַרוואַלטונג אין דעם פּראָצעס פון קאַנסטראַקטינג קלוג אַגריקולטורע דורך גרויס דאַטן. סאַסטיינאַבאַל קאָמפּיוטער. אינפ. סיסט. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. עוואַלואַטינג די סענסיטיוויטי פון אַ אַנמאַנד טערמאַל ינפרערעד לופט סיסטעם צו דעטעקט וואַסער דרוק אין אַ וואַטע כופּע. טראַנס. ASABE 50 (6), 1955-1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. ינטעגראַטיאָן פון RGB-באזירט וועדזשאַטיישאַן אינדעקס, גערעטעניש ייבערפלאַך מאָדעל און כייפעץ-באזירט בילד אַנאַליסיס צוגאַנג פֿאַר שוגערקיין טראָגן אָפּשאַצונג ניצן אַנמאַנד לופט פאָרמיטל. קאָמפּיוטער. עלעקטראָן. אַגריק. 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. א ליכט-וואָג היפּערספּעקטראַל מאַפּינג סיסטעם פֿאַר
אַנמאַנד לופט וועהיקלעס - די ערשטער רעזולטאַטן. אין: 2013 5 טה וואָרקשאָפּ אויף היפּערספּעקטראַל בילד און סיגנאַל פּראַסעסינג: עוואַלושאַן אין רימאָוט סענסינג (ווהיספּערז), זז 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. א לייטווייט היפּערספּעקטראַל
מאַפּינג סיסטעם און פאָטאָגראַמעטריק פּראַסעסינג קייט פֿאַר אַנמאַנד לופט וועהיקלעס. רימאָוט סענסינג 6 (11), 11013-11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021. שטייַגן קאָנטראָל סטראַטעגיעס ניצן בילד פּראַסעסינג, ואַוו און אַי אין אַגריקולטורע: א רעצענזיע. וועלט י ענג. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998. אינפֿאָרמאַציע פּראַסעסינג ניצן סייטיישאַנז צו פאָרשן זשורנאַל השפּעה אין אַקאַונטינג. אינפ. פּראָצעס. פירן. 34 (2-3), 341-359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. א יבערבליק אויף די 5G נעץ און זייַן פּראַל אויף אַגריקולטורע: טשאַלאַנדזשיז און אַפּערטונאַטיז. קאָמפּיוטער.
עלעקטראָן. אַגריק. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. דאַטאַ-געטריבן באַשלוס געמאכט אין פּינטלעכקייַט אַגריקולטורע: די העכערונג פון גרויס דאַטן אין לאַנדווירטשאַפטלעך סיסטעמען. י אַגריק. פוד אינפֿאָרמאַציע.
20 (4), 344-380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. אָפּשאַצונג פון די טראָגן און פאַבריק הייך פון ווינטער ווייץ ניצן ואַוו- באזירט היפּערספּעקטראַל בילדער.
סענסאָרס 20 (4), 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. קאָואָרדאַנייטיד אַעראָביאָלאָגיקאַל מוסטערונג פון אַ פאַבריק פּאַטאַדזשאַן אין דער נידעריקער אַטמאָספער ניצן צוויי אָטאַנאַמאַס אַנמאַנד לופט וועהיקלעס. י פעלד ראָב. 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. דיטעקשאַן און קלאַסאַפאַקיישאַן פון סויבין פּעסץ ניצן טיף לערנען
מיט UAV בילדער. קאָמפּיוטער. עלעקטראָן. אַגריק. 179 , 105836 .
Thamm, H.-P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013. די נוצן פון ואַס פֿאַר אַססעססינג אַגריקולטוראַל סיסטעמס אין אַ וועטלאַנד אין טאַנזאַניאַ אין די— און וועטסעאַסאָן פֿאַר סאַסטיינאַבאַל אַגריקולטורע און פּראַוויידינג ערד אמת פֿאַר Terra-Sar X דאַטן. אין: ISPRS - אינטערנאציאנאלע ארכיוון פון פאָטאָגראַממעטרי, רימאָוט סענסינג און ספּיישאַל אינפֿאָרמאַציע ססיענסעס, זז 401–406. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Bibliometrics to Webometrics. י אינפֿאָרמאַציע. Sci. 34 (4), 605-621.
Torres-Sanchez, 'J., Lopez-Granados, 'F., Pena, ~ JM, 2015. אַן אָטאַמאַטיק כייפעץ-באזירט אופֿן פֿאַר אָפּטימאַל שוועללינג אין ואַוו בילדער: אַפּלאַקיישאַן פֿאַר וועדזשאַטיישאַן דיטעקשאַן אין ערביישאַס קראַפּס. קאָמפּיוטער. עלעקטראָן. אַגריק. 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. הויך-טרופּוט 3-ד מאָניטאָרינג פון לאַנדווירטשאַפטלעך-בוים פּלאַנטיישאַנז מיט אַנמאַנד אַעריאַל פאָרמיטל (UAV) טעכנאָלאָגיע. PLoS ONE 10 (6), ע0130479.
Torres-Sanchez, 'J., Pena, ~ JM, de Castro, AI, Lopez-Granados, 'F., 2014. Multi-temporal mapping פון די וועדזשאַטיישאַן בראָכצאָל אין פרי-צייַט ווייץ פעלדער ניצן בילדער פון ואַוו. קאָמפּיוטער. עלעקטראָן. אַגריק. 103, 104-113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. א רעצענזיע אויף ואַוו-באזירט אַפּלאַקיישאַנז פֿאַר פּינטלעכקייַט אַגריקולטורע. אינפארמאציע (שווייץ) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. אָפּטימיזינג דראָון פלי פּלאַנירונג פֿאַר מעסטן האָרטיקולטוראַל בוים גערעטעניש סטרוקטור. יספּרס י פאָטאָגראַם.
רימאָוט סענס. 160, 83-96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. אינטערנעט פון טהינגס אין אַגריקולטורע, פריש אַדוואַנסיז און צוקונפֿט טשאַלאַנדזשיז. ביאָסיסט. ענג. 164, 31-48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A., Singh, VK, Pinto, D., Olmos, I., 2015. ססיענטאָמעטריק מאַפּינג פון קאָמפּיוטער וויסנשאַפֿט פאָרשונג אין מעקסיקא. ססיענטאָמעטריקס 105 (1), 97-114.
יו.ען., 2019. וועלט באַפעלקערונג פּראַספּעקס 2019. https://population.un.org/wpp/ (דערגרייכט אויף 15/04/2022).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. טשאַראַקטעריזאַטיאָן פון רייַז פּאַדיז דורך אַ ואַוומאָונטעד מיניאַטורע היפּערספּעקטראַל סענסער סיסטעם. IEEE J. Sel. אויבן. אַפּפּל. ערד אָבס.
רימאָוט סענס. 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. דראָנעס אין
אַגריקולטורע. אַדוו. אגרון. 162, 1-30.
Velusamy, P., Rajendran, S., Mahendran, RK, Naseer, S., Shafiq, M., Choi, J.-G., 2022.
אַנמאַנד אַעריאַל וועהיקלעס (UAV) אין פּינטלעכקייַט אַגריקולטורע: אַפּלאַקיישאַנז און טשאַלאַנדזשיז. ענערגיעס 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. מאַפּינג און קלאַסאַפאַקיישאַן פון יקאַלאַדזשיקלי שפּירעוודיק מאַרינע כאַבאַץ ניצן ונמאַנד אַעריאַל
פאָרמיטל (UAV) בילדער און אָבדזשעקט-באזירט בילד אַנאַליסיס (אָביאַ). רימאָוט סענסינג 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. גרין שטח אינדעקס פון אַן אַנמאַנד לופט סיסטעם איבער ווייץ און רייפּסיד קראַפּס . רימאָוט סענסיז ענוויראָן. 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. דיפּלויינג פיר אָפּטיש ואַוו-באזירט סענסאָרס איבער גראַסלאַנד: טשאַלאַנדזשיז און
לימיטיישאַנז. ביאָגעאָססיענסעס 12 (1), 163-175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. אינטערנעט פון ונטערערד טינגז אין פּינטלעכקייַט אַגריקולטורע: אַרקאַטעקטשער און טעכנאָלאָגיע אַספּעקץ. אַד האָק נעץ. 81 ,
160-173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. פאַראַנטוואָרטלעך קינסטלעך סייכל ווי אַ סוד ינגרידיאַנט פֿאַר דיגיטאַל געזונט: ביבליאָמעטריק אַנאַליסיס, ינסייץ און פאָרשונג אינסטרוקציעס.
אינפֿאָרמאַציע. סיסט. פראָנט. 1–16.
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019. ביבליאָמעטריק אַנאַליסיס פון ווייַט סענסינג פאָרשונג גאַנג אין גערעטעניש וווּקס מאָניטאָרינג: א פאַל לערנען אין טשיינאַ. רימאָוט סענסינג 11 (7). https://doi.org/10.3390/rs11070809.
ווייַס, הד, גריפפיטה, בק, 1981. מחבר קאָסיטאַטיאָן: א ליטעראַטור מאָס פון אינטעלעקטואַל סטרוקטור. J. Am. Soc. אינפֿאָרמאַציע. Sci. 32 (3), 163-171.
Xiang, H., Tian, L., 2011. אַנטוויקלונג פון אַ נידעריק-פּרייַז לאַנדווירטשאַפטלעך ווייַט סענסינג סיסטעם באזירט אויף אַ אָטאַנאַמאַס אַנמאַנד לופט פאָרמיטל (ואַוו). ביאָסיסט. ענג. 108 (2), 174-190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. א רעצענזיע אויף פענאָטיפּינג טרייץ פון פאַבריק הויך-דורכקייט מיט UAV-based סענסאָרס. קאָמפּיוטער. עלעקטראָן. אַגריק. 178, 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. אַנמאַנד לופט פאָרמיטל פֿאַר ווייַט סענסינג אַפּלאַקיישאַנז - אַ רעצענזיע. רימאָוט סענסינג 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. מאָווינג מענטשן טראַקינג און פאַלש שפּור רימוווינג מיט ינפרערעד טערמאַל ימידזשינג דורך אַ מולטיראָטאָר. דראָנעס 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. א פאַרגלייַך פון אָפּשאַצונג פון גערעטעניש פּאַראַמעטערס ניצן בילדער פֿון UAV-מאָונטעד
מאָמענטבילד היפּערספּעקטראַל סענסער און הויך-דעפֿיניציע דיגיטאַל אַפּאַראַט. רימאָוט סענסינג 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. אָפּשאַצונג פון ווינטער ווייץ אויבן-ערד בייאַמאַס ניצן אַנמאַנד לופט פאָרמיטל- באזירט מאָמענטבילד
כייפּערספּעקטראַל סענסער און גערעטעניש הייך ימפּרוווד מאָדעלס. רימאָוט סענסינג 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. ניצן לייטווייט אַנמאַנד לופט וועהיקלעס צו מאָניטאָר טראַפּיקאַל וואַלד אָפּזוך. ביאָל.
קאָנסערוו. 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.
סמאַרט פאַרמינג IoT פּלאַטפאָרמע באזירט אויף ברעג און וואָלקן קאַמפּיוטינג. ביאָסיסט. ענג. 177 ,
קסנומקס-קסנומקס.
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014. בוים הייך קוואַנטאַפאַקיישאַן ניצן זייער הויך האַכלאָטע ימאַדזשרי קונה פון אַ אַנמאַנד לופט.
פאָרמיטל (UAV) און אָטאַמאַטיק 3 ד פאָטאָ ריקאַנסטראַקשאַן מעטהאָדס. עור. י אגרון . 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. בילד-באזירט פענאָטיפּינג פון פלאַוערינג ינטענסיטי אין קולסעאַסאָן קראַפּס. סענסאָרס 20 (5), 1450. https://doi.org/10.3390/s20051450.
Zhang, C., Kovacs, JM, 2012. די אַפּלאַקיישאַן פון קליין אַנמאַנד לופט סיסטעמען פֿאַר פּינטלעכקייַט אַגריקולטורע: אַ רעצענזיע. גענוי. אַגריק. 13 (6), 693-712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. מאַפּינג מייז וואַסער דרוק באזירט אויף ואַוו מולטיספּעקטראַל ווייַט סענסינג. רימאָוט סענסינג 11 (6), 605.
זשאַנג, X., Han, L., Dong, Y., Shi, Y., Huang, W., Han, L., Gonz´alez-Moreno, P., Ma, H., Ye, H., Sobeih. , T., 2019. א טיף לערנען-באזירט צוגאַנג פֿאַר אָטאַמייטיד געל זשאַווער
קרענק דיטעקשאַן פון הויך-האַכלאָטע היפּערספּעקטראַל UAV בילדער. רימאָוט סענסינג 11 (13), 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. דיטעקשאַן און דיסקרימינאַציע פון קרענק און ינסעקט דרוק פון טיי געוויקסן ניצן היפּערספּעקטראַל ימאַגינג קאַמביינד מיט וואַוועלעט אַנאַליסיס. קאָמפּיוטער. עלעקטראָן. אַגריק. 193, 106717 https://doi.org/10.1016/j. compag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. ענטראָפּי גיידיד אַדווערסאַריאַל פעלד אַדאַפּטיישאַן פֿאַר לופט בילד סעמאַנטיק סעגמאַנטיישאַן. IEEE טראַנס. ג
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. דיטעקשאַן פון רייַז פענאָלאָגי דורך צייט סעריע אַנאַליסיס פון ערד-באזירט ספּעקטראַל אינדעקס דאַטן. פעלד קראַפּס רע. 198, 131-139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. פּלאַן פון אַ פּינטלעכקייַט אַגריקולטורע ליקאַדזש סעדינג סיסטעם באזירט אויף וויירליס סענסאָרס. ינט. J. Online Eng. 14 (05 ), 184 .
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. אַנאַליסיס פון פּלאַנט הייך ענדערונגען פון לאַדזשד מייז ניצן UAV-LiDAR דאַטן. אַגריקולטורע 10 (5), 146. https://
doi.org/10.3390/agriculture10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Maize-IAS: אַ מייז בילד אַנאַליסיס ווייכווארג ניצן טיף לערנען פֿאַר הויך-טרופּוט פאַבריק פענאָטיפּינג . פּלאַנט מעטהאָדס 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. פּרידיקטינג קערל טראָגן אין רייַז ניצן מאַלטי-צייַטיק וועדזשאַטיישאַן
ינדיסעס פֿון UAV-באזירט מולטיספּעקטראַל און דיגיטאַל בילדער. יספּרס י פאָטאָגראַם. רימאָוט סענס. 130, 246-255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. סימיאַליישאַן פון די האַרץ טעכנאָלאָגיע פון אַ אָראַנזשעריי מאָניטאָרינג סיסטעם באזירט אויף אַ וויירליס סענסער נעץ. ינט. J. Online Eng. 12 (05),
קסנומקס.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021. אַססעססמענט פֿאַר גערעטעניש וואַסער דרוק מיט ינפרערעד טערמאַל בילדער אין פּינטלעכקייַט אַגריקולטורע: אַ רעצענזיע
און צוקונפֿט פּראַספּעקס פֿאַר טיף לערנען אַפּלאַקיישאַנז. קאָמפּיוטער. עלעקטראָן. אַגריק. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.