عبدالرحمان رجب a ، عليرضا عبدالله b ، ڪريم رجب c ، هورسٽ ٽريبلميئر d,
- a ڊپارٽمينٽ آف مينيجمينٽ ۽ قانون، فيڪلٽي آف اڪنامڪس، يونيورسٽي آف روم ٽور ورگاتا، ڪولمبيا ذريعي، 2، روم 00133، اٽلي
- b ڊپارٽمينٽ آف بزنس ايڊمنسٽريشن، فيڪلٽي آف مينيجمينٽ، خوارزمي يونيورسٽي، 1599964511 تهران، ايران
- c فيڪلٽي آف سائنسز آف بيزرٽ، يونيورسٽي آف ڪارٿيج، زرزونا، 7021 بيزرٽ، تونسيا
- d اسڪول آف انٽرنيشنل مئنيجمينٽ، ماڊل يونيورسٽي ويانا، ايم ڪهلنبرگ 1، 1190 ويانا، آسٽريا
آرٽيڪل ڄاڻ | ABSTRACT |
لفظ: ڊرون يو آر صحت واري زراعت شيء جي انٽرنيٽ Bibliometrics | ڊرونز، جن کي اڻ ڄاتل فضائي گاڏيون (UAV) پڻ سڏيو ويندو آهي، گذريل ڏهاڪن ۾ هڪ قابل ذڪر ترقي جي شاهدي ڏني آهي. زراعت ۾، انهن هارين کي پيش ڪندي زراعت جي طريقن کي تبديل ڪري ڇڏيو آهي ڪافي بچت، وڌائي آپريشنل ڪارڪردگي، ۽ بهتر منافعو. گذريل ڏهاڪن کان، زرعي ڊرونز جو موضوع آهي قابل ذڪر علمي ڌيان ڇڪايو. تنهن ڪري اسان بائيبليوميٽرڪس جي بنياد تي هڪ جامع جائزو وٺون ٿا موجوده علمي ادب کي اختصار ۽ ترتيب ڏيڻ ۽ موجوده تحقيقي رجحانن ۽ هٽ اسپاٽس کي ظاهر ڪرڻ. اسان ببليوميٽرڪ ٽيڪنالاجي لاڳو ڪريو ۽ زرعي ڊرون جي ڀرپاسي ادب جو تجزيو ڪرڻ لاءِ خلاصو ۽ اڳوڻي تحقيق جو جائزو وٺو. اسان جو تجزيو ظاهر ڪري ٿو ته ريموٽ سينسنگ، درست زراعت، ڊيپ لرننگ، مشين لرننگ، ۽ انٽرنيٽ آف تھنگز زرعي ڊرونز سان لاڳاپيل اهم موضوع آهن. اقتباس تجزيو ادب ۾ ڇهن وسيع تحقيقي ڪلستر کي ظاهر ڪري ٿو. هي مطالعو زراعت ۾ ڊرون تحقيق کي اختصار ڪرڻ ۽ مستقبل جي تحقيق جي هدايتن جي تجويز ڪرڻ جي پهرين ڪوششن مان هڪ آهي. |
تعارف
زراعت دنيا جي بنيادي غذائي ذريعن جي نمائندگي ڪري ٿي (Friha et al.
کاڌي جي شين جي وڌندڙ مطالبن، خوراڪ جي حفاظت، ۽ سيڪيورٽي خدشات سان گڏوگڏ ماحولياتي تحفظ، پاڻي جي تحفظ، ۽
استحڪام (Inoue، 2020). هي ترقي جاري رهڻ جي اڳڪٿي ڪئي وئي آهي ڇاڪاڻ ته دنيا جي آبادي 9.7 تائين 2050 بلين تائين پهچڻ جو اندازو آهي.
(2019). جيئن ته زراعت عالمي سطح تي پاڻي جي استعمال جو سڀ کان نمايان مثال آهي، ان ڪري اميد ڪئي وڃي ٿي ته خوراڪ جي طلب ۽ پاڻي
واپرائڻ ۾ ڊرامائي طور تي مستقبل ۾ اضافو ٿيندو. ان کان سواء، ڀاڻن ۽ جراثيم جي دوائن جو وڌندڙ استعمال
زراعت جي سرگرمين جي شدت سان گڏ مستقبل جي ماحولياتي چئلينج کي جنم ڏئي سگھي ٿو. اهڙي طرح، قابل زراعت زمين محدود آهي، ۽
سڄي دنيا ۾ هارين جو تعداد گهٽجي رهيو آهي. اهي چئلينج جديد ۽ پائيدار زراعت جي حل جي ضرورت تي زور ڏين ٿا (ايليا
et al.، 2018؛ فريها وغيره، 2021؛ انوئي، 2020؛ Tzounis et al.، 2017).
انهن چيلينجز کي منهن ڏيڻ لاءِ نئين ٽيڪنالاجي کي شامل ڪرڻ هڪ پرعزم حل طور سڃاتو ويو آهي. سمارٽ فارمنگ (Brewster et al.,
2017; Tang et al., 2021) ۽ درست زراعت (Feng et al., 2019; Khanna & Kaur, 2019) اهڙين بحثن جي نتيجي ۾ سامهون آيا آهن. جي
اڳوڻو هڪ عام تصور آهي انفارميشن ڪميونيڪيشن ٽيڪنالاجيز (ICT) کي اپنائڻ ۽ زراعت جي سرگرمين ۾ ٻين جديد جدت کي وڌائڻ لاءِ ڪارڪردگي ۽ افاديت کي وڌائڻ لاءِ (Haque et al.، 2021). بعد ۾ سائيٽ جي مخصوص انتظام تي ڌيان ڏئي ٿو جنهن ۾ زمين کي ورهايو ويو آهي
هڪجهڙائي وارا حصا، ۽ هر حصو نئين ٽيڪنالاجيز جي ذريعي فصل جي پيداوار جي اصلاح لاءِ زرعي ان پٽ جي صحيح مقدار حاصل ڪري ٿو (فينگ ايٽ ال.، 2019؛ کنا ۽ ڪور، 2019). ممتاز ٽيڪنالاجيون جن هن فيلڊ ۾ عالمن جي توجه ڪشش ڪئي آهي انهن ۾ شامل آهن وائرليس سينسر نيٽورڪ (WSNs) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016), The Internet of Things (IoT) (Gill et al., 2017; He et al., 2021; Liu et al., 2019)
مصنوعي ذهانت (AI) ٽيڪنڪ، بشمول مشين لرننگ ۽ ڊيپ لرننگ (Liakos et al., 2018; Parsaeian et al., 2020; Shadrin et al.,
2019)، ڪمپيوٽنگ ٽيڪنالاجيز (Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019), وڏي ڊيٽا (Gill et al., 2017; Tantalaki
et al.، 2019)، ۽ blockchain (PW Khan et al.، 2020؛ Pincheira et al.، 2021).
مٿي ڄاڻايل ٽيڪنالاجيز کان علاوه، ريموٽ سينسنگ کي هڪ ٽيڪنالاجي اوزار سمجهيو ويو آهي جنهن کي بهتر ڪرڻ جي اعلي صلاحيت آهي.
سمارٽ ۽ درست زراعت. سيٽلائيٽ، انساني عملدار جهاز، ۽ ڊرون مشهور ريموٽ سينسنگ ٽيڪنالاجيون آهن (Tsouros et al.، 2019).
ڊرون، مشهور طور تي اڻ ڄاتل فضائي گاڏيون (UAVs)، Unmanned Aircraft Systems (UAS)، ۽ ريموٽ پائلٽ جهاز، جا آهن.
وڏي اهميت آهي ڇاڪاڻ ته انهن وٽ ٻين ريموٽ سينسنگ ٽيڪنالاجيز جي مقابلي ۾ ڪيترائي فائدا آهن. مثال طور، ڊرون پهچائي سگھي ٿو
بادل جي ڏينهن تي اعلي معيار ۽ اعلي ريزوليوشن تصويرون (Manfreda et al.، 2018). انهي سان گڏ، انهن جي دستيابي ۽ منتقلي جي رفتار ٻين جو بنياد آهي
فائدا (Radoglou-Grammatikis et al.، 2020). جهاز جي مقابلي ۾، ڊرون انتهائي قيمتي ۽ آسان آهن سيٽ اپ ۽ برقرار رکڻ (Tsouros et al.، 2019). شروعاتي طور تي فوجي مقصدن لاءِ استعمال ٿيڻ جي باوجود، ڊرون ڪيترن ئي سولين ايپليڪيشنن کي فائدو ڏئي سگھن ٿا، مثال طور سپلائي چين مينيجمينٽ ۾ (A. Rejeb، Rejeb، et al.، 2021a)، انسانيت جي مقصدن لاءِ (A. Rejeb، Rejeb، et al. 2021c)، سمارٽ زراعت، سروي ڪرڻ ۽ نقشا سازي، ثقافتي ورثي جي دستاويز، آفت جو انتظام، ۽ ٻيلن ۽ جهنگلي جيوت جو تحفظ (پانڊي، پرتيهسٽ، ايٽ ال.، 2020). زراعت ۾، ڊرونز جي ڪيترن ئي ايپليڪيشنن جا علائقا موجود آهن جيئن اهي نوان ٽيڪنالاجيز، ڪمپيوٽنگ جي صلاحيتن، ۽ آن بورڊ سينسرز سان گڏ ڪري سگهجن ٿيون ته جيئن فصل جي انتظام جي مدد ڪن (مثال طور، نقشي سازي، نگراني، آبپاشي، پلانٽ جي تشخيص) (H. Huang et al.، 2021) ، آفت جي گھٽتائي، ابتدائي خبرداري وارو نظام، جهنگلي جيوت ۽ جنگلات جي تحفظ لاءِ ڪجھ نالا (Negash et al.، 2019). اهڙي طرح، ڊرون ڪيترن ئي زرعي سرگرمين ۾ استعمال ڪري سگھجن ٿا، جن ۾ فصل ۽ واڌ جي نگراني، پيداوار جو اندازو، پاڻي جي دٻاءُ جو اندازو لڳائڻ، ۽ ٻوٽا، آفت ۽ بيمارين جي چڪاس (Inoue, 2020; Panday, Pratihast, et al., 2020). ڊرون نه رڳو انهن جي حسي ڊيٽا جي بنياد تي نگراني، تخميني، ۽ ڳولڻ جي مقصدن لاء استعمال ڪري سگهجي ٿو، پر اهو پڻ صحيح آبپاشي ۽ درست ويڊ، آفت ۽ بيمارين جي انتظام لاء. ٻين لفظن ۾، ڊرونز ماحولياتي ڊيٽا جي بنياد تي صحيح مقدار ۾ پاڻي ۽ جراثيم کي اسپري ڪرڻ جي قابل آهن. زراعت ۾ ڊرون جا فائدا جدول 1 ۾ اختصار ڪيا ويا آهن.
زراعت ۾ ڊرون جا بنيادي فائدا.
فائدا | حوالا) |
عارضي ۽ فضائي کي وڌايو حساس قراردادون | (Gago et al., 2015; Niu et al., 2020; Srivastava ۽ الف، 2020) |
صحيح زراعت کي آسان بڻائي | (L. Deng et al., 2018; Kalischuk et al., 2019; Maimaitijiang et al.، 2017) |
جي درجه بندي ۽ اسڪائوٽنگ فصل | (Inoue, 2020; Kalischuk et al., 2019; Lopez- ´ Granados et al.، 2016; Maimaitijiang et al.، 2017؛ ميلويل ايٽ ال.، 2019؛ موهارا ۽ دتا، 2016) |
ڀاڻ جو استعمال | (L. Deng et al.، 2018؛ Guan et al.، 2019) |
ڏڪار جي نگراني | (Fawcett et al., 2020; Panday, Pratihast, et al., 2020؛ Su et al.، 2018) |
بايوماس جو اندازو | (Bendig et al.، 2014) |
پيداوار جو اندازو | (انوئي، 2020؛ پانڊي، شريٿا، وغيره.، 2020؛ تاؤ ۽ الف، 2020) |
آفت جي گھٽتائي | (Negash et al.، 2019) |
جهنگلي جيوت جو تحفظ ۽ ٻيلو | (Negash et al., 2019; Panday, Pratihast, et al., 2020) |
پاڻي جي دٻاء جو جائزو | (Inoue، 2020؛ J. Su، Coombes، et al.، 2018؛ L. Zhang et al.، 2019) |
جراثيم، جراثيم ۽ بيماريون سڃاڻڻ | (Gaˇsparovic'c et al.، 2020; Inoue, 2020; J. Su, Liu, et al.، 2018؛ X. Zhang et al.، 2019) |
ٻئي طرف، ڊرون پڻ حدن کي منهن ڏئي ٿو. پائلٽ جي شموليت، انجڻ جي طاقت، استحڪام ۽ اعتبار، سينسر جي معيار جي ڪري پيٽ لوڊ
وزن جي حد، عمل درآمد جي قيمت، ۽ هوائي جهازن جي ضابطن، انهن مان آهن (C. Zhang & Kovacs، 2012). اسان نقصن جو مقابلو ڪندا آهيون
ٽيبل 2 ۾ ٽي موبائل ريموٽ سينسنگ ٽيڪنالاجيون. ٻيون ريموٽ سينسنگ ٽيڪنالاجيون، جهڙوڪ مٽي سينسرز، هن مطالعي جي توجه کان ٻاهر آهن.
مختلف موبائل ريموٽ سينسنگ ٽيڪنالاجيز جون خاميون.
ريموٽ سينسنگ ٽيڪنالاجي | ننڍيون ڳالهيون | حوالا |
ڊرون (UAV) | پائلٽ جي شموليت؛ تصويرون معيار (اوسط)؛ عملدرآمد خرچ (اوسط)؛ استحڪام، متحرڪ، ۽ اعتبار؛ معياري ڪرڻ؛ انجڻ جي طاقت؛ محدود طاقت ذريعن (بيٽري ڊگھي عمر)؛ محدود پرواز جي مدت، ٽڪر ۽ سائبر حملا؛ محدود پيل لوڊ وزن؛ وڏي ڊيٽا سيٽ ۽ محدود ڊيٽا پروسيسنگ صلاحيتون؛ ضابطي جي کوٽ؛ مهارت جي کوٽ، اعلي داخلا تائين رسائي ۾ رڪاوٽون زرعي ڊرون؛ | (Bacco et al.، 2018؛ Dawaliby وغيره.، 2020؛ هارڊين ۽ هارڊين، 2010؛ هارڊين ۽ جينسن، 2011؛ Lagkas et al., 2018; Laliberte et al.، 2007؛ لاليبرٽ ۽ رنگو، 2011؛ Manfreda et al., 2018, 2018; Nebiker et al.، 2008؛ پوري et al., 2017; Velusamy et al., 2022؛ سي ژانگ ۽ ڪوواڪس، 2012) |
هيچ | وقتي سيٽلائيٽ ڪوريج، محدود spectral قرارداد؛ ويجهڙائي جي مسئلن لاء ڪمزور (مثال طور، بادل)؛ غير موجودگي ۽ گھٽ منتقلي جي رفتار؛ واقفيت ۽ ويگنيٽنگ قيمتي مقامي ڊيٽا کي متاثر ڪري ٿو گڏ ڪرڻ سست ڊيٽا پهچائڻ استعمال ڪندڙن کي ختم ڪرڻ جو وقت | (Aboutalebi et al.، 2019؛ Cen وغيره.، 2019؛ چن وغيره. 2019؛ نانسن ۽ ايليوٽ، 2016; پانڊي، پريتهست، وغيره.، 2020؛ سائي ونٿ ۽ الف، 2019) |
جهاز | اعلي اپنائڻ جي قيمت؛ پيچيده سيٽ اپ؛ سار سنڀال جي خرچ؛ قابل اعتماد جي غير موجودگي هوائي جهاز، جاميٽري جي تصويرون غير باقاعده ڊيٽا حصول؛ لچڪ جي کوٽ؛ موتمار حادثا؛ sensor ڊيٽا vibrations جي ڪري مختلف تبديليون؛ جاگرافيائي بيهڪ جا مسئلا | (Armstrong et al.، 2011; Atkinson et al.، 2018; Barbedo & Koenigkan, 2018; ڪواليف ووروشيلووا، 2020؛ Suomalainen et al., 2013; Thamm et al.، 2013) |
زراعت ۾ هڪ گھڻ-ڊسپلنري ۽ گهڻ مقصدي ٽيڪنالاجي جي طور تي، ڊرون کي مختلف نقطن کان تحقيق ڪيو ويو آهي. مثال طور، عالمن زراعت ۾ ڊرون ايپليڪيشنن جي جانچ ڪئي آهي (Kulbacki et al.، 2018; Mogili & Deepak, 2018)، انهن جي صحت واري زراعت ۾ حصو (Puri et al.، 2017; Tsouros et al.، 2019)، انهن جي مڪمليت ٻين سان گڏ. جديد ٽيڪنالاجيون (Al-Thani et al., 2020; Dutta & Mitra, 2021; Nayyar et al., 2020; Saha et al., 2018)، ۽ انهن جي نيويگيشنل ۽ سينسنگ صلاحيتن کي اڳتي وڌائڻ جا امڪان (Bareth et al. ، 2015؛ Suomalainen et al.، 2014). جيئن ته زراعت ۾ ڊرون ايپليڪيشنن تي تحقيق عام ٿي چڪي آهي (خان ۽ ٻيا.، 2021))، اتي موجود ادب کي اختصار ڪرڻ ۽ ڊومين جي دانشورانه ساخت کي ظاهر ڪرڻ جي ضرورت آهي. ان کان علاوه، هڪ اعلي ٽيڪنالاجي فيلڊ جي طور تي مسلسل سڌارن سان، منظم جائزو وٺڻ جي ضرورت آهي وقتي طور تي موجود ادب کي مختصر ڪرڻ ۽ اهم تحقيقي خلا جي نشاندهي ڪرڻ لاء. جي طرف
تاريخ، ڪجھه جائزو آهن جيڪي بحث ڪن ٿا ڊرون ايپليڪيشنن تي زرعي شعبي ۾. مثال طور، Mogili and Deepak (2018) مختصر طور تي فصلن جي نگراني ۽ جراثيم مار اسپرينگ لاءِ ڊرونز جي اثرن جو جائزو وٺو. Inoue (2020) زراعت ۾ ريموٽ سينسنگ ۾ سيٽلائيٽ ۽ ڊرون استعمال جو جائزو وٺندو. ليکڪ سمارٽ فارمنگ کي اپنائڻ جي ٽيڪنالاجي چئلينج ۽ سيٽلائيٽس ۽ ڊرونز جي مدد سان ڪيس جي مطالعي ۽ بهترين طريقن جي بنياد تي ڳولي ٿو. Tsouros et al. (2019) مختلف قسم جي ڊرونز ۽ زراعت ۾ انهن جي مکيه ايپليڪيشنن جو خلاصو، مختلف ڊيٽا جي حصول ۽ پروسيسنگ طريقن کي نمايان ڪندي. وڌيڪ تازو، Aslan et al. (2022) زرعي سرگرمين ۾ UAV ايپليڪيشنن جو هڪ جامع جائزو ورتو ۽ گرين هائوس ۾ هڪ UAV لاءِ هڪ ئي وقت ۾ لوڪلائيزيشن ۽ ميپنگ جي لاڳاپي کي اجاگر ڪيو. Diaz-Gonzalez et al. (2022) مختلف مشين سکيا ٽيڪنالاجي ۽ ريموٽ جي بنياد تي فصل جي پيداوار جي پيداوار جي تازي مطالعي جو جائزو ورتو
سينسنگ سسٽم. انهن جي نتيجن جو اشارو ڏنو ويو آهي ته UAVs زمين جي اشارن جو اندازو لڳائڻ ۽ سيٽلائيٽ سسٽم کي مقامي حل، معلومات جي عارضي، ۽ لچڪ جي لحاظ کان بهتر ڪرڻ لاء ڪارائتو آهن. بصري وغيره. (2022) مختلف طريقن ۽ طريقن جو هڪ مڪمل جائزو ورتو ته جيئن ملٽي روٽر UAVs لاءِ رٿابندي جي چئلينجن کي منهن ڏيڻ لاءِ صحت واري زراعت جي حوالي سان. ان کان علاوه، Awais et al. (2022) پاڻي جي صورتحال جو اندازو لڳائڻ لاءِ فصلن ۾ UAV ريموٽ سينسنگ ڊيٽا جي ايپليڪيشن کي اختصار ڪيو ۽ فضول دٻاءُ جي درخواست لاءِ UAV ريموٽ سينسنگ جي امڪاني صلاحيت جي هڪ گہرا ترڪيب مهيا ڪئي. آخرڪار، Aquilani et al. (2022) جائزو ورتو پرويزن فارمنگ ٽيڪنالاجيز کي چراگاهه تي ٻڌل لائيواسٽاڪ سسٽم ۾ لاڳو ڪيو ويو آهي ۽ اندازو لڳايو ويو آهي ته ريموٽ سينسنگ UAVs پاران فعال ڪيل بايوماس جي تشخيص ۽ ڌاڙيلن جي انتظام لاءِ فائديمند آهي.
انهي سان گڏ، جانورن جي نگراني، ٽريڪنگ، ۽ گڏ ڪرڻ ۾ UAVs استعمال ڪرڻ جي ڪوشش تازو رپورٽ ڪئي وئي آهي.
جيتوڻيڪ اهي تجزيا نئين ۽ اهم بصيرت پيدا ڪن ٿا، پر بائيبليوميٽرڪس تي ٻڌل ڪو به جامع ۽ جديد جائزو ادب ۾ نه ٿو ملي، جيڪو واضح علم جي خلا کي پيش ڪري. ان کان علاوه، اهو بيان ڪيو ويو آهي ته جڏهن علمي پيداوار هڪ سائنسي ڊومين ۾ وڌندي آهي، اهو تحقيق ڪندڙن لاء ضروري آهي ته ڊومين جي علم جي جوڙجڪ کي سمجهڻ لاء مقدار جي جائزي جي طريقيڪار کي استعمال ڪرڻ لاء (Rivera & Pizam، 2015). اهڙي طرح، Ferreira et al. (2014) دليل ڏنو ته جيئن تحقيق جا شعبا پختا ٿين ٿا ۽ پيچيده ٿي وڃن ٿا، عالمن کي گهرجي ته ڪڏهن ڪڏهن پيدا ڪيل ڄاڻ جو احساس پيدا ڪن ۽ نوان تعاون ظاهر ڪن، تحقيق جي روايتن ۽ رجحانن کي پڪڙي، سڃاڻپ ڪن ته ڪهڙن موضوعن جو مطالعو ڪيو وڃي ٿو، ۽ علم جي ڍانچي کي ڄاڻايو. فيلڊ ۽ امڪاني تحقيق جي هدايتون. جڏهن ته Raparelli ۽ Bajocco (2019) زراعت ۽ جنگلات ۾ ڊرون ايپليڪيشنن جي علم جي ڊومين کي جانچڻ لاءِ هڪ بائيبلوميٽرڪ تجزيو ڪيو، انهن جو مطالعو صرف 1995 ۽ 2017 جي وچ ۾ شايع ٿيل علمي تحقيق کي سمجهي ٿو، جيڪو هن تيز رفتار واري علائقي جي متحرڪات کي ظاهر نٿو ڪري. ان کان علاوه، ليکڪن فيلڊ ۾ سڀ کان وڌيڪ اثرائتو تعاون کي سڃاڻڻ جي ڪوشش نه ڪئي، ادب کي ڪلستر ڪيو، ۽ گڏيل حوالن جي تجزيي کي استعمال ڪندي دانشورانه جوڙجڪ جو جائزو ورتو. نتيجي طور، اهو ضروري آهي ته ادب کي اختصار ڪرڻ لاء موجوده تحقيقي مرڪز، رجحانات ۽ هٽ اسپاٽ کي ظاهر ڪرڻ لاء.
هن علم جي خال کي ڀرڻ لاءِ، اسان مقداري طريقي ۽ سخت بائيبليوميٽرڪ طريقن کي استعمال ڪريون ٿا ته جيئن تحقيق جي موجوده حالت کي ڊرون ۽ زراعت جي چونڪ تي جانچيو وڃي. اسان بحث ڪريون ٿا ته موجوده مطالعو موجوده ادب ۾ ڪيترائي حصو ڏئي ٿو هڪ اڀرندڙ ٽيڪنالاجي جي جانچ ڪندي جيڪا زراعت ۾ انتهائي گهربل آهي ڇاڪاڻ ته اها هن شعبي ۾ ڪيترن ئي حصن کي تبديل ڪرڻ جي زبردست صلاحيت فراهم ڪري ٿي. زرعي ڊرونز جي بائيبلوميٽرڪ تجزيي جي ضرورت اڃا به وڌيڪ محسوس ڪئي وئي آهي ته زراعت جي حوالي سان ڊرونز تي پکڙيل ۽ پکڙيل ڄاڻ ڏني وئي آهي. اهڙي طرح، زرعي ڊرونز سان لاڳاپيل ادب کي سسٽماتي طور تي ڪلستر ڪرڻ جي ضرورت آهي، سڀ کان وڌيڪ اثرائتي مطالعي تي غور ڪندي جيڪي هن تحقيق جي ميدان جو بنياد ٺاهي رهيا آهن. تجزيي ۾ ميرٽ پڻ شامل آهي بنيادي تحقيقي موضوعن جي وضاحت جيڪا ادب ۾ پيش ڪئي وئي آهي. ٽيڪنالاجي جي تبديليءَ واري صلاحيت کي نظر ۾ رکندي، اسان سمجهون ٿا ته هڪ عميق نيٽ ورڪ تجزيي اثرائتو ڪم جو تعين ڪندي ۽ ڊرونز جي زراعت جي صلاحيت بابت موضوعن کي ظاهر ڪندي نئين بصيرت پيدا ڪري ٿي.
تنهن ڪري اسان هيٺين تحقيقي مقصدن کي حاصل ڪرڻ جي ڪوشش ڪريون ٿا:
- زراعت جي شعبي ۾ ڊرون ايپليڪيشنن جي شاندار مدد سان بااثر اشاعتن جي سڃاڻپ.
- ادب جي ڪلسترنگ، تحقيق جي مرڪز جي سڃاڻپ، ۽ مکيه 'دانشوري ڍانچي' جي مطالعي جي نقشي تي ٻڌل هڪجهڙائي جي بنياد تي گڏيل حوالن جي تجزيي کي استعمال ڪندي.
- فيلڊ ۾ مختلف اشاعتن جي وچ ۾ رابطي ۽ حوالن جي نيٽ ورڪ جي ارتقاء کي سمجهڻ ۽ مستقبل جي تحقيق جي هدايتن ۽ گرم عنوانن جي سڃاڻپ.
باقي ڪاغذ هن ريت ترتيب ڏنل آهي: سيڪشن 2 طريقن ۽ ڊيٽا گڏ ڪرڻ جي مرحلن کي بيان ڪري ٿو؛ سيڪشن 3 تجزيو جا نتيجا مهيا ڪري ٿو؛ ۽ سيڪشن 4 نتيجن تي بحث ڪري ٿو ۽ تحقيق جي تعاون، اثر، ۽ مستقبل جي هدايتن سان گڏ نتيجو.
طريقو
هن موجوده تحقيقي مطالعي ۾، اسان زراعت ۾ ڊرون ايپليڪيشنن کي ڳولڻ لاء هڪ بائيبلوميٽرڪ تجزيو ڪيو. هي مقداري انداز علم جي ڊومين جي دانشورانه ساخت کي ظاهر ڪري ٿو (ارورا ۽ چڪرورتي، 2021) ۽ موجوده حيثيت، گرم موضوع، ۽ مستقبل جي تحقيق جي هدايتون جيڪي هن طريقي کي لاڳو ڪرڻ سان تحقيق ڪري سگھجن ٿيون (Kapoor et al.، 2018؛ Mishra et al. 2017; A. Rejeb, et al., 2021b; A. Rejeb et al., 2021d; عام طور تي، هڪ بائيبلوميٽرڪ تجزيه موجوده ادب کي اختصار ڪرڻ ۽ ان کي ظاهر ڪرڻ لاءِ تحريري ڪميونيڪيشن جي پوشیدہ نمونن ۽ انگن اکرن ۽ رياضياتي طريقن جي بنياد تي نظم و ضبط جي ارتقاء کي جانچيندو آهي، ۽ اهو لاڳو ٿئي ٿو وڏي ڊيٽا سيٽن تي (پرچرڊ، 2020؛ ننڍو، 1969؛ طائي ۽ رگبي. ، 1999). bibliometrics استعمال ڪندي، اسان موجوده پيراڊمز ۽ تحقيقي مرڪز کي بهتر سمجهڻ جي خواهش رکون ٿا جيڪي ڊومين ۾ هڪجهڙائي جي بنياد تي حصو وٺندا آهن (Thelwall، 1998). Bibliometrics مهيا ڪري ٿي نئين بصيرت جي پٺڀرائي واري مقصد جي مقداري طاقت جي طريقي سان (Casillas & Acedo، 2008). ڪيترن ئي عالمن اڳ ۾ لاڳاپيل ڊومينز ۾ بائيبلوميٽري اڀياس ڪيا آهن، جن ۾ زراعت، ريموٽ سينسنگ، ۽ ڊجيٽل ٽرانسفارميشن شامل آهن (Armenta-Medina et al., 2007; Bouzembrak et al., 2020; A. Rejeb, Treiblmaier, et al., 2019ba2021 & Queiroz، 2021؛ Wang et al.، 2019).
اقتباس جو تجزيو
حوالن جو تجزيو هڪ ڏنل تحقيقي ميدان ۾ مختلف بصيرت کي ظاهر ڪري ٿو. سڀ کان پهريان، اهو سڀ کان وڌيڪ بااثر ليکڪن ۽ اشاعتن کي ظاهر ڪرڻ ۾ مدد ڪري ٿو جيڪي ڏنل تحقيق جي ميدان ۾ حصو وٺندا آهن ۽ هڪ اهم اثر ٺاهيندا آهن (گنڊوف ۽ فلزر، 2013). ٻيو، علم جي وهڪري ۽ ليکڪن جي وچ ۾ رابطي جي رابطن کي ظاهر ڪري سگهجي ٿو. آخرڪار، حوالن ۽ حوالن جي ڪمن جي وچ ۾ ڳنڍڻ جي ذريعي، ڪو به وقت جي حوالي سان ڄاڻ جي ڊومين جي تبديلين ۽ ارتقاء کي ڳولي سگهي ٿو (Pournader
وغيره.، 2020). پبليڪيشن جا اعليٰ حوالا انگ اکر ان جي لاڳاپي ۽ تحقيقي ڊومين ۾ اهم ڀاڱيداريون ظاهر ڪن ٿا (بالدي، 1998؛ گنڊولف ۽ فلسر، 2013؛ مارنڪو، 1998). اشاعتن جي حوالن جو تجزيو پڻ لاڳاپيل ڪمن کي سڃاڻڻ ۽ انهن جي مقبوليت ۽ وقت سان گڏ پيش رفت کي ٽريڪ ڪرڻ ۾ مدد ڪري ٿو.
دستاويز جي گڏيل حوالن جو تجزيو
گڏيل حوالن جو تجزيو اشاعتن جي وچ ۾ لاڳاپن کي ڳولڻ ۽ فيلڊ جي دانشورانه ڍانچي کي ظاهر ڪرڻ لاء هڪ قيمتي طريقو آهي (Nerur et al.، 2008). ٻين لفظن ۾، سڀ کان وڌيڪ حوالا پبليڪيشن ۽ انهن جي ڪنيڪشن کي سڃاڻڻ سان، طريقو گروپ پبليڪيشن کي الڳ تحقيقي ڪلسٽرن ۾ شامل ڪري ٿو، جتي ڪلستر ۾ پبليڪيشنون باقاعدي هڪجهڙا خيال شيئر ڪن ٿيون (McCain, 1990; Small, 1973). اهو ذڪر ڪرڻ ضروري آهي ته هڪجهڙائي جو مطلب اهو ناهي ته اشاعت جا نتيجا آهن
گڏيل ۽ هڪ ٻئي سان متفق؛ مضمونن جي هڪجهڙائي جي ڪري اشاعت هڪ ئي ڪلستر سان تعلق رکي ٿي، پر انهن ۾ متضاد نظريا ٿي سگهن ٿا.
ڊيٽا گڏ ڪرڻ ۽ تجزيو
وائيٽ اينڊ گريفٿ (1981) جي تجويز ڪيل طريقي جي پٺيان، اسان جرنل آرٽيڪلز جي هڪ جامع ڳولا ڪئي جيڪا زراعت ۾ ڊرون ايپليڪيشنن جي پوري تحقيقي ڊومين کي ڍڪڻ لاءِ، هيٺين پنجن مرحلن تي عمل ڪندي:
- پهريون قدم ڊيٽا گڏ ڪرڻ هو. اسڪوپس کي چونڊيو ويو هڪ تمام وسيع ۽ قابل اعتماد ڊيٽابيس مان معياري نتيجن سان. زراعت ۾ سڀني ڊرون ايپليڪيشنن سان لاڳاپيل اشاعت جي ميٽا ڊيٽا حاصل ڪئي وئي. پوءِ اسان چونڊيل مضمونن جو تجزيو ڪيو، تحليل مان آف-موضوعاتي مضمونن کي هٽائي ڇڏيو.
- اسان ادب جو تجزيو ڪيو ۽ تحقيق جي علائقي ۾ استعمال ٿيندڙ سڀ کان وڌيڪ اهم لفظن جي سڃاڻپ ڪئي.
- حوالن جي تجزيي کي استعمال ڪندي، اسان مصنفن ۽ دستاويزن جي وچ ۾ رابطي جي ڳولا ڪئي ته جيئن هيٺ ڏنل حوالن جي نمونن کي ظاهر ڪيو وڃي. اسان سڀ کان وڌيڪ بااثر ليکڪن ۽ اشاعتن کي پڻ سڃاڻي ورتو جيڪي زرعي ڊرونز جي ميدان ۾ اهم تعاون سان.
- اسان هڪ گڏيل حوالن جو تجزيو ڪيو ته جيئن ساڳين اشاعتن کي ڪلسٽرن ۾ گروپ ڪيو وڃي.
- آخرڪار، اسان تعاون جي نيٽ ورڪ کي ظاهر ڪرڻ لاء ملڪن، ادارن ۽ جرنلز جي وچ ۾ رابطن ۽ رابطن جو تجزيو ڪيو.
مناسب ڳولا جي اصطلاحن جي سڃاڻپ
اسان ڊيٽا گڏ ڪرڻ لاءِ هيٺيون ڳولها تارون لاڳو ڪيون: (ڊرون* يا ”غير پائلٽ فضائي گاڏي“ يا uav* يا ”غير پائلٽ جهاز جو نظام”يا اسان يا ”ريموٽ پائلٽ جهاز”) ۽ (زرعي يا زراعت يا زراعت يا هاري). ڳولها سيپٽمبر 2021 ۾ ڪئي وئي. ڊرونز کي ڪيترائي عهدا آهن، جن ۾ UAV، UAS، ۽ ريموٽ پائلٽ جهاز (Sah et al.، 2021) شامل آهن. زراعت سان لاڳاپيل مخصوص ڳولها اصطلاحن جي نشاندهي ڪئي وئي عبداللهي وغيره جي مطالعي جي بنياد تي. (2021). وضاحت ۽ شفافيت جي خاطر، درست سوال جيڪو اسان استعمال ڪيو آهي اهو ضميمه 1 ۾ ڏنو ويو آهي. ڊيٽا صاف ڪرڻ واري عمل جي پٺيان، اسان هڪ ٽيڪسٽ فائل ٺاهي جيڪا بعد ۾ BibExcel ۾ لوڊ ڪئي وئي، هڪ عام اوزار حوالن ۽ حوالن جي تجزيي لاءِ. هي اوزار ٻين سافٽ ويئر سان سادو رابطو پڻ پيش ڪري ٿو ۽ ڊيٽا جي سنڀال ۽ تجزيو ۾ آزادي جي هڪ اهم درجي پيش ڪري ٿو. VOSviewer ورجن 1.6.16 استعمال ڪيو ويو نتيجن کي ڏسڻ ۽ بائيبلوميٽرڪ نيٽ ورڪ ٺاهڻ لاءِ (Eck & Waltman, 2009). VOSviewer پيش ڪري ٿو وجداني بصري جي هڪ حد، خاص طور تي بائيبلوميٽرڪ نقشن جي تجزيي لاءِ (Geng et al.، 2020). ان کان علاوه، اهو سادو بصري نتيجا مهيا ڪرڻ ۾ مدد ڪري ٿو جيڪي نتيجن کي بهتر سمجهڻ ۾ مدد ڪن ٿا (عبدالله ۽ ال.، 2021). مٿي بيان ڪيل ڳولا جي تارن کي لاڳو ڪندي، اسان سڀني لاڳاپيل اشاعتن کي گڏ ڪيو ۽ ذخيرو ڪيو. پهرين ڳولا جا نتيجا مليا ڪل 5,085 دستاويز. چونڊيل نموني جي معيار کي يقيني بڻائڻ لاءِ، تحقيق ۾ صرف پير صاحب جي نظرثاني ٿيل جرنل آرٽيڪلز تي غور ڪيو ويو، نتيجي ۾ ٻين دستاويزن جي قسمن، جهڙوڪ ڪتاب، باب، ڪانفرنس جي ڪارروائي، ۽ ادارتي نوٽس شامل آهن. اسڪريننگ جي عمل دوران، غير لاڳاپيل (يعني، هن ڪم جي دائري کان ٻاهر)، بيڪار (يعني، ڊبل انڊيڪسنگ مان نڪرندڙ نقل)، ۽ غير انگريزي ڳالهائيندڙ پبليڪيشن کي فلٽر ڪيو ويو. ان عمل جي نتيجي ۾ 4,700 دستاويزن کي حتمي تجزيي ۾ شامل ڪيو ويو.
ڳولها ۽ بحث
شروع ڪرڻ لاء، اسان موجوده ادب ۾ اشاعت جي پيداوار ۾ ترقيات جو تجزيو ڪيو زرعي ڊرونز تي. علمي تحقيق جي عارضي ورڇ تصوير 1 ۾ ڏيکاريل آهي. اسان ڏسون ٿا اشاعتن ۾ سال 2011 (30 اشاعتن) کان پوءِ تيزي سان واڌارو؛ تنهن ڪري، اسان تجزيي جي مدت کي ٻن مختلف مرحلن ۾ ورهائڻ جو فيصلو ڪيو. اسان 1990 ۽ 2010 جي وچ واري عرصي کي تعميراتي اسٽيج طور حوالو ڏيون ٿا، جنهن ۾ هر سال لڳ ڀڳ ست مقالا شايع ٿيندا هئا. 2010 کان پوءِ واري دور کي ترقي وارو مرحلو سڏيو ويو آهي ڇاڪاڻ ته زراعت ۾ ڊرون ايپليڪيشنن تي تحقيق هن عرصي دوران بيحد اضافو ڏٺو. 2010 کان پوء، اشاعتن جو وڌندڙ تعداد محققن جي وڌندڙ دلچسپي جي تصديق ڪري ٿو، جيڪو پڻ ظاهر ڪري ٿو ته ڊرونز ريموٽ سينسنگ تي لاڳو ڪيا ويا آهن ۽ درست زراعت ۾ استعمال ڪيا ويا آهن (Deng et al., 2018; Maes & Steppe, 2019; Messina & Modica, 2020 ). خاص طور تي، اشاعتن جو تعداد 108 ۾ 2013 مان 498 ۾ 2018 تائين وڌي ويو ۽ 1,275 ۾ 2020 تي پهچي ويو. مجموعي طور تي 935 آرٽيڪل جنوري ۽ سيپٽمبر 2021 جي وچ ۾ شايع ڪيا ويا. بعد ۾، اسان اسان جي ترقي جي اسٽيج تي وڌيڪ ڌيان ڏيڻ جو انتخاب ڪيو هن دور کان وٺي زرعي ڊرونز جي سڀ کان تازي ۽ اهم ذخيري کي ظاهر ڪري ٿو.
لفظن جو تجزيو
اخبارن لاءِ چونڊيل لفظ ليکڪن جو هڪ اهم اثر آهي ته ڪاغذ جي نمائندگي ڪيئن ڪجي ۽ سائنسي برادرين ۾ ان کي ڪيئن پهچايو وڃي. اهي تحقيق جي اهم مضامين جي نشاندهي ڪن ٿا ۽ ان جي امڪاني ترقي يا ناڪامي جو اندازو لڳايو (ڏينهن ۽ گيسٽل، 1998.؛ Kim et al.، 2016؛ Uddin et al.، 2015). لفظن جو تجزيو، وسيع تحقيقي رجحانن ۽ هدايتن کي ظاھر ڪرڻ جو ھڪڙو اوزار، ھڪڙي ڊومين ۾ سڀني لاڳاپيل پبليڪيشنز جي لفظن جي تالیف ڏانھن اشارو ڪري ٿو (Dixit & Jakhar، 2021). موجوده مطالعي ۾، اسان ورهايل لفظن کي ٻن سيٽن ۾ ورهايو (يعني 2010 ۽ 2011-2021 تائين) سڀ کان وڌيڪ مشهور عنوانن کي ڳولڻ لاء. ائين ڪرڻ سان، اسان ٻنهي سيٽن ۾ اهم لفظن کي ڳولي سگهون ٿا ۽ يقين ڏياريو ته اسان سڀني ضروري ڊيٽا کي پڪڙيو آهي. هر هڪ سيٽ لاءِ، مٿيان ڏهه لفظ جدول 3 ۾ پيش ڪيا ويا آهن. اسان هڪجهڙائي رکندڙ لفظن کي ضم ڪري تضادن کي ختم ڪيو، جهڙوڪ ”ڊرون“ ۽ ”ڊرون“ يا، ساڳيءَ طرح ”انٽرنيٽ آف تھنگ“ ۽ ”IoT“.
جدول 3 ڏيکاري ٿو ته ”بغير پائلٽ فضائي گاڏي“ هڪ وڌيڪ استعمال ٿيل لفظ آهي جيئن ”ڊرون“ ۽ ”غير پائلٽ فضائي نظام“ جي مقابلي ۾ ٻنهي وقتن ۾. انهي سان گڏ، "ريموٽ سينسنگ"، "پريزيئن زراعت،" ۽ "زراعت" ٻنهي دورن ۾ اعلي درجي تي آهن. پهرئين دور ۾، ”پريزيئن زراعت“ پنجين نمبر تي هئي، ۽ ٻئين دور ۾ ان جو درجو ڏنو ويو، جيڪو واضح ڪري ٿو ته ڪيئن ڊرونز صحيح زراعت کي حاصل ڪرڻ ۾ اهم ٿي رهيا آهن جيئن اهي مانيٽرنگ ڪري سگهن،
ٻين ريموٽ سينسنگ ۽ گرائونڊ بيسڊ سسٽم جي مقابلي ۾ ڳولڻ، ۽ تخميني جا عمل تيز، سستا ۽ انجام ڏيڻ آسان آهن. ان سان گڏ، اهي ان پٽ جي صحيح مقدار کي اسپري ڪري سگهن ٿا (مثال طور، پاڻي يا جراثيم مار دوا) جڏهن ضرورت هجي (Guo et al., 2020; Inoue, 2020; Panday, Pratihast, et al., 2020).
اڪثر استعمال ٿيندڙ لفظن جي فهرست.
رٿا | 1990-2010 | جي واقعا | 2011-2021 | جي واقعا |
1 | غير انساني هوائي گاڏي | 28 | اڻ وڻندڙ هوائي گاڏي | 1628 |
2 | ريموٽ سينسنگ | 7 | صحت زراعت | 489 |
3 | زراعت | 4 | ريموٽ سينسنگ | 399 |
4 | بورني | 4 | ڊرون | 374 |
5 | صحت زراعت | 4 | اڻ وڻندڙ هوائي نظام | 271 |
6 | غير انساني هوائي | 4 | زراعت | 177 |
7 | hyperspectral sensor | 3 | تمام گهڻي سکيا | 151 |
8 | مصنوعي اعصاب نيٽ ورڪ | 2 | مشين سکيا | 149 |
9 | خودمختيار پرواز | 2 | سنڌ جي نباتات اشهد | 142 |
10 | ڪافي | 2 | انٽرنيٽ جي شين | 124 |
هڪ ٻي دلچسپ خصوصيت مڪمل ڪندڙ ٽيڪنالاجي جي موجودگي آهي. پهرئين مرحلي ۾، ”هائيپر اسپيڪٽرل سينسر“ ۽ ”آرٽيفيشل نيورل نيٽ ورڪ“ (ANN) مٿين ڏهن لفظن مان آهن. هائپر اسپيڪٽرل اميجنگ روايتي تصويرن ۾ انقلاب آندو، مختلف موج جي ڊيگهه تي وڏي تعداد ۾ تصويرون گڏ ڪندي. ائين ڪرڻ ۾، سينسر گڏ ڪري سگھن ٿا بهتر فضائي ۽ اسپيڪٽرل معلومات گڏ ڪري سگھن ٿا ملٽي اسپيڪٽرل اميجنگ، اسپيڪٽرو اسڪوپي، ۽ آر بي بي تصويري (Adao ˜ et al.
2017). پهرين مرحلي ۾ ”ANN“ جي موجودگي ۽ ٻئي مرحلي ۾ ”ڊيپ لرننگ“ (DL) ۽ ”مشين لرننگ“ (ML) جو مطلب اهو آهي ته شايع ٿيل اڪثر ڪم ڊرون لاءِ AI ٽيڪنالاجي جي امڪاني جانچ تي مرکوز آهن. زراعت تي ٻڌل. جيتوڻيڪ ڊرونز خودمختاري طور تي اڏامڻ جي قابل آهن، انهن کي اڃا تائين پائلٽ جي شموليت جي ضرورت آهي، جنهن جو مطلب آهي ڊوائيس انٽيليجنس جي گهٽ سطح. بهرحال، هي مسئلو حل ٿي سگهي ٿو AI ٽيڪنالاجي جي ترقي جي ڪري، جيڪا بهتر صورتحال جي آگاهي ۽ خودمختيار فيصلي جي مدد فراهم ڪري سگهي ٿي. AI سان ليس، ڊرونز نيويگيشن دوران ٽڪرن کان بچي سگهن ٿا، مٽي ۽ فصل جي انتظام کي بهتر بڻائي سگهن ٿا (Inoue، 2020)، ۽ انسانن لاءِ محنت ۽ دٻاءُ کي گهٽائي سگهن ٿا (BK Sharma et al.، 2019).
انهن جي لچڪ ۽ قابليت جي ڪري وڏي مقدار ۾ غير لائنر ڊيٽا کي سنڀالڻ جي صلاحيت، AI ٽيڪنڪ مناسب طريقا آهن جيڪي ڊرونز ۽ ٻين ريموٽ سينسنگ ۽ زمين تي ٻڌل سسٽم ذريعي منتقل ٿيل ڊيٽا جو تجزيو ڪرڻ لاءِ اڳڪٿي ۽ فيصلو ڪرڻ لاءِ (Ali et al., 2015; انوئي، 2020). ان کان علاوه، ٻئي دور ۾ "IoT" جي موجودگي زراعت ۾ ان جي اڀرندڙ ڪردار جي نشاندهي ڪري ٿي. IoT زراعت ۾ انقلاب آڻيندي آهي ٻين ٽيڪنالاجين کي پاڻ ۾ ڳنڍيندي، بشمول ڊرونز، ايم ايل، ڊي ايل، WSNs، ۽ وڏي ڊيٽا. IoT کي لاڳو ڪرڻ جي اهم فائدن مان هڪ آهي ان جي قابليت ۽ مؤثر طريقي سان مختلف ڪمن کي ضم ڪرڻ (ڊيٽا جي حصول، ڊيٽا جي تجزيو ۽ پروسيسنگ، فيصلا ڪرڻ، ۽ عمل درآمد) ويجهي حقيقي وقت ۾ (ايليا ۽ ال.، 2018؛ فينگ ايٽ ال. 2019؛ Muangprathub et al.، 2019). ان کان علاوه، ڊرونز کي ٻوٽن جي طاقت ۽ ٻوٽن جي ملڪيت جي ڳڻپ لاء ضروري ڊيٽا کي پڪڙڻ لاء موثر اوزار سمجهيو ويندو آهي (Candiago et al.، 2015). تصوير. 2a ۽ 2b ٻنهي وقتن لاءِ لفظن جي گڏيل واقعن جا نيٽ ورڪ بيان ڪري ٿو.
بااثر ليکڪ
هن حصي ۾، اسان بااثر ليکڪن جو تعين ڪريون ٿا ۽ جائزو وٺون ٿا ته ڪيئن ليکڪ حوالن جا نيٽ ورڪ موجوده ادب کي تصور ۽ منظم ڪري سگهن ٿا. تصوير 3 سڀني محققن جي تاريخ جي اوورلي کي ڏيکاري ٿو حوالن جي سڀ کان وڌيڪ تعداد سان. رنگ جي ماپ ليکڪن جي حوالن جي سال وار تبديلي کي ظاهر ڪري ٿو. اسان تحقيق ڪندڙن جي حوالن جي جوڙجڪ جو جائزو وٺون ٿا جيڪي زرعي ڊرونز تي اڀياس شايع ڪن ٿا گھٽ ۾ گھٽ 50 حوالن ۽ ڏهن اشاعتن جي حد استعمال ڪندي. کان ٻاهر
12,891 ليکڪ، صرف 115 هن شرط سان ملاقات ڪئي. جدول 4 مٿين ڏهن بااثر ليکڪن جي فهرست ڏئي ٿو، حوالن جي وڌ ۾ وڌ تعداد جي ترتيب سان. لوپيز- گرينادوس F. 1,963 حوالن سان لسٽ ۾ پهرين نمبر تي آهي، بعد ۾ Zarco-Tejada PJ 1,909 حوالن سان.
سڀ کان وڌيڪ حوالن جي ليکڪن جي فهرست.
درجابندي | ليکڪ | حوالا |
1 | لوپز-گريناڊس 'ايف. | 1,963 |
2 | Zarco-Tejada PJ | 1,909 |
3 | پينا ˜ جي ايم | 1,644 |
4 | Torres-S' اينچز جي. | 1,576 |
5 | فيرس اي | 1,339 |
6 | ريموندينو ايف | 1,235 |
7 | بولٽن اي | 1,160 |
8 | بارت جي | 1,155 |
9 | برني جي | 1,132 |
10 | ڊي ڪاسٽرو AI | 1,036 |
جڏهن اهو انفرادي اشاعتن تي اچي ٿو، Zhang and Kovacs's (2012) مضمون سڀ کان وڌيڪ حوالو ڏنو ويو مطالعو ۾ شايع ٿيل Precision Agriculture. هتي، ليکڪن جي نظرثاني ڪئي UAS جي درخواست صحت واري زراعت ۾. انهن جي تحقيق جي نتيجن جو مشورو ڏنو ويو آهي ته پليٽ فارم جي ڊيزائن، پيداوار، تصوير جي جيورفرينسنگ جي معيار کي وڌائڻ، ۽ معلومات حاصل ڪرڻ واري ڪم جي فلو کي اڳتي وڌائڻ جي ضرورت آهي ته جيئن هارين کي قابل اعتماد آخري پروڊڪٽس مهيا ڪن. اضافي طور تي، اهي هاريء کي وڌيڪ مضبوطيء سان مشغول ڪرڻ جي صلاح ڏين ٿا، خاص طور تي فيلڊ پلاننگ، تصوير جي گرفتاري، ۽ انهي سان گڏ ڊيٽا جي تشريح ۽ تجزيو ۾. خاص طور تي، هن مطالعي ۾ پهريون ڀيرو يو اي وي جي اهميت کي ڏيکاريو ويو فيلڊ ميپنگ، جوش ميپنگ، ڪيميائي مواد جي ماپ، نباتات جي دٻاء جي نگراني، ۽ ٻوٽن جي واڌ تي ڀاڻ جي اثرات جي تشخيص. ٽيڪنالاجي سان لاڳاپيل چيلنجون پڻ شامل آهن ممنوع خرچ، سينسر جي صلاحيت، پليٽ فارم جي استحڪام ۽ اعتبار، معيار جي کوٽ، ۽ ڊيٽا جي وڏي مقدار جو تجزيو ڪرڻ لاء مسلسل طريقيڪار.
اقتباس جو تجزيو
حوالن جو تجزيو مضمونن جي اثر جي مطالعي جي نمائندگي ڪري ٿو، جيتوڻيڪ وهڻ جو خطرو (مثال طور، حوالن جي تعصب، خود اقتباس) اثر جي تشخيص لاء معياري اوزار مان هڪ سمجهيو ويندو آهي (Osareh، 1996; A. Rejeb et al.، 2022; سرلي وغيره.، 2010). حوالا پڻ خاص موضوع تي ادب ۾ مقالا جي تعاون جي اهميت ۽ جانداريت کي ظاهر ڪن ٿا (R. شرما ايٽ ال.، 2022). اسان زرعي ڊرونز تي سڀ کان وڌيڪ اثرائتي مطالعي کي طئي ڪرڻ لاء حوالن جو تجزيو ڪيو ۽ مواد کي اختصار ڪيو. جدول 5 1990-2010 ۽ 2011-2021 جي دورن لاءِ پندرهن سڀ کان وڌيڪ اثرائتو مقالا پيش ڪري ٿو. Berni et al پاران آرٽيڪل. (2009)b ۽ آسٽن (2010) 1990 ۽ 2010 دوران سڀ کان وڌيڪ حوالا ڏنا ويا آهن، ترتيب سان 831 ۽ 498 حوالن سان. Berni et al. (2009)b هڪ هيلي ڪاپٽر تي ٻڌل UAV ذريعي مقداري ريموٽسينسنگ پراڊڪٽس کي ترقي ڪرڻ جي صلاحيت کي واضع ڪيو آهي سستي تھرمل ۽ تنگ بينڊ ملٽي اسپيڪٽرل اميجنگ سينسر سان. روايتي انسانن واري هوائي سينسرز جي مقابلي ۾، زراعت لاءِ گهٽ قيمت وارو UAV سسٽم فصلن جي بايو فزيڪل پيٽرولن جي مقابلي جي اندازي حاصل ڪرڻ جي قابل آهي، جيڪڏهن بهتر نه هجي. سستي قيمت ۽ آپريشنل لچڪ، تيز اسپيڪٽرل، مقامي ۽ وقتي حلن سان گڏ، تڪڙو موٽڻ واري وقت تي دستياب آهي، UAVs پيش ڪن ٿيون مناسب ايپليڪيشنن جي هڪ حد لاءِ جيڪي وقت جي نازڪ انتظام جي ضرورت هونديون آهن، بشمول آبپاشي جي شيڊولنگ، ۽ درست فارمنگ. Berni et al کان پيپر. (2009)b تمام گهڻو حوالو ڏنو ويو آهي ڇاڪاڻ ته اهو مؤثر طريقي سان هڪ غير پائلٽ روٽري-ونگ پليٽ فارم ۽ ڊجيٽل ۽ تھرمل سينسرز کي زرعي ايپليڪيشنن لاء ضروري حساب ڪرڻ واري ميڪانيزم سان گڏ ڪيو ويو آهي. ٻيو سڀ کان وڌيڪ حوالو ڏنو ويو اشاعت هڪ ڪتاب آهي جيڪو آسٽن (2010) پاران تصنيف ڪيو ويو آهي، جنهن تي بحث ڪيو ويو آهي UAVs کان ڊزائن، ڊولپمينٽ، ۽ تعیناتي نقطي نظر. زراعت ۾، UAVs فصلن جي رنگن جي تبديلين جي ذريعي بيمارين کي جلد سڃاڻڻ، فصل جي پوکڻ ۽ اسپري ڪرڻ، ۽ رڍن جي نگراني ۽ ڊرائيونگ ذريعي فصل جي نگراني جي مدد ڪن ٿا.
Sullivan et al جي اڀياس. (2007)، Lumme et al. (2008)، ۽ Gokto ¨ ǧan et al. (2010) مٿين پندرهن سڀ کان وڌيڪ حوالو ڪيل مضمونن جي لسٽ ختم ڪريو. اهي آرٽيڪل زراعت کي سپورٽ ڪرڻ لاءِ UAV-based سسٽم جي ترقي کي بيان ڪن ٿا. اهي مختلف مسئلن جو حل پيش ڪن ٿا، جهڙوڪ فصل جي نگراني ۽ اسڪيننگ، ويڊ نگراني ۽ انتظام، ۽ فيصلي جي حمايت. اهي پڻ تجويز ڪن ٿا ۽ بحث ڪن ٿا UAV جي صلاحيت کي وڌائڻ لاءِ نموني جي ڪارڪردگي ۽ مدد ڪندڙ هارين کي صحيح ۽ موثر بڻائڻ ۾
پوکڻ جي حڪمت عملي. برني پاران ٻه مقالا لکيا ويا (Berni et al., 2009b; Berni et al., 2009a)، جيڪي زرعي ڊرون سان لاڳاپيل تحقيق تي سندس اهم اثر کي بيان ڪن ٿا. Zarco-Tejada et al. (2014) اڳين مطالعي مان ڪيو ويو آهي ته وڻ جي اوچائي مقدار ۾ گھٽ قيمت UAV تصويرن کي استعمال ڪرڻ جي ضرورت کي واضع ڪرڻ لاء.
سڀ کان وڌيڪ حوالو ڪيل اشاعتن جي فهرست.
رٿا | 1990 کان 2010 کان | 2011 کان 2021 کان | ||
دستاويز | صافي | دستاويز | صافي | |
1 | (Berni et al.، 2009b) | 831 | (سي. ژانگ ۽ ڪوواڪس، 2012) | 967 |
2 | (آسٽن، 2010) | 498 | (Nex & Remondino, 2014) | 893 |
3 | (Hunt et al.، 2010) | 331 | (فلوريانو ۽ ڪاٺ، 2015) | 552 |
4 | (SR Herwitz et al. 2004) | 285 | (حسين موتلغ وغيره، 2016) | 391 |
5 | (CCD Lelong et al., 2008) | 272 | (شخطره وغيره، 2019) | 383 |
6 | (Berni et al.، 2009b) | 250 | (Ma et al.، 2017) | 373 |
7 | (Grenzdorffer ¨ et al., 2008) | 198 | (Bendig et al.، 2014) | 360 |
8 | (Hrabar et al.، 2005) | 175 | (Zarco-Tejada et al., 2014) | 347 |
9 | (Y. Huang et al.، 2009) | 129 | (اشتهار ao et al.، 2017) | 335 |
10 | (Schmale III et al. 2008) | 119 | (Honkavaara et al. 2013a) | 331 |
11 | (عبدالرحمن وغيره. 2005) | 79 | (Candiago et al.، 2015) | 327 |
12 | (ٽيڪي ۽ ٻيا.، 2010) | 69 | (جيانگ ۽ تيان، 2011) | 307 |
13 | (Sullivan et al.، 2007) | 51 | (Matese et al.، 2015) | 303 |
14 | (Lumme et al.، 2008) | 42 | (Gago et al.، 2015) | 275 |
15 | (Gokto ¨ ǧan et al.، 2010) | 40 | (Aasen et al.، 2015a) | 269 |
ٻئين دور ۾ (2011-2021)، Zhang and Kovacs (2012) ۽ Nex and Remondino (2014) جي تحقيق جي نتيجي ۾ سڀ کان وڌيڪ حوالا شايع ٿيل اشاعتون. Zhang and Kovacs (2012) دليل ڏئي ٿو ته صحت واري زراعت جاگرافيائي معلوماتي سسٽم، GPS، ۽ ريموٽ سينسنگ، جيوسپيٽل ٽيڪنالاجي ۽ سينسرز کي لاڳو ڪرڻ مان فائدو حاصل ڪري سگهي ٿي، فيلڊ ۾ تبديلين کي پڪڙڻ ۽ متبادل حڪمت عملين کي استعمال ڪندي انهن کي سنڀالڻ. درست زراعت ۾ راند بدلائيندڙ جي طور تي، ڊرون جي اپنائڻ ريموٽ سينسنگ ۾ هڪ نئين دور جي شروعات ڪئي آهي، فضائي مشاهدي کي آسان ڪرڻ، فصلن جي واڌ جي ڊيٽا کي پڪڙڻ، مٽي جي حالتن، ۽ اسپري ڪرڻ وارن علائقن ۾. Zhang and Kovacs (2012) جو جائزو بنيادي آهي ڇاڪاڻ ته اهو UAVs ۾ بصيرت پيش ڪري ٿو موجوده استعمال ۽ انهن ڊوائيسز جي چئلينج کي ظاهر ڪندي ماحولياتي نگراني ۽ درست زراعت ۾، جهڙوڪ پليٽ فارم ۽ ڪئميرا جون حدون، ڊيٽا پروسيسنگ چئلينج، هارين جي مصروفيت، ۽ هوائي جهازن جا ضابطا. . ٻيو
Nex and Remondino (2014) کان سڀ کان وڌيڪ حوالو ڪيل مطالعو زمين جي تصويرن کي پڪڙڻ، پروسيسنگ ۽ تجزيو ڪرڻ لاءِ UAVs جي آرٽ جي حالت جو جائزو ورتو.
انهن جي ڪم ڪيترن ئي يو اي وي پليٽ فارمن، ايپليڪيشنن، ۽ استعمال جي ڪيسن جو هڪ جائزو پڻ پيش ڪيو، UAV تصويري پروسيسنگ ۾ جديد ترقي کي ڏيکاريندي. زراعت ۾، هارين UAVs استعمال ڪري سگھن ٿا موثر فيصلا ڪرڻ لاءِ قيمت ۽ وقت جي بچت حاصل ڪرڻ لاءِ، نقصان جو تيز ۽ درست رڪارڊ حاصل ڪرڻ، ۽ ممڪن مسئلن جي اڳڪٿي ڪرڻ لاءِ. روايتي فضائي پليٽ فارمن جي ابتڙ، UAVs آپريشنل خرچن کي گھٽائي سگھي ٿو ۽ سخت جڳهن ۾ رسائي جي خطري کي گھٽائي سگھي ٿو، جڏهن ته اڃا تائين اعلي صحت واري صلاحيت کي محفوظ ڪري ٿو. انهن جو پيپر UAVs جي مختلف فائدن کي اختصار ڪري ٿو، خاص طور تي درستگي ۽ قرارداد جي لحاظ کان.
2011 ۽ 2021 جي وچ ۾ باقي تيرهن سڀ کان وڌيڪ حوالا شايع ٿيل اشاعتن ۾، اسان ڏٺو ته ڊرون ايپليڪيشنن سان ڳنڍيل تحقيق تي هڪ وڏو توجهه اميجنگ مشن ۾ (Bendig et al.، 2014؛ Ma et al.، 2017؛ Zarco-Tejada et al.، 2014) , precision Agriculture (Candiago et al., 2015; Honkavaara et al., 2013a)، precision viticulture (Matese et al.، 2015)، پاڻي جي دٻاء جي تشخيص (Gago et al.، 2015)، ۽ سبزيات جي نگراني (Aseen. ، 2015a). شروعاتي سالن ۾، محقق ڌيان ڏنو
زراعت لاءِ گهٽ قيمت، هلڪو وزن، ۽ درست UAV-بنياد سسٽم ٺاهڻ تي وڌيڪ؛ وڌيڪ تازي تحقيق زراعت ۽ فيلڊ سروينگ لاء UAV ايپليڪيشنن جي نظرثاني تي وڌيڪ ڌيان ڏنو آهي. تت ۾، هي تجزيو ظاهر ڪري ٿو ته بااثر پبليڪيشن گهڻو ڪري اڳوڻي اڀياس جا جائزو مهيا ڪيا آهن UAVs جي موجوده سائنسي ۽ ٽيڪنالاجي حيثيت جو جائزو وٺڻ ۽ ترقي يافته زراعت کي سپورٽ ڪرڻ لاءِ UAV سسٽم ٺاهيا آهن. دلچسپ ڳالهه اها آهي ته، اسان اڀياس نه مليا جيڪي تجرباتي طور تي ملازمت ڪن ٿا
طريقا يا وضاحتي ڪيس مطالعو، جيڪو هڪ اهم علم جي خلا کي قائم ڪري ٿو ۽ هن موضوع تي وڌيڪ تحقيق جي ضرورت آهي.
گڏيل حوالن جو تجزيو
Gmür (2006) جي مطابق، co-citation analysis ساڳي اشاعتن کي سڃاڻي ٿو ۽ انهن کي ڪلستر ڪري ٿو. هڪ ڪلستر جو محتاط امتحان پبليڪيشن جي وچ ۾ تحقيق جي هڪ عام فيلڊ کي ظاهر ڪري سگهي ٿو. اسان تحقيق ڪريون ٿا ادب جي گڏيل حوالن سان لاڳاپيل زرعي ڊرونز سان لاڳاپيل موضوع جي علائقن کي واضع ڪرڻ ۽ اشاعت جي دانشورانه نمونن کي ڳولڻ لاء. ان سلسلي ۾، Small (1973) سڀ کان وڌيڪ اثرائتي ۽ بنيادي تحقيق جي مطالعي لاء cocitation تجزيي جي استعمال جي سفارش ڪئي.
هڪ نظم و ضبط اندر. سڀ کان وڌيڪ بنيادي مضمونن تائين سيٽ کي محدود ڪرڻ لاءِ (گوئل ۽ ڪمار، 2021)، اسان 25 جي گڏيل حوالن جي حد مقرر ڪئي، مطلب ته ٻن مضمونن کي 25 يا وڌيڪ مختلف اشاعتن جي حوالن جي فهرستن ۾ گڏ ڪيو ويو هوندو. ڪلسترنگ کي گھٽ ۾ گھٽ ڪلسٽر سائيز 1 سان پڻ ڪيو ويو ۽ بغير ڪنهن طريقي جي ننڍن ڪلسٽرن کي وڏن سان ضم ڪرڻ لاء. نتيجي طور، ڇھ ڪلستر پيدا ڪيا ويا مطالعي جي ھڪڙي جي بنياد تي ۽ انھن جي دانشورانه جوڙجڪ. جدول 6 هر ڪلستر ۾ اشاعتن جي ورڇ ڏيکاري ٿو.
ڪلسٽر 1: ھي ڪلستر اٺن دستاويزن تي مشتمل آھي جيڪو شايع ٿيڻ کان پوءِ شايع ٿيل آھي ھن ڪلستر ۾ شايع ٿيل ڊرونز جي ڪردار تي بحث ڪيو ويو ماحولياتي نگراني، فصل جي انتظام، ۽ ويڊ مينيجمينٽ کي سپورٽ ڪرڻ ۾. مثال طور، Manfreda et al. (2018) قدرتي زرعي ماحولياتي نظام جي نگراني ۾ UAV جي موجوده تحقيق ۽ عملن جو هڪ جائزو مهيا ڪريو ۽ دليل ڏيو ته ٽيڪنالاجي پيش ڪري ٿي زبردست امڪاني طور تي ماحولياتي نگراني کي وڌائڻ ۽ گھٽائڻ لاءِ.
فيلڊ جي مشاهدي ۽ روايتي هوا ۽ اسپيس بورن ريموٽ سينسنگ جي وچ ۾ موجود فرق. اهو ٿي سگهي ٿو نئين صلاحيت کي بهتر وقتي بحالي جي لاءِ پيش ڪندي ۽ وڏي علائقن ۾ مقامي بصيرت هڪ سستي طريقي سان. UAVs مسلسل ماحول کي محسوس ڪري سگھن ٿا ۽ نتيجي واري ڊيٽا کي ذھني، مرڪزي / غير مرڪزي ادارن ڏانھن موڪلي سگھن ٿا جيڪي سينسرز کي ڪنٽرول ڪن ٿا حتمي مسئلن جي نشاندهي ڪرڻ لاء، جهڙوڪ بيماري يا پاڻي جي سڃاڻپ جي کوٽ (Padua et al.، 2017). Adao ˜ et al. (2017) پوسٽ ڪيو ته UAVs ٻوٽن جي حالتن جو اندازو لڳائڻ لاءِ مثالي آهن پاڻي جي صورتحال سان لاڳاپيل خام ڊيٽا جي وڏي مقدار کي پڪڙڻ سان، بايوماس جي تخميني، ۽ زور جي تشخيص. UAV-ماونٽ ٿيل سينسر پڻ مناسب ماحولياتي حالتن ۾ فوري طور تي مقرر ڪري سگھجن ٿيون ته جيئن ريموٽ سينسنگ ڊيٽا جي بروقت گرفتاري جي اجازت ڏين (Von Bueren et al.، 2015). UAVs جي ذريعي، هارين اندرون فارمنگ ماحول جي ٽن طرفن واري جاءِ (مثال طور، گرين هائوس) ۾ عملي طور تي ڪنهن به هنڌ کان ماپون حاصل ڪري اندروني زراعت جي سرگرمين کي انجام ڏيڻ جي قابل آهن، انهي سان مقامي موسمياتي ڪنٽرول ۽ ٻوٽن جي نگراني کي يقيني بڻائي ٿو (Roldan et al. .، 2015). سڌائي جي حوالي سان
زراعت، فصلن جي انتظامي فيصلن لاءِ ضروري آهي ته صحيح، قابل اعتماد فصل جي ڊيٽا هڪ مناسب وقتي ۽ فضائي حل سان (Gebbers & Adamchuk, 2010; Gevaert et al., 2015; Maes & Steppe, 2019). انهي سبب لاء، Agüera Vega et al. (2015) استعمال ڪيو ويو UAV-ماونٽڊ ملٽي اسپيڪٽرل سينسر سسٽم کي حاصل ڪرڻ لاءِ سورج مکھی جي فصل جون تصويرون حاصل ڪرڻ لاءِ وڌندڙ موسم. ساڳئي طرح، Huang et al. (2009) نوٽ ڪريو ته ريموٽ سينسنگ UAVs جي بنياد تي گڏ ڪيل چشمي ڊيٽا مان فصلن ۽ مٽي جي ماپ کي آسان بڻائي سگھي ٿي. Verger et al. (2014) هڪ ٽيڪنڪ تيار ڪئي ۽ آزمائي ڪئي گرين ايريا انڊيڪس (GAI) جو اندازو لڳائڻ لاءِ UAV ريفليڪنس ماپن مان درست زراعت جي ايپليڪيشنن ۾، ڪڻڪ ۽ ريپسيڊ فصلن تي ڌيان ڏيڻ. تنهن ڪري، ڊرونز بار بار نظر ثاني ۽ اعلي فضائي ريزوليوشن سان فصل جي رياست جي معلومات کي ٻيهر حاصل ڪرڻ لاءِ نوان امڪان مهيا ڪن ٿا (ڊونگ ايٽ ال.، 2019؛ گارزونيو ايٽ ال.، 2017؛ H. Zheng et al.، 2016).
زرعي ڊرونز تي بااثر اشاعتن جو ڪلستر.
ڪلستر | وسيع موضوع | حوالا |
1 | ماحولياتي نگراني ، فصل انتظام، ٻوٽن جو انتظام | (اشتهار ao et al.، 2017؛ اگويرا ويگا et al.، 2015؛ ڊي ڪاسٽرو ايٽ ال.، 2018؛ Gomez-Cand ´ on ´ et al., 2014; يو بي Huang et al.، 2013؛ خانل وغيره. 2017; لوپز-گرينادوس، ´2011؛ Manfreda et al.، 2018؛ پي' ادوا وغيره. 2017; Pena ˜ et al.، 2013؛ پيريز-اورٽيز et al.، 2015؛ راسموسن وغيره، 2013، 2016; Torres-S' anchez et al.، 2014؛ Torres-Sanchez, 'Lopez-Granados,' & پينا، ˜ 2015؛ Verger et al.، 2014؛ وون Bueren et al.، 2015; سي ژانگ ۽ ڪوواڪس، 2012) |
2 | ريموٽ فينوٽائپنگ، پيداوار تخمينو، فصل جي مٿاڇري جو ماڊل، ٻوٽن جي ڳڻپ | (Bendig et al.، 2013، 2014؛ Geipel وغيره.، 2014؛ ¨ ۽ Schmidhalter, 2017; هائي تالاب et al.، 2016؛ Holman et al.، 2016; جين et al., 2017; W. Li et al.، 2016; Maimaitijiang et al.، 2017؛ سنڪران et al.، 2015؛ Schirrmann et al.، 2016; شي et al.، 2016; Yue et al.، 2017; ايڪس. Zhou et al.، 2017) |
3 | پاڻي لاء حرارتي تصوير، multispectral تصويرن | (بلوجا ۽ ٻيا.، 2012؛ برني ۽ ٻيا.، 2009b؛ Berni et al.، 2009a ؛ ڪنڊيگو et al.، 2015؛ Gago et al.، 2015; Gonzalez-Dugo et al., 2013, 2014; Grenzdorffer ¨ et al.، 2008; خليق وغيره.، 2019؛ Matese et al.، 2015؛ Ribeiro-Gomes et al.، 2017؛ Santesteban et al.، 2017; Uto et al., 2013) |
4 | هائپر سيڪٽرل تصويري، چشمي امتياز | (Aasen et al.، 2015a؛ Bareth et al.، 2015; Hakala et al.، 2013؛ Honkavaara et al.، 2013a؛ لوسيئر وغيره.، 2014؛ Saari et al.، 2011; Suomalainen et al.، 2014) |
5 | 3D-ميپنگ ايپليڪيشنون | (Jim'enez-Brenes et al.، 2017؛ Nex & Remondino، 2014؛ سلامي وغيره. 2014; Torres-S' اينچيز، لوپز-' Granados, Serrano, et al., 2015; Zahawi et al.، 2015; زرڪو- تيجاڊا ۽ الف، 2014) |
6 | زراعت جي نگراني | (SR Herwitz et al.، 2004؛ Hunt وغيره.، 2010؛ CCD Lelong et al., 2008؛ Primicerio et al.، 2012; شيانگ ۽ تيان، 2011) |
ان کان علاوه، ڊرونز زراعت ۾ مشڪل ڪمن لاء ڪارائتو آهن، بشمول ويڊ ميپنگ. ڊوائيسز پاران قبضو ڪيل تصويرن کي ثابت ڪيو ويو آهي ته انهن جي افاديت کي فيلڊ ۾ ابتدائي ويڊ ڳولڻ لاء (de Castro et al., 2018; Jim'enez-Brenes et al., 2017; Lam et al., 2021; Lopez-Granados ´ et al., 2016؛ روزنبرگ et al.، 2021). ان سلسلي ۾ ڊي ڪاسٽرو وغيره. (2018) پوسٽ ڪيو ويو آهي ته UAV تصويري ۽ آبجیکٹ تي ٻڌل تصويري تجزيي (OBIA) جي ضم ڪرڻ عملي کي فعال ڪيو آهي ته شروعاتي موسم جي گھاس جي فصلن ۾ شروعاتي تشخيص خودڪار ڪرڻ جي مسئلي تي قابو پائڻ، جيڪو ويڊ ريسرچ ۾ هڪ وڏو قدم آهي. ساڳئي طرح، Pena ˜ et al. (2013) اشارو ڪيو ته UAV کان الٽرا-هاءِ اسپيشل ريزوليوشن تصويرن جو استعمال هڪ OBIA جي طريقيڪار سان گڏ ان کي ممڪن بڻائي ٿو ته ويڊ نقشا پيدا ڪرڻ جي شروعات مڪئي جي فصلن ۾ جيڪي سيزن جي ويڊ ڪنٽرول قدمن تي عمل درآمد جي منصوبابندي ۾ استعمال ٿي سگھن ٿيون، سيٽلائيٽ ۽ روايتي هوائي تصويرون جي صلاحيت کان ٻاهر هڪ ڪم. تصوير جي درجه بندي يا اعتراض جي ڳولا واري الگورتھم جي مقابلي ۾، سيمينٽڪ سيگمينٽيشن ٽيڪنڪ ويڊ ميپنگ جي ڪمن (J. Deng et al., 2020) تي وڌيڪ اثرائتو آهي، اهڙيءَ طرح هارين کي فيلڊ جي حالتن کي ڳولڻ، نقصان کي گهٽائڻ، ۽ وڌندڙ موسم دوران پيداوار کي بهتر بڻائڻ جي قابل بڻائي ٿي (رميش. وغيره.، 2020). گہرے سکيا جي بنياد تي سيمينٽڪ سيگمينٽيشن پڻ مهيا ڪري سگھي ٿي سبزي جي احاطي جي اعليٰ ريزوليوشن ايريل تصويرن مان (رميش ايٽ ال.، 2020؛ A. Zheng et al.، 2022). ان جي باوجود ريموٽ جي صلاحيت
سينسنگ پکسل جي درجه بندي، سيمينٽڪ سيگمينٽيشن ٽيڪنڪ کي اهم حساب ۽ هڪ ممنوع طور تي اعلي GPU ياداشت جي ضرورت آهي (J. Deng et al.، 2020).
مشين لرننگ ۽ UAV جي بنياد تي، P´erez-Ortiz et al. (2015) تجويز ڪيل هڪ ويڊ ميپنگ اپروچ مهيا ڪرڻ لاءِ سائيٽ جي مخصوص ويڊ ڪنٽرول حڪمت عمليون جڏهن هارين کي اپنائڻ جي شروعات کان پوءِ ظهور جي ويڊ ڪنٽرول. آخرڪار، Rasmussen et al. (2013) نمايان ڪئي وئي آهي ته ڊرون سستا سينسنگ مهيا ڪن ٿا عظيم فضائي قرارداد لچڪ سان. مجموعي طور تي، هن ڪلستر ۾ اشاعتون ريموٽ سينسنگ، فصل جي نگراني، ۽ ويڊ ميپنگ کي سپورٽ ڪرڻ لاءِ UAVs جي امڪانن کي ڳولڻ تي ڌيان ڏئي ٿو. اضافي تحقيق جي ضرورت آهي وڌيڪ تحقيق ڪرڻ لاءِ ته ڪيئن ڊرون ايپليڪيشنون ماحولياتي نگراني، فصلن جي انتظام، ۽ ويڊ ميپنگ ۾ وڌيڪ پائيدار زراعت حاصل ڪري سگهن ٿيون (چاموه ۽ سنگهه، 2019؛ اسلام ايٽ ال.، 2021؛ پوپسڪو ايٽ ال.، 2020؛ جي. . Su, Liu, et al., 2018) ۽ فصلن جي انشورنس ايپليڪيشنن ۾ هن ٽيڪنالاجي جي گورننس مسئلن کي حل ڪيو (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). محققن کي UAV گڏ ڪيل ماپن جي تصديق ڪرڻ تي ڌيان ڏيڻ گهرجي موثر پروسيسنگ ٽيڪنالاجي سان پروسيس ٿيل ڊيٽا جي حتمي معيار کي وڌائڻ لاءِ (منفريدا ايٽ ال.، 2018). ان کان علاوه، مناسب الگورٿمز جي ترقي جيڪا پکسلز کي سڃاڻي ٿي جيڪي ڊجيٽل تصويرن ۾ ويڊس ڏيکارين ٿا ۽ UAV ويڊ ميپنگ دوران غير لاڳاپيل پس منظر کي ختم ڪرڻ جي ضرورت آهي (Gaˇsparovi'c et al.، 2020؛ Hamylton et al.، 2020؛ H. Huang et al. ، 2018، 2020؛ لوپز- ´ Granados et al.، 2016). ٻوٽن جي سڃاڻپ، پتي جي درجه بندي، ۽ بيمارين جي نقشي سازي ۾ سيمينٽڪ سيگمينٽيشن ٽيڪنالاجي کي اپنائڻ تي اضافي تحقيق ڀليڪار آهي (Fuentes-Pacheco et al.، 2019؛ Kerkech et al.، 2020).
ڪلسٽر 2. هن ڪلستر ۾ شايع ٿيل اشاعتن ۾ زرعي ڊرونز جي ڪيترن ئي پهلوئن تي ڌيان ڏنو ويو. Remote phenotyping سان لاڳاپيل، Sankaran et al. (2015) گھٽ اونچائي، اعلي ريزوليوشن فضائي تصويرن کي استعمال ڪرڻ جي صلاحيت جو جائزو ورتو UAVs سان گڏ فيلڊ ۾ فصلن جي تڪڙي فينو ٽائپنگ لاءِ، ۽ اھي دليل ڏين ٿا ته، زمين تي ٻڌل سينسنگ پليٽ فارمن جي مقابلي ۾، مناسب سينسر سان ننڍڙا UAVs ڪيترائي فائدا پيش ڪن ٿا. جيئن ته فيلڊ تائين آسان رسائي، اعلي ريزوليوشن ڊيٽا، موثر ڊيٽا گڏ ڪرڻ،
فيلڊ جي ترقي جي حالتن جو تيز جائزو، ۽ گهٽ عملياتي خرچ. بهرحال، ليکڪ اهو پڻ نوٽ ڪن ٿا ته فيلڊ فينوٽائپنگ لاءِ UAV جو مؤثر ايپليڪيشن ٻن بنيادي عنصرن تي ڀاڙي ٿو، يعني، UAV خاصيتون (مثال طور، حفاظت، استحڪام، پوزيشن، خودمختياري) ۽ سينسر خاصيتون (مثال طور، ريزوليوشن، وزن، spectral wavelengths، فيلڊ. ڏسڻ) Haghighattalab et al. (2016) تجويز ڪيل هڪ نيم خودڪار تصويري پروسيسنگ پائپ لائن UAV تصويرن مان پلاٽ-سطح جي ڊيٽا حاصل ڪرڻ ۽ نسل جي عمل کي تيز ڪرڻ لاءِ. Holman et al. (2016) هڪ اعلي ترقي ڪئي
throughput فيلڊ فينو ٽائپنگ سسٽم ۽ نمايان ڪئي وئي آهي ته UAV معيار، حجم، فيلڊ تي ٻڌل فينو ٽائپڪ ڊيٽا گڏ ڪرڻ جي قابل آهي، ۽ اهو ڊوائيس وڏي علائقن ۽ مختلف فيلڊ جي جڳهن تي اثرائتو آهي.
جيئن ته پيداوار جو اندازو معلومات جو هڪ ناقابل يقين حد تائين اهم حصو آهي، خاص طور تي جڏهن وقت تي دستياب هجي، اتي هڪ امڪاني آهي UAVs لاءِ تمام فيلڊ ماپون مهيا ڪرڻ ۽ موثر طريقي سان اعليٰ معيار جي ڊيٽا حاصل ڪرڻ (Daakir et al.، 2017؛ Demir et al.، 2018 ؛ Enciso et al.، 2019 Kulbacki et al.، 2018). ان سلسلي ۾، جين وغيره. (2012) تمام گھٽ اونچائي تي UAVs پاران حاصل ڪيل اعليٰ ريزوليوشن تصويرن جو فائدو ورتو ۽ اڀرڻ واري مرحلي ۾ ڪڻڪ جي ٻوٽي جي کثافت جو اندازو لڳائڻ لاءِ ھڪڙو طريقو ٺاھيو. ليکڪن جي مطابق، UAVs ڪئميرا سان ليس روور سسٽم جي حدن تي قابو پائين ٿا ۽ فصلن ۾ ٻوٽن جي کثافت جو اندازو لڳائڻ لاء هڪ غير جارحتي طريقي جي نمائندگي ڪن ٿا، هارين کي زمين جي ٽرئفڪ جي صلاحيت کان آزاد فيلڊ فينوٽائپنگ لاء ضروري اعلي سطحي حاصل ڪرڻ جي اجازت ڏئي ٿي. لي وغيره. (2017) مڪئي جي ماپن جو اندازو لڳائڻ لاءِ UAV-based سسٽم استعمال ڪندي انتهائي اعليٰ ريزوليوشن سان سوين اسٽيريو تصويرون گڏ ڪيون، جن ۾ ڇت جي اوچائي ۽ زمين کان مٿانهون بايوماس شامل آهن. آخرڪار، Yue et al. (2016) ڏٺائين ته فصل جي اوچائي مقرر ڪئي وئي UAVs کان مٿي زمين جي بايوماس (AGB) تخميني کي وڌائي سگھي ٿي.
فصل جي واڌ کي مانيٽر ڪرڻ جو هڪ طريقو فصل جي سطح جا ماڊل ٺاهڻ جو خيال آهي (Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021). ڪيترن ئي اڀياسن ۾ ٻوٽن جي اوچائي کي پڪڙڻ ۽ انهن جي ترقي جي نگراني ڪرڻ لاءِ UAV مان ورتل تصويرن جي فزيبلٽي کي نمايان ڪيو ويو. مثال طور، Bendig et al. (2013) UAV استعمال ڪندي 0.05 m کان گھٽ جي تمام اعلي ريزوليوشن سان گھڻ-عدقي فصلن جي مٿاڇري جي ماڊل جي ترقي کي بيان ڪيو. انهن جو مقصد فصل کي ڳولڻ هو
ترقي جي تبديلي ۽ ان جو انحصار فصلن جي علاج، پوک، ۽ دٻاءُ تي. Bendig et al. (2014) فصلن جي مٿاڇري جي ماڊل مان نڪتل ٻوٽن جي اوچائي جي بنياد تي تازي ۽ خشڪ بايوماس جو اندازو لڳائڻ لاءِ UAVs استعمال ڪيو ۽ ڏٺائين ته، هواي پليٽ فارمن ۽ زميني ليزر اسڪيننگ جي برعڪس، UAVs مان اعليٰ ريزوليوشن تصويرون مختلف واڌ ويجهه لاءِ ٻوٽن جي اوچائي ماڊلنگ جي درستگي کي خاص طور تي وڌائي سگهن ٿيون. مرحلا. ساڳئي رڳ ۾، Geipel et al. (2014) تصويرون حاصل ڪرڻ لاء انهن جي تحقيق ۾ UAVs استعمال ڪيو
مڪئي جي اناج جي پيداوار جي اڳڪٿي ڪرڻ لاءِ ڊيٽا سيٽ ٽن مختلف مرحلن ۾ ابتدائي کان وچ واري موسم ۾ ۽ ان نتيجي تي پهتا ته فضائي تصويرن ۽ فصلن جي مٿاڇري جي ماڊل جي بنياد تي اسپيڪٽرل ۽ اسپيشل ماڊلنگ جو ميلاپ وچين سيزن مڪئي جي پيداوار جي اڳڪٿي ڪرڻ لاءِ مناسب طريقو آهي. آخرڪار، Gnadinger ¨ ۽ Schmidhalter (2017) UAV جي استعمال کي درست فينوٽائپنگ ۾ جانچيو ۽ نمايان ڪيو ته هن ٽيڪنالاجي جو استعمال فارم جي انتظام کي وڌائي سگهي ٿو ۽ نسل ۽ زرعي مقصدن لاء فيلڊ تجربن کي چالو ڪري سگهي ٿو. مجموعي طور تي، اسان ڏسون ٿا ته ڪلستر 2 ۾ اشاعت ريموٽ ۾ UAVs جي بنيادي فائدن تي ڌيان ڏئي ٿو.
فينو ٽائپنگ، پيداوار جو اندازو، فصل جي مٿاڇري جي ماڊلنگ، ۽ ٻوٽن جي ڳڻپ. مستقبل جي مطالعي کي ريموٽ فينوٽائپنگ لاء نئين طريقن کي ترقي ڪندي ڳنڍي سگھي ٿو جيڪي خودڪار ۽ بهتر ڪري سگھن ٿيون پروسيسنگ کي ريموٽ سينس ٿيل ڊيٽا (باراباسچي ايٽ ال.، 2016؛ ليبيسچ ايٽ ال.، 2015؛ Mochida et al.، 2015؛ S. Zhou et al. .، 2021). ان کان علاوه، UAVs تي نصب ٿيل IoT سينسر جي ڪارڪردگي ۽ انهن جي قيمتن جي وچ ۾ واپار، محنت، ۽ پيداوار جي تخميني جي درستگي کي تحقيق ڪرڻ جي ضرورت آهي.
مستقبل (جو ۽ پٽ، 2018a، 2018b؛ Xie & Yang، 2020؛ Yue et al.، 2018). آخرڪار، موثر تصويري پروسيسنگ طريقن کي ترقي ڪرڻ جي ضرورت آهي جيڪا قابل اعتماد معلومات پيدا ڪري سگهي ٿي، زرعي پيداوار ۾ ڪارڪردگي کي وڌائي، ۽ هارين جي دستي ڳڻپ جي ڪم کي گھٽائي سگھي ٿي (RU Khan et al., 2021; Koh et al., 2021; Lin & Guo، 2020؛ C. Zhang et al.، 2020).
ڪلسٽر 3. هن ڪلستر ۾ اشاعتون UAV پليٽ فارمن تي استعمال ٿيندڙ زرعي وسيلن جي ريموٽ سينسنگ لاءِ تصويري نظام جي مختلف قسمن تي بحث ڪن ٿيون. ان سلسلي ۾، تھرمل اميجنگ جي اجازت ڏئي ٿي مٿاڇري جي درجه حرارت جي نگراني کي فصلن جي نقصان کي روڪڻ ۽ خشڪي جي دٻاء کي جلد معلوم ڪرڻ لاء (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017؛ يوم، 2021). بلوجا وغيره. (2012) زور ڏنو ته جهاز تي multispectral ۽ حرارتي ڪئميرا جو استعمال
UAV محققن کي اعلي ريزوليوشن تصويرون حاصل ڪرڻ ۽ وائن جي پاڻي جي صورتحال جو جائزو وٺڻ جي قابل ڪيو. ريموٽ سينسنگ ڊيٽا (Baluja et al.، 2012). جي ڪري
UAVs جي محدود لوڊ گنجائش، Ribeiro-Gomes et al. (2017) ٻوٽن ۾ پاڻي جي دٻاءُ جو تعين ڪرڻ لاءِ UAVS ۾ غير کوليل تھرمل ڪيمرائن جي انضمام تي غور ڪيو، جيڪو ھن قسم جي UAVs کي روايتي سيٽلائيٽ تي ٻڌل ريموٽ سينسنگ ۽ UAVs کان وڌيڪ ڪارائتو ۽ ڪارائتو بڻائي ٿو. ليکڪن جي مطابق، اڻڄاتل حرارتي ڪئميرا ٿڌي ڪئميرا کان وڌيڪ روشن هوندا آهن، مناسب حساب جي ضرورت هوندي آهي. Gonzalez-Dugo et al. (2014) ڏيکاريو ويو آهي ته حرارتي تصويري اثرائتو نموني سان فصلن جي پاڻي جي دٻاءُ جي اشارن جا فضائي نقشا ٺاهي ٿي ته جيئن پاڻيءَ جي صورتحال جو اندازو لڳائي سگهجي ۽ ليمن جي باغن جي اندر ۽ اندر پاڻيءَ جي دٻاءُ جو اندازو لڳايو وڃي. Gonzalez-Dugo et al. (2013) ۽ Santesteban et al. (2017) اعلي ريزوليوشن UAV تھرمل تصويرن جي استعمال جي تحقيق ڪئي ھڪڙي تجارتي باغ ۽ انگورن جي باغ جي پاڻي جي حالت جي متغير جو اندازو لڳائڻ لاء.
Multispectral اميجنگ روايتي آر بي بي (لال، سائو، ۽ نيرو) تصويرن جي مقابلي ۾ وڏي ڊيٽا مهيا ڪري سگهي ٿي (Ad˜ ao et al.، 2017؛ Navia et al.، 2016). هي چشمي ڊيٽا، مقامي ڊيٽا سان گڏ، درجه بندي، نقشي سازي، اڳڪٿي، اڳڪٿي، ۽ ڳولڻ جي مقصدن ۾ مدد ڪري سگھي ٿي (Berni et al.، 2009b). Candiago et al جي مطابق. (2015)، UAV تي ٻڌل ملٽي اسپيڪٽرل اميجنگ وڏي پئماني تي فصلن جي تشخيص ۽ صحيح زراعت ۾ هڪ قابل اعتماد ۽ موثر وسيلو طور حصو ڏئي سگهي ٿي. پڻ،
خليق وغيره. (2019) سيٽلائيٽ ۽ يو اي وي تي ٻڌل ملٽي اسپيڪٽرل اميجنگ جي وچ ۾ مقابلو ڪيو. UAV تي ٻڌل تصويرن جي نتيجي ۾ انگورن جي باغ جي تبديليءَ کي بيان ڪرڻ ۾ وڌيڪ درست هجڻ سان گڏوگڏ فصلن جي ڇتين جي نمائندگي ڪرڻ لاءِ جوش جا نقشا پڻ آهن. مختصر طور تي، هن ڪلستر ۾ آرٽيڪل زرعي UAVs ۾ تھرمل ۽ ملٽي اسپيڪٽرل اميجنگ سينسر جي شموليت تي بحث ڪندا آھن. ان جي مطابق، وڌيڪ تحقيق جي ضرورت آهي انهي کي سمجهڻ لاءِ ته ڪيئن تھرمل ۽ ملٽي اسپيڪٽرل اميجنگ کي AI سان ضم ٿي سگھي ٿو
ٽيڪنالاجي (مثال طور، گہرے سکيا) پلانٽ جي دٻاء کي ڳولڻ لاء (Ampatzidis et al.، 2020; Ampatzidis & Partel, 2019; Jung et al., 2021; Santesteban et al., 2017; Syeda et al., 2021). اهڙيون بصيرتون ٻوٽن جي واڌ ويجهه، دٻاءُ ۽ فينولوجي جي نگراني کي وڌيڪ موثر ۽ درست معلوم ڪرڻ ۾ مدد ڏين ٿيون (Buters et al., 2019; Cao et al., 2020; Neupane & BaysalGurel, 2021; L. Zhou et al., 2020).
ڪلسٽر 4. ھي ڪلستر ست پيپرن تي مشتمل آھي جيڪي زراعت جي عملن کي سپورٽ ڪرڻ ۾ اسپيڪٽرل اميجنگ ۽ هائپر اسپيڪٽرل اميجنگ جي اھم ڪردار جي چوڌاري گھمندا آھن. هائپر اسپيڪٽرل اميجنگ پاڻ کي هڪ ريموٽ سينسنگ طريقي جي طور تي قائم ڪيو آهي جيڪو زمين جي نظام جي مقدار جي تشخيص کي قابل بنائي ٿو (Schaepman et al.، 2009). وڌيڪ صحيح هجڻ لاء، اهو سطحي مواد جي سڃاڻپ، (نسباتي) ڪنسنٽريشن جي مقدار کي درست ڪري ٿو، ۽ سطح جي اجزاء جي تناسب جي تفويض
مخلوط پکسلز جي اندر (Kirsch et al.، 2018؛ Zhao et al.، 2022). ٻين لفظن ۾، هائپر اسپيڪٽرل سسٽم پاران مهيا ڪيل اعلي اسپيڪٽرل ريزوليوشن مختلف پيٽرولن جي وڌيڪ صحيح تخميني کي قابل بنائي ٿو، جهڙوڪ سبزي جي ملڪيت يا پتي جي پاڻي جي مواد (Suomalainen et al.، 2014). هن ڪلستر ۾ محقق اهڙي نظام جي مختلف پهلوئن تي تحقيق ڪئي. ٻين جي وچ ۾، Aasen et al. (2015b) ٿلهي وزن مان ٽي-dimensional hyperspectral معلومات حاصل ڪرڻ لاءِ هڪ منفرد انداز پيش ڪيو
سنيپ شاٽ ڪيمرا استعمال ڪيا ويا UAVs تي نباتات جي نگراني لاءِ. Lucieer et al. (2014) هڪ ناول هائپر اسپيڪٽرل UAS جي ڊزائن، ترقي، ۽ فضائي عملن تي بحث ڪيو ويو آهي، انهي سان گڏ گڏ ڪيل تصويري ڊيٽا جي حساب ڪتاب، تجزيو، ۽ تفسير. آخرڪار، Honkavaara et al. (2013b) FabryPerot interferometer-based spectral images جي لاءِ هڪ جامع پروسيسنگ طريقه ڪار ٺاهيا ۽ ان جي استعمال کي ظاهر ڪيو بايوماس تخميني جي طريقيڪار ۾ درست زراعت لاءِ. هن موجوده ڪلسٽر لاءِ مستقبل جا امڪاني رستا شامل آهن سينسر ٽيڪنالاجيز (Aasen et al.، 2015b) ۾ ٽيڪنيڪل سڌارن جي ضرورت تي زور ڏيڻ سان گڏ گڏوگڏ مڪمل ٽيڪنالاجيز کي شامل ڪرڻ ۽ وڌائڻ جي ضرورت، خاص طور تي وڏي ڊيٽا ۽ اينالائيٽڪس (Ang & Seng, 2021; Radoglou2020) - گراميٽيڪس ايٽ ال.، 2019؛ شڪور ۽ ٻيا.، 2020). بعد ۾ خاص طور تي سمارٽ زراعت ۾ لاڳو ڪيل مختلف سينسرز پاران پيدا ڪيل هميشه وڌندڙ ڊيٽا مان نڪتل آهن (سي. لي ۽ نييو، 2022؛ A. ريجيب ۽ الائي.، 2021؛ Y. Su & Wang، XNUMX).
ڪلستر 5. ھن ڪلستر ۾ پبليڪيشن ڊرون تي ٻڌل 3Dmapping ايپليڪيشنن جو جائزو ورتو. 3D ميپنگ لاءِ ڊرون استعمال ڪرڻ سان پيچيده فيلڊ ڪم کي گھٽائي سگھجي ٿو ۽ ڪارڪردگيءَ ۾ ڪافي اضافو ٿي سگھي ٿو (Torres-Sanchez et al.، 2015). ڪلستر ۾ پنج آرٽيڪل خاص طور تي پلانٽ مانيٽرنگ ايپليڪيشنن تي ڌيان ڏنو ويو. مثال طور، ڇت جي ايراضي، وڻ جي اوچائي، ۽ تاج جي مقدار بابت ٽي-dimensional ڊيٽا حاصل ڪرڻ لاء، Torres-Sanchez ´ et al. (2015) استعمال ڪيو UAV ٽيڪنالاجي ڊجيٽل سطح جا ماڊل ٺاهڻ لاءِ ۽ پوءِ اعتراض تي ٻڌل تصويري تجزيو (OBIA) طريقا. وڌيڪ، Zarco-Tejada et al. (2014) UAV ٽيڪنالاجي ۽ ٽي-dimensional فوٽو-بحالي طريقن کي ضم ڪندي وڻ جي اوچائي جو مقدار. جمينز-برينس لوپيز-گريناڊس، ڊي ڪاسترو، وغيره. (2017) جديد OBIA طريقي سان UAV ٽيڪنالاجي کي ضم ڪندي ڪيترن ئي وقتي، 3D مانيٽرنگ لاءِ ڪيترن ئي زيتون جي وڻن جي نئين عمل جو مظاهرو ڪيو. هن ڪلستر ۾ مستقبل جي ڪم لاءِ دلچسپ رستا شامل آهن يا ته موجوده کي بهتر ڪرڻ
طريقا (Zarco-Tejada et al.، 2014) ڊجيٽل سطح جي ماڊلنگ جي مقصدن لاء (Ajayi et al.، 2017؛ Jaud et al.، 2016)، جهڙوڪ OBIA (de Castro et al.، 2018، 2020؛ Ventura et al. ، 2018)، ۽ تصوير جي بحالي يا ترقي ڪندڙ ناول طريقا (Díaz-Varela et al.، 2015؛ Torres-S' anchez et al.، 2015).
ڪلستر 6. ھي ڪلستر زرعي نگراني ۾ ڊرون جي ڪردار تي بحث ڪري ٿو. UAVs سيٽلائيٽ ۽ جهاز جي تصويرن جي گھٽتائي کي پورو ڪري سگھن ٿا. مثال طور، اهي گهٽ ايندھن يا پائلٽنگ چئلينج سان حقيقي وقت جي امڪاننگ جي ويجهو اعلي ريزوليوشن مهيا ڪري سگھن ٿا، نتيجي ۾ مسلسل ۽ حقيقي وقت جي نگراني ۽ فيصلا سازي ۾ بهتري (S. Herwitz et al.، 2004). UAVs جو هڪ ٻيو اهم حصو انهن جي اعلي ريزوليوشن جي طور تي درست زراعت يا سائيٽ جي مخصوص فارمنگ لاءِ سائيٽ-مخصوص ڊيٽا مهيا ڪرڻ جي صلاحيت آهي، مختلف معيارن بابت تفصيلي ڊيٽا هارين کي زمين کي هڪجهڙائي واري حصن ۾ ورهائڻ جي قابل بڻائي ٿو ۽ انهن جي مطابق علاج ڪري ٿو (Hunt et al. 2010؛ CC Lelong et al.، 2008 Primicerio et al.، 2012). اهڙيون UAV تي ٻڌل زرعي نگراني فوڊ سيڪيورٽي مانيٽرنگ ۽ فيصلا ڪرڻ جي مدد ڪري سگهي ٿي (SR Herwitz et al.، 2004). زرعي نگراني ۾ تحقيق کي اڳتي وڌائڻ لاءِ، نه رڳو سينسر، UAVs ۽ ٻين لاڳاپيل ٽيڪنالاجيز ۾ بهتري ۽ انهن جي ڪميونيڪيشن ۽ ڊيٽا جي منتقلي جي طريقن جي ضرورت آهي (Ewing et al., 2020; Shuai et al., 2019)، پر ڊرونز کي به مختلف طريقن سان ضم ڪرڻ. سمارٽ زراعت جي حوالي سان مختلف ڪمن کي بهتر ڪرڻ لاءِ ٽيڪنالاجيون، جهڙوڪ مانيٽرنگ، زرعي نگراني، ۽ فيصلا ڪرڻ، هڪ اعليٰ امڪاني تحقيقي علائقو آهي (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). ان سلسلي ۾، IoT، WSNs، ۽ وڏي ڊيٽا پيش ڪن ٿيون دلچسپ اضافي صلاحيتون (van der Merwe et al.، 2020). لاڳو ڪرڻ جي قيمت، قيمت جي بچت، توانائي جي ڪارڪردگي، ۽ ڊيٽا جي حفاظت اهڙي انضمام لاء زير تحقيق ٿيل علائقن مان آهن (مسرور ۽ ال.، 2021).
ملڪ ۽ تعليمي ادارا
آخري قدم ۾ اصل ملڪ جي تحقيق ۽ ليکڪن جي علمي وابستگي شامل هئي. هن تجزيي ذريعي، اسان جو مقصد عالمن جي جغرافيائي ورڇ کي بهتر سمجهڻ جو مقصد آهي جيڪي زراعت ۾ ڊرونز جي ايپليڪيشنن ۾ حصو وٺندا آهن. اهو قابل ذڪر آهي ته ملڪن ۽ تعليمي ادارن جي تنوع کي نوٽيس. ملڪ جي نقطه نظر کان، آمريڪا، چين، هندستان، ۽ اٽلي اشاعتن جي تعداد جي لحاظ کان فهرست جي چوٽي تي آهي (ٽيبل 7). موجوده
زرعي ڊرون تي تحقيق گهڻو ڪري اتر آمريڪي ۽ ايشيائي ملڪن ۾ مرڪز آهي، خاص طور تي انهن جي صحت واري زراعت جي ايپليڪيشنن ۾ اعلي مصروفيت جي ڪري. مثال طور، آمريڪا ۾، زرعي ڊرونز جي مارڪيٽ جو اندازو لڳايو ويو 841.9 ۾ 2020 ملين آمريڪي ڊالر، تقريبن 30٪ جي حساب سان عالمي مارڪيٽ شيئر (ReportLinker، 2021). دنيا جي سڀ کان وڏي معيشت جي حيثيت سان، چين جي 2.6 ۾ تقريبن 2027 بلين آمريڪي ڊالر جي مارڪيٽ سائيز تائين پهچڻ جي اڳڪٿي ڪئي وئي آهي. هي ملڪ زرعي ڊرونز جي اپيل ڪري رهيو آهي ته جيئن پيداوار جي مسئلن تي قابو پائڻ ۽ بهتر پيداوار حاصل ڪرڻ، مزدورن جي گھٽتائي، ۽ گهٽ پيداوار جي پيداوار حاصل ڪرڻ لاء. بهرحال، چين ۾ ٽيڪنالاجي کي اپنائڻ پڻ عنصرن جي ڪري آهي جهڙوڪ آبادي جي ماپ ۽ موجوده فصل جي انتظام جي عملن کي جدت ۽ بهتر ڪرڻ جي ضرورت آهي.
سڀ کان وڌيڪ پيداواري ملڪ ۽ يونيورسٽيون/ تنظيمون جيڪي حصو وٺن ٿيون
زرعي ڊرون سان لاڳاپيل تحقيق.
رٿا | ملڪ |
1 | آمريڪا |
2 | چين |
3 | انڊيا |
4 | اٽلي |
5 | اسپين |
6 | جرمني |
7 | برازيل |
8 | آسٽريليا |
9 | جاپان |
10 | برطانيه |
رٿا | يونيورسٽيون / تنظيمون |
1 | چيني اڪيڊمي جو سائنس |
2 | چين جي عوام جي جمهوريه جي زراعت جي وزارت |
3 | سائنسي تحقيقات جو اعليٰ ڪائونسل |
4 | ٽيڪساس اي ۽ ايم يونيورسٽي |
5 | چين زرعي يونيورسٽي |
6 | USDA زرعي ريسرچ سروس |
7 | CSIC - Instituto de Agriculture Sostenible IAS |
8 | پدويو يونيورسٽي |
9 | Consiglio Nazionale Delle Ricerche |
10 | ڏکڻ چين جي زرعي يونيورسٽي |
هڪ يونيورسٽي ۽ تنظيمي نقطه نظر کان، چائنيز اڪيڊمي آف سائنسز اشاعتن جي تعداد جي لحاظ کان لسٽ ۾ سڀ کان مٿانهون آهي، بعد ۾ چين جي عوام جي جمهوريه جي زراعت واري وزارت ۽ Consejo Superior de Investigaciones Científicas. چائنيز اڪيڊمي آف سائنسز جي نمائندگي ڪندڙ ليکڪ ليا شياوهان ۽ لي جون؛ هان وينٽنگ چين جي عوامي جمهوريه جي زراعت واري وزارت جي نمائندگي ڪري ٿو؛ ۽ Consejo Superior de Investigaciones Científicas جي نمائندگي ڪئي وئي آهي لوپيز-گرينادوس، ´F. ۽ پينا، ˜ Jos´e María S. USA کان، يونيورسٽيون جهڙوڪ Texas A&M University ۽ Purdue University
ذڪر ڪرڻ. يونيورسٽيون جن ۾ سڀ کان وڌيڪ اشاعتون آهن ۽ انهن جو تعلق تصوير 4 ۾ ڏيکاريو ويو آهي. اضافي طور تي، هن فهرست ۾ ادارا شامل آهن جهڙوڪ Consiglio Nazionale delle Ricerche ۽ Consejo Superior de Investigaciones Científicas جيڪي سائنسي تحقيق ۾ سرگرم آهن، پر تعليمي ادارا نه آهن. .
اسان جي چونڊ ۾ جرنلز جي هڪ وڏي قسم شامل آهي، جنهن ۾ تقريبن سڀ موجود ڊيٽا شامل آهن. جيئن جدول 8 ۾ ڏيکاريو ويو آهي، ريموٽ سينسنگ 258 مضمونن سان سڀ کان مٿي، ان کان پوءِ جرنل آف انٽيليجنٽ اينڊ روبوٽڪ سسٽم: ٿيوري ۽ ايپليڪيشنون 126 سان ۽ ڪمپيوٽر ۽ اليڪٽرانڪس ان ايگريڪلچر 98 مضمونن سان. جڏهن ته ريموٽ سينسنگ گهڻو ڪري ڊرونز جي ايپليڪيشن ۽ ترقي تي مرکوز آهي، زراعت ۾ ڪمپيوٽر ۽ اليڪٽرانڪس بنيادي طور تي زراعت ۾ ڪمپيوٽر هارڊويئر، سافٽ ويئر، اليڪٽرانڪس، ۽ ڪنٽرول سسٽم ۾ پيش رفت شامل آهن. ڪراس-ايريا آئوٽليٽس، جهڙوڪ IEEE روبوٽڪس ۽ آٽوميشن ليٽرس 87 پبليڪيشنن سان ۽ IEEE رسائي 34 پبليڪيشنن سان، پڻ فيلڊ ۾ پريميئر آئوٽليٽس آهن. مٿين پندرهن آئوٽليٽن 959 دستاويزن سان ادب ۾ حصو ورتو آهي، جيڪو تقريبن 20.40٪ سڀني اشاعتن جو آهي. جرنل جي گڏيل حوالن جو تجزيو اسان کي اشاعت جي وچ ۾ اهميت ۽ هڪجهڙائي کي جانچڻ جي قابل بڻائي ٿو. گڏيل حوالن جي تجزيي مان ٽي ڪلستر مليا آهن، جيئن تصوير 5 ۾ ڏيکاريل آهي. ڳاڙهي ڪلستر جرنلز تي مشتمل آهي جهڙوڪ ريموٽ سينسنگ، ڪمپيوٽر ۽ اليڪٽرانڪس ان ايگريڪلچر، سينسرز،
۽ انٽرنيشنل جرنل آف ريموٽ سينسنگ. اهي سڀئي آئوٽليٽ ريموٽ سينسنگ ۽ درست زراعت جي علائقن ۾ انتهائي معتبر جرنل آهن. گرين ڪلسٽر ۾ جرنلز شامل آھن جيڪي روبوٽڪس سان ڊيل ڪن ٿا، جھڙوڪ جرنل آف انٽيليجنٽ اينڊ روبوٽڪ سسٽم: ٿيوري ۽ ايپليڪيشنز، آئي اي اي اي روبوٽڪس اينڊ آٽوميشن ليٽرز، آئي اي اي اي رسائي، ۽ ڊرونز. اهي دڪان گهڻو ڪري آٽوميشن تي مقالا شايع ڪن ٿا ۽ زرعي انجنيئرن لاءِ ڪارآمد آهن. فائنل ڪلسٽر ايگرانومي ۽ زرعي انجنيئرنگ سان لاڳاپيل جرنلز، جهڙوڪ ايگرانومي ۽ انٽرنيشنل جرنل آف ايگريڪلچرل اينڊ بايولوجيڪل انجنيئرنگ ذريعي ٺاهيا ويا آهن.
زرعي ڊرون سان لاڳاپيل تحقيق ۾ مٿي 15 جرنلز.
رٿا | جرنل | ڳڻپ |
1 | ريموٽ سيزنگ | 258 |
2 | جرنل آف انٽيليجنٽ اينڊ روبوٽڪ سسٽم: ٿيوري ۽ اپليڪشن | 126 |
3 | زراعت ۾ ڪمپيوٽر ۽ اليڪٽرانڪس | 98 |
4 | IEEE روبوٽڪس ۽ آٽوميشن خط | 87 |
5 | Sensors | 73 |
6 | بين الاقوامي جرنل آف ريموٽ سينسنگ | 42 |
7 | صحت واري زراعت | 41 |
8 | ڊرون | 40 |
9 | Agronomy | 34 |
10 | IEEE رسائي | 34 |
11 | انٽرنيشنل جرنل آف ايڊوانسڊ روبوٽڪ سسٽم | 31 |
12 | بين الاقوامي جرنل آف زرعي ۽ حياتياتي انجنيئرنگ | 25 |
13 | PLOS ONE | 25 |
14 | جرنل آف فيلڊ روبوٽڪس | 23 |
15 | بائيوس سسٽم انجنيئرنگ | 23 |
ٿڪل
خلاصو
هن مطالعي ۾، اسان زرعي ڊرونز تي موجوده تحقيق جو خلاصو ۽ تجزيو ڪيو. مختلف bibliometric ٽيڪنالاجي کي لاڳو ڪندي، اسان ڪوشش ڪئي ته زرعي ڊرون سان لاڳاپيل تحقيق جي دانشورانه ڍانچي کي بهتر سمجهڻ. مجموعي طور تي، اسان جو جائزو پيش ڪري ٿو ادب ۾ لفظن جي سڃاڻپ ۽ بحث ڪندي، علم جي ڪلستر کي ظاهر ڪندي جڏهن ته ڊرون جي ميدان ۾ بنيادي طور تي ساڳيا برادريون ٺاهيندي، اڳوڻي تحقيق کي بيان ڪندي، ۽ مستقبل جي تحقيق جي هدايتن جو مشورو ڏئي ٿو. هيٺ، اسان زرعي ڊرونز جي ترقي تي نظرثاني جي مکيه نتيجن کي بيان ڪريون ٿا:
• مجموعي ادب تيزي سان ترقي ڪئي آهي ۽ گذريل ڏهاڪي ۾ تمام گهڻو ڌيان ڇڪايو آهي، جيئن ته 2012ع کان پوءِ مضمونن جي تعداد ۾ اضافو ظاهر ڪيو ويو آهي. جيتوڻيڪ هن علم جو ميدان اڃا پنهنجي پوري پختگي کي حاصل نه ڪري سگهيو آهي (Barrientos et al., 2011; Maes. ۽ اسٽيپ، 2019)، ڪيترائي سوال اڃا تائين جواب نه آهن. مثال طور، ڊرون فارمنگ ۾ ڊرون جي افاديت اڃا تائين بحث لاء کليل آهي (Aslan et al.، 2022؛ Krul et al.، 2021؛ Rold' an et al.، 2015). فيلڊ جي منظرن جي پيچيدگي ۽ مختلف تصويرن جي حالتن (مثال طور، ڇانو ۽ روشني) جي نتيجي ۾ ٿي سگهي ٿي هڪ اعلي اسپيڪٽرل ان-ڪلاس ويرينس (Yao et al.، 2019). جيتوڻيڪ بعد ۾ تحقيق جي مرحلن ۾، محقق کي خاص حالتن ۽ گهربل تصويري معيار (Soares et al.، 2021؛ Tu et al.،
2020).
• اسان نوٽيس ڪيو ته فيلڊ موثر UAV سسٽم ٺاهڻ کان وٺي AI ٽيڪنالاجي کي شامل ڪرڻ تائين ترقي ڪئي آهي، جهڙوڪ مشين سکيا ۽ زرعي ڊرونز جي ڊيزائن ۾ ڊيپ لرننگ (Bah et al., 2018; Kitano et al., 2019; Maimaitijiang et al. 2020؛ Mazzia et al., 2020, Tetila et al., 2020).
• زرعي ڊرونز تي تحقيق خاص طور تي ريموٽ سينسنگ تي بحث ڪيو ويو آهي ٽيڪنالاجي جي امڪانن کي دريافت ڪندي ماحولياتي نگراني، فصل جي انتظام، ۽ ويڊ مينيجمينٽ (ڪلسٽر 1) سان گڏوگڏ ريموٽ فينو ٽائپنگ ۽ پيداوار جو اندازو (ڪلسٽر 2). زرعي ڊرونز تي اثرائتي مطالعي جو هڪ سيٽ شامل آهي Austin (2010)، Berni et al. (2009)a، Herwitz et al. (2004)، Nex and Remondino (2014)، ۽ Zhang and Kovacs (2012). انهن اڀياسن زراعت جي حوالي سان ڊرون سان لاڳاپيل تحقيق جي تصوراتي بنياد کي ترقي ڏني.
• طريقي سان لاڳاپيل، اسان ڏٺو آهي ته هن وقت تائين ڪيل اڪثر تحقيق يا ته سسٽم ڊيزائن، تصوراتي، يا جائزو تي ٻڌل مطالعي تي مشتمل هئي (Inoue, 2020; Nex & Remondino, 2014; P'erez-Ortiz et al. 2015؛ Yao et al.، 2019). اسان زرعي ڊرونز جي تحقيقات ۾ ڪم تي تجرباتي، قابليت، ۽ ڪيس جي مطالعي جي بنياد تي طريقن جي کوٽ پڻ محسوس ڪندا آهيون.
• تازي طور تي، صحت واري زراعت سان لاڳاپيل موضوع، AI ٽيڪنڪ، درست ويٽيڪلچر، ۽ پاڻي جي دٻاء جي تشخيص کي خاص ڌيان ڏنو ويو آهي (Espinoza et al.، 2017؛ Gomez-Cand ´ et al.، 2016؛ Matese et al.، 2015; Matese & Di Gennaro، 2018، 2021؛ Z. Zhou et al.، 2021). ٻن الڳ دورن، 1990-2010 ۽ 2011-2021 ۾ تحقيقي ڪلسٽرن جو محتاط امتحان، ڊومين جي دانشورانه ساخت جي ترقي کي ظاهر ڪري ٿو. 1990 کان 2010 تائين جي عرصي ۾ مرڪزي تصورن ۽ ڊرونز جي تصورن جي تعمير ڪئي وئي، جيڪا UAV ڊيزائن، ترقي، ۽ عمل درآمد جي بحث مان واضح ٿئي ٿي. ٻئي دور ۾، تحقيق جي توجه اڳئين مطالعي تي وڌي ٿي، زراعت ۾ UAV استعمال جي ڪيسن کي گڏ ڪرڻ جي ڪوشش ڪندي. اسان ڪيترائي مطالعو پڻ ڏٺا جيڪي ڊرون ايپليڪيشنن تي بحث ڪن ٿا اميجنگ ڪمن ۽ صحت واري زراعت ۾.
رٿا | جرنل | ڳڻپ |
1 | ريموٽ سيزنگ | 258 |
2 | جرنل آف انٽيليجنٽ اينڊ روبوٽڪ سسٽم: ٿيوري ۽ | 126 |
اپليڪشن | ||
3 | زراعت ۾ ڪمپيوٽر ۽ اليڪٽرانڪس | 98 |
4 | IEEE روبوٽڪس ۽ آٽوميشن خط | 87 |
5 | Sensors | 73 |
6 | بين الاقوامي جرنل آف ريموٽ سينسنگ | 42 |
7 | صحت واري زراعت | 41 |
8 | ڊرون | 40 |
9 | Agronomy | 34 |
10 | IEEE رسائي | 34 |
11 | انٽرنيشنل جرنل آف ايڊوانسڊ روبوٽڪ سسٽم | 31 |
12 | بين الاقوامي جرنل آف زرعي ۽ حياتياتي انجنيئرنگ | 25 |
13 | PLOS ONE | 25 |
14 | جرنل آف فيلڊ روبوٽڪس | 23 |
15 | بائيوس سسٽم انجنيئرنگ | 22 |
امڪانات
اسان جو بائيبلوميٽرڪ جائزو عالمن، هارين، زرعي ماهرن، فصلن جي صلاحڪارن، ۽ UAV سسٽم جي ڊيزائنرز کي ذهن ۾ رکندي ٺاهيو ويو ۽ ڪيو ويو. ليکڪن جي بهترين ڄاڻ لاء، هي هڪ پهريون اصل جائزو آهي جنهن ۾ هڪ گهيرو بائيبلوميٽرڪ تجزيو ڪيو ويو آهي.
زراعت ۾ ڊرون ايپليڪيشنون. اسان هن علم جي اداري جو هڪ جامع جائزو ورتو آهي، اشاعت جي حوالن ۽ گڏيل حوالن جي تجزين کي استعمال ڪندي. ڊرون تحقيق جي دانشورانه ڍانچي کي بيان ڪرڻ لاءِ اسان جون ڪوششون پڻ تعليمي ماهرن لاءِ نئين بصيرت پيش ڪن ٿيون. وقت سان استعمال ٿيندڙ لفظن جو محتاط جائزو ڊرون سان لاڳاپيل ادب ۾ هٽ اسپاٽ ۽ فوڪل ريسرچ علائقن کي ظاهر ڪري ٿو. ان کان علاوه، اسان سڀ کان وڌيڪ حوالا ڪيل مطالعي جي هڪ فهرست پيش ڪندا آهيون جيڪي فيلڊ ۾ مڪمل ٿيل سڀ کان وڌيڪ اثرائتي تحقيقي ڪم جي نشاندهي ڪن ٿا. مضمونن ۽ لفظن جي سڃاڻپ نتيجي ۾ مستقبل جي مطالعي لاءِ ڪيترن ئي رستا کي بي نقاب ڪرڻ لاءِ هڪ مضبوط شروعاتي نقطو مهيا ڪري سگهي ٿي.
خاص طور تي، اسان ڪلستر ظاهر ڪيو جيڪي موازنہ ڪمن کي درجه بندي ڪن ٿا ۽ نتيجن تي تفصيلي وضاحت ڪن ٿا. ڪلستر ۾ درجه بندي ڪيل اڀياس UAV تحقيق جي دانشورانه ڍانچي کي سمجهڻ ۾ مدد ڪن ٿيون. خاص طور تي، اسان مطالعي جي کوٽ دريافت ڪئي جيڪا ڊرونز کي اپنائڻ واري عوامل جي تحقيق ڪري ٿي
۽ زراعت جي سرگرمين ۾ رڪاوٽون (ڏسو ٽيبل 9). مستقبل جا محقق تجرباتي تحقيقات ذريعي هن امڪاني خلا کي حل ڪري سگھن ٿا جيڪي مختلف زراعت جي سرگرمين ۽ موسمي حالتن ۾ ڊرونز کي اپنائڻ واري عنصر جو جائزو وٺندا آهن. ان کان علاوه، ڊرونز جي اثرائتي جي حوالي سان ڪيس جي مطالعي تي ٻڌل تحقيق کي فيلڊ مان حقيقي ڊيٽا سان گڏ ڪيو وڃي. انهي سان گڏ، هارين ۽ مينيجرز کي تعليمي تحقيق ۾ شامل ڪرڻ ٻنهي لاء فائدي وارو هوندو ڊرون تحقيق جي نظرياتي ۽ عملي ترقي. اسان سڀ کان وڌيڪ ممتاز محقق ۽ انهن جي تعاون کي سڃاڻڻ جي قابل هئا، جيڪو قيمتي آهي ڇو ته تازو سيمينل ڪمن جي آگاهي مستقبل جي علمي ڪوششن لاء ڪجهه هدايت پيش ڪري سگهي ٿي.
ٽيبل 9
UAV اپنائڻ جي رڪاوٽون.
بيئر | وضاحت |
ڊيٽا جي حفاظت | سائبر سيڪيورٽي کي لاڳو ڪرڻ لاء هڪ وڏو چئلينج آهي IoT حل (مسرور ۽ ٻيا.، 2021). |
مداخلت ۽ جڙڻ | مختلف ٽيڪنالاجيون جهڙوڪ UAV، WSN، IoT، وغيره. ضم ٿيڻ گهرجي ۽ ڊيٽا کي منتقل ڪرڻ گهرجي پيچيدگي جي سطح کي وڌايو (Alsamhi et al.، 2021؛ Popescu et al.، 2020؛ Vuran et al.، 2018). |
لاڳو ڪرڻ جي خرچ | اهو خاص طور تي ننڍي هارين ۽ لاء ڪيس آهي مختلف جديد ٽيڪنالاجيز کي گڏ ڪرڻ ( مسرور وغيره.، 2021). |
محنت جي ڄاڻ ۽ ماهر | UAVs هلائڻ لاءِ ماهر ڊرون پائلٽس جي ضرورت آهي. پڻ، مختلف ڪٽڻ واري ايج کي لاڳو ڪرڻ ٽيڪنالاجي کي ماهر مزدورن جي ضرورت آهي (YB Huang et al.، 2013؛ Tsouros et al.، 2019). |
انجڻ جي طاقت ۽ پرواز مدت | ڊرون ڊگھي ڪلاڪن ۽ ڍڪ تائين هلائي نه ٿو سگهجي وڏا علائقا (هارڊين ۽ هارڊين، 2010؛ لاليبرٽ ۽ ٻيا.، 2007). |
استحڪام، اعتبار، ۽ چال چلت | خراب موسم جي حالتن ۾ ڊرون مستحڪم نه هوندا آهن (هارڊين ۽ هارڊين، 2010؛ لاليبرٽ وغيره، 2007). |
پيل لوڊ جون حدون ۽ سينسر جي معيار | ڊرونز صرف محدود لوڊ کڻي سگھن ٿا گھٽ معيار جي سينسر کي لوڊ ڪرڻ جي صلاحيت (Nebiker اي ايل.، 2008). |
ريگيوليشن | جيئن ته ڊرون خطرناڪ پڻ ٿي سگهي ٿو، اتي سخت آهن ڪجهه علائقن ۾ ضابطا (هارڊين ۽ جينسن، 2011؛ لاليبرٽ ۽ رنگو، 2011). |
هارين جي ڄاڻ ۽ فائدي | جيئن ٻين جديد ٽيڪنالاجيز، ڊرونز ڪامياب عملدرآمد جي ضرورت آهي ماهر ۽ پڻ غير يقيني صورتحال سان گڏ (Fisher et al.، 2009; Lambert et al.، 2004؛ اسٽافورڊ، 2000). |
جيئن ته پيداوار کي وڌائڻ لاءِ موجود وسيلن کي موثر طريقي سان استعمال ڪرڻ جي مسلسل ضرورت آهي، ان ڪري هارين ڊرون جو فائدو وٺي سگهن ٿا ته جيئن انهن جي زمينن جي تيز، درست ۽ قيمتي اسڪيننگ کي يقيني بڻائي سگهجي. ٽيڪنالاجي هارين کي مدد ڪري سگهي ٿي انهن جي فصلن جي حالت جو تعين ڪرڻ ۽ پاڻي جي صورتحال جو اندازو لڳائڻ، پکڻ جو مرحلو، حشرات جي انفيڪشن ۽ غذائي ضرورتن جو. ڊرونز جي ريموٽ سينسنگ صلاحيتون هارين کي اهم ڊيٽا مهيا ڪري سگھن ٿيون ته جيئن مسئلن جي ابتدائي مرحلي ۾ اڳڪٿي ڪري سگهجي ۽ فوري طور تي مناسب مداخلت ڪري سگهجي. بهرحال، ٽيڪنالاجي جي فائدن کي صرف محسوس ڪري سگهجي ٿو جيڪڏهن چيلينج کي صحيح طور تي خطاب ڪيو وڃي. جي روشني ۾
ڊيٽا سيڪيورٽي جي حوالي سان موجوده مسئلا، سينسر ٽيڪنالاجي مسئلن (مثال طور، ماپ جي اعتبار يا درستگي)، انضمام جي پيچيدگي، ۽ انتهائي عمل درآمد جي قيمت، مستقبل جي مطالعي کي پڻ جانچڻ گهرجي ته زرعي ڊرونز ۽ ٻين ڪٽڻ جي ضم ڪرڻ جي ٽيڪنيڪل، اقتصادي، ۽ عملياتي فزيبلٽي. ڪنڊ ٽيڪنالاجيون.
حدون
اسان جي مطالعي ۾ ڪيتريون ئي حدون آهن. پهرين، نتيجن کي حتمي تجزيو لاء چونڊيل اشاعتن طرفان طئي ڪيو ويندو آهي. زرعي ڊرونز سان لاڳاپيل سڀني لاڳاپيل مطالعي کي پڪڙڻ مشڪل آهي، خاص طور تي جيڪي اسڪوپس ڊيٽابيس ۾ ترتيب ڏنل نه آهن. وڌيڪ، ڊيٽا گڏ ڪرڻ جو عمل صرف ڳولا جي لفظن جي سيٽنگ تائين محدود آهي، جيڪو شايد شامل نه هجي ۽ اڻڄاتل نتيجن ڏانهن وٺي وڃي. ان ڪري، مستقبل جي مطالعي کي ڊيٽا گڏ ڪرڻ جي بنيادي مسئلي تي وڌيڪ ڌيان ڏيڻ جي ضرورت آهي
وڌيڪ قابل اعتماد نتيجا. هڪ ٻي حد نون اشاعتن جو تعلق آهي جنهن ۾ حوالن جي گهٽ تعداد سان. بائيبلوميٽرڪ تجزيو اڳئين اشاعتن جي طرف متعصب آهي جيئن اهي سالن کان وڌيڪ حوالا حاصل ڪندا آهن. تازن مطالعي کي ڌيان ڏيڻ ۽ حوالن کي گڏ ڪرڻ لاء هڪ خاص وقت جي ضرورت آهي. نتيجي طور، تازو مطالعو جيڪي هڪ مثالي تبديلي آڻيندا آهن انهن جي درجه بندي نه هوندي مٿين ڏهن بااثر ڪمن ۾. اها حد تيزيءَ سان اڀرندڙ ريسرچ ڊومينز جهڙوڪ زرعي ڊرونز جي امتحان ۾ موجود آهي. جيئن ته اسان هن ڪم لاءِ ادب جو مطالعو ڪرڻ لاءِ اسڪوپس سان صلاح ڪئي آهي، مستقبل جا محقق ان تي غور ڪري سگهن ٿا
ڊيٽابيس، جهڙوڪ ويب آف سائنس ۽ IEEE Xplore، افق کي وڌائڻ ۽ تحقيق جي جوڙجڪ کي وڌائڻ لاء.
ممڪن بائيبلوميٽرڪ مطالعو شايد ٻين اهم علم جي ذريعن تي غور ڪري سگھي ٿو جهڙوڪ ڪانفرنس پيپر، باب، ۽ ڪتاب ناول جي بصيرت پيدا ڪرڻ لاء. زرعي ڊرونز تي عالمي اشاعتن جي نقشي سازي ۽ تحقيق ڪرڻ جي باوجود، اسان جي نتيجن کي يونيورسٽين جي علمي نتيجن جي سببن کي ظاهر نه ڪيو. هي تحقيق جي هڪ ناول واري علائقي ڏانهن رستو هموار ڪري ٿو معيار جي وضاحت ۾ ڇو ته ڪجهه يونيورسٽيون ٻين جي ڀيٽ ۾ وڌيڪ پيداوار آهن جڏهن اها زرعي بابت تحقيق جي اچي ٿي.
ڊرون ان کان علاوه، مستقبل جا اڀياس ڪيترن ئي طريقن سان زراعت جي استحڪام کي وڌائڻ لاء ڊرونز جي صلاحيت ۾ بصيرت مهيا ڪري سگھن ٿا جهڙوڪ ماحولياتي نگراني، فصل جي انتظام، ۽ ويڊ ميپنگ جيئن ته ڪيترن ئي محققن پاران اشارو ڪيو ويو آهي (چاموه ۽ سنگهه، 2019؛ اسلام ايٽ ال.، 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018b). جيئن ته چونڊيل مقالن جي وڏي تعداد جي ڪري متني تجزيا ممڪن نه هئا، ان ڪري ادبي تجزيي جي ضرورت آهي، جيڪي تحقيقي مقالن کي پرکين.
تحقيق جا طريقا استعمال ڪيا ويا ۽ اڳين مطالعي ۾ هارين جي شموليت. مختصر ۾، ڊرون تحقيق جو اسان جو تجزيو هن علم جي جسم جي پوشيده رابطن کي ظاهر ڪري ٿو. تنهن ڪري هي جائزو اشاعت جي وچ ۾ لاڳاپن کي ظاهر ڪرڻ ۾ مدد ڪري ٿو ۽ تحقيق جي ميدان جي دانشورانه جوڙجڪ کي ڳولي ٿو. اهو ادب جي مختلف پهلوئن جي وچ ۾ لاڳاپن کي پڻ ظاهر ڪري ٿو، جهڙوڪ ليکڪ جا لفظ، وابستگي، ۽ ملڪن.
مقابلي جي دلچسپي جو اعلان
ليکڪ اعلان ڪري ٿو ته انهن وٽ ڪوبه competاڻايل مالي مفاد يا ذاتي تعلقات نه آهن جيڪي هن اخبار ۾ ڪم جي اثرائتي ظاهر ٿي سگھن ها.
جر 1
TITLE-ABS-KEY (((ڊرون* يا ”بغير پائلٽ هوائي گاڏي“ يا uav* يا ”غير پائلٽ جهاز جو نظام”يا اسان يا ”ريموٽ پائلٽ جهاز”) ۽ (زرعي يا زراعت يا زراعت يا هاري))) ۽ (خارج ڪريو (PUBYEAR، 2022)) ۽ (LIMIT-TO (Language, "انگريزي")).
حوالا
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. Generating 3D hyperspectral information with lightweight UAV سنيپ شاٽ ڪيمرائن لاءِ نباتات جي نگراني: کان
ڪيمرا calibration کي معيار جي ضمانت. ISPRS J. فوٽوگرام. ريموٽ سينس. 108، 245-259. https://doi.org/10.1016/j.isprsjprs.2015.08.002
عبدالرحمان، اي.، پرلسٽائن، ايل.، پرسيوال، ايف.، 2005. ڊولپمينٽ آف پیٹرن ريڪگنيشن الگورٿم فار آٽوميٽڪ برڊ ڊيٽڪشن فار بي ايمنسڊ ايريل گاڏي جي تصويرن مان.
سروي. زمين جي ڄاڻ. سائنس 65 (1)، 37-45.
عبداللهي، اي.، ريجيب، ڪي.، رجب، اي.، مصطفي، ايم ايم، زيلاني، ايس، 2021. زراعت ۾ وائرليس سينسر نيٽ ورڪ: بائيبلوميٽرڪ تجزيي کان بصيرت. استحڪام 13 (21)
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M., اعلي ريزوليوشن آپٽيڪل تصويري ۾ ڇانو ڳولڻ جي مختلف طريقن جو جائزو ۽ حساب تي پاڇي جي اثر جو جائزو جي NDVI، ۽ evapotranspiration. آبياري. سائنس 37 (3)، 407-429. https://doi.org/10.1007/s00271-018-0613-9.
Adao, ˜ T., Hruˇska, J., Padua, ´L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. Hyperspectral imaging: a review on UAV-based sensors, data پروسيسنگ ۽
زراعت ۽ ٻيلن لاءِ درخواستون. ريموٽ سينسنگ 9 (11). https://doi.org/ 10.3390/rs9111110.
Agüera Vega, F., Ramirez, FC, Saiz, MP, Rosúa, FO, 2015. گھڻ-عارضي تصويرن جو استعمال ڪندي هڪ غير پائلٽ فضائي گاڏي سورج مکھی جي فصل جي نگراني لاءِ. بايو سسٽم. انجيل.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. UAV کان درست ڊجيٽل بلندي ماڊلز جي پيداوار گھٽ سيڪڙو اوورليپنگ تصويرون حاصل ڪيون. Int.
J. ريموٽ سينس. 38 (8-10)، 3113-3134. https://doi.org/10.1080/ 01431161.2017.1285085.
علي، آءِ.، گريفينيڊر، ايف.، اسٽيمنڪووڪ، جي.، نيومن، ايم.، نوٽارنيڪولا، سي.، 2015. ريموٽ سينسنگ ڊيٽا مان بايوماس ۽ مٽي جي نمي جي حاصلات لاءِ مشين لرننگ اپروچز جو جائزو. ريموٽ سينسنگ 7 (12)، 16398-16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hobani, A., Al-Qaness, MAA, Lee, B., Guizani, M., B5G نيٽ ورڪن ۾ UAVs استعمال ڪندي شين جي گرين انٽرنيٽ: ايپليڪيشنن جو جائزو
۽ حڪمت عمليون. اشتهار. هاڪ. نيٽو. 117، 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Al-Thani, N., Albuainain, A., Alnaimi, F., Zorba, N., 2020. ڊرونز فار شيپ لائيو اسٽاڪ مانيٽرنگ. ۾: 20 هين IEEE ميڊيٽرينين اليڪٽرو ٽيڪنيڪل ڪانفرنس. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. UAV-based high throughput phenotyping in citrus utilizing multispectral imaging and artificial intelligence. ريموٽ سينسنگ 11 (4)، https://doi.org/10.3390/rs11040410.
Ampatzidis, Y., Partel, V., Costa, L., 2020. Agroview: Cloud-based application to process, Analyze and visualize UAV- گڏ ڪيل ڊيٽا کي درست زراعت جي ايپليڪيشنن لاءِ مصنوعي ذهانت کي استعمال ڪندي. ڪمپيوٽنگ. اليڪٽران. زرعي. 174، 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. زراعت ۾ هائپر اسپيڪٽرل معلومات سان بگ ڊيٽا ۽ مشين لرننگ. IEEE رسائي 9، 36699-36718. https://doi.org/10.1109/
ACCESS.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. Review: precision Livestock Farming Technologys in pasture-based lifestock systems. جانور 16 (1)، https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, ´D., Mejia-Aguirre, C.، رجحانات تي جديد معلومات ۽ مواصلاتي ٽيڪنالاجيز لاءِ
زرعي پيداوار کي بهتر بڻائڻ: هڪ بائيبلوميٽرڪ تجزيو. زرعي علم 10 (12)، آرٽيڪل 12. https://doi.org/10.3390/agronomy10121989.
آرمسٽرانگ، آءِ.، پيرون-بروس، ايم.، سمٿ، اي.، جدود، ايم.، 2011. دي فلائنگ گيٽر: اوڪيم-π ۾ فضائي روبوٽڪس جي طرف. ڪميون. پروسيس معمار. 2011، 329-340. https://doi. org/10.3233/978-1-60750-774-1-329.
ارورا، ايس ڊي، چڪرورتي، اي.، 2021. صارف جي شڪايت جي رويي جي دانشورانه جوڙجڪ (CCB) تحقيق: هڪ بائيبلوميٽرڪ تجزيو. جي بزنس ريس. 122، 60-74.
Aslan، MF، Durdu، A.، Sabanci، K.، Ropelewska، E.، Gültekin، SS، 2022.
کليل ميدانن ۽ گرين هائوسز ۾ صحت واري زراعت لاءِ UAV سان گڏ تازي مطالعي جو هڪ جامع سروي. اپل. سائنس 12 (3)، 1047. https://doi.org/10.3390/
ايپ 12031047.
Atkinson, JA, Jackson, RJ, Bentley, AR, Ober, E., & Wells, DM (2018). مستقبل لاء فيلڊ فينوٽائپنگ. آن لائين پلانٽ جي سالياني جائزي ۾ (ص. 719-736). جان
ولي اينڊ سنز، لميٽيڊ doi: 10.1002/9781119312994.apr0651.
آسٽن، آر.، 2010. اڻ ڄاتل ايئر ڪرافٽ سسٽم: UAVS ڊيزائن، ڊولپمينٽ ۽ ڊيپلائيمينٽ. ۾: اڻ ڄاتل هوائي جهاز سسٽم: UAVS ڊيزائن، ترقي ۽
مقرري. جان ولي اينڊ سنز. https://doi.org/10.1002/9780470664797.
اويس، ايم، لي، ڊبليو، چيما، ايم جي ايم، زمان، ق، شاهين، الف، اسلم، بي، زو، ڊبليو، اجمل، ايم، فهيم، ايم، حسين، ايس، نديم، AA, Afzal, MM, Liu, C., 2022. UAVbased remote sensing in plant stress imaginine using High-Resolution Thermal sensor for Digital Agriculture practices: a meta-review. Int. جي ماحول سائنس ٽيڪنالوجي. https://doi.
org/10.1007/s13762-021-03801-5.
باڪو، ايم.، برٽن، اي.، فيرو، اي.، گينارو، سي.، گوٽا، اي.، ميٽيولي، ايس.، پاونسيسا، ايف.، رگري، ايم.، ويرون، جي.، زينلا، اي. 2018. سمارٽ فارمنگ: موقعا، چئلينجز
۽ ٽيڪنالاجي قابل. 2018 IoT عمودي ۽. زراعت تي موضوعي اجلاس - Tuscany (IOT Tuscany) 1-6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. Dep Learning with unsupervised data labeling for weed detection in line crops in UAV تصويرن. ريموٽ سينسنگ 10 (11)، 1690.
https://doi.org/10.3390/rs10111690.
بالدي، ايس.، 1998. حوالن جي مختص ۾ معمولي بمقابله سماجي تعميراتي عمل: هڪ نيٽورڪ-تجزياتي ماڊل. ايم. سماجي. Rev. 63 (6)، 829-846. https://doi.
org/10.2307/2657504.
بلوجا، جي.، ڊياگو، ايم پي، بلڊا، پي.، زورر، آر.، ميگيو، ايف.، مورليس، ايف.، تارڊاگوئيلا، جي.، 2012. تھرمل ۽ ملٽي اسپيڪٽرل طرفان انگورن جي پاڻي جي حالت جي تبديليءَ جو جائزو
تصويري تصوير هڪ غير پائلٽ فضائي گاڏي (UAV) استعمال ڪندي. آبياري. سائنس 30 (6)، 511-522. https://doi.org/10.1007/s00271-012-0382-9.
باراباسچي، ڊي، ٽونڊيلي، اي.، ڊيسيريو، ايف.، وولنٽ، اي، ويڪسينو، پي.، ويل، جي.، ڪيٽيويلي، ايل.، ايندڙ نسل جي نسل. پلانٽ سائنس. 242، 3-13. https://doi.org/10.1016/j.
plantsci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. ڍورن مانيٽر ڪرڻ لاءِ غير انساني فضائي نظام جي استعمال تي نظريا. 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. گھٽ-وزن ۽ UAV-based hyperspectral مڪمل فريم ڪئميرا
فصلن جي نگراني لاءِ: اسپيڪٽرل موازن سان پورٽيبل اسپيڪٽرروڊيميٽر جي ماپن سان. ڦوٽوگراميٽري، فرنرڪنڊنگ، جيو انفارميشن 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., Aerial Remote sensing in Agriculture: A practical approach to area coverage
۽ ميني فضائي روبوٽ جي جهازن لاءِ رستي جي منصوبابندي. جي فيلڊ روب. 28 (5)، 667-689. https://doi.org/10.1002/rob.20403.
بصيري، اي.، مارياني، وي.، سلانو، جي.، عاطف، ايم.، ايانلي، ايل.، گليلمو، ايل.، 2022. هڪ سروي تي درخواست جي رستي جي منصوبابندي ڪرڻ واري الگورتھم لاءِ ملٽي روٽر UAVs لاءِ درستي ۾
زراعت. جي نيويگ 75 (2)، 364-383.
Basnet, B., Bang, J., 2018. The State of the Art of knowledge-intensive Agriculture: a review on Apply sensing systems and data analytics. جي سينس 2018، 1-13.
Bendig, J., Bolten, A., Bareth, G., 2013. UAV-based imaging for multi-temporal, very high resolution فصل جي مٿاڇري جا ماڊل فصلن جي واڌ ويجهه جي نگراني ڪرڻ لاءِ. ڦوٽوگراميٽري، فرنرڪنڊنگ، جيو انفارميشن 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. UAVbased RGB اميجنگ مان نڪتل فصلن جي مٿاڇري جا ماڊل (CSMs) استعمال ڪندي بارلي جي بايوماس جو اندازو لڳائڻ. ريموٽ سينسنگ 6 (11)، 10395-10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. گڏيل UAV-based ٻوٽن جي اوچائي فصل جي مٿاڇري کان ماڊل،
نظر اچن ٿا، ۽ جَوَ ۾ بايوماس جي نگراني لاءِ انفراريڊ سبزيات جي انڊيڪس جي ويجهو. Int. جي اپل ڌرتي Obs. جيو انف. 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. زيتون جي باغن ۾ ڪينوپي ڪنڊڪٽنس ۽ CWSI کي اعليٰ ريزوليوشن استعمال ڪندي ميپنگ
تھرمل ريموٽ سينسنگ تصوير. Remote Sens. Environ. 113 (11)، 2380-2388. https://doi.org/10.1016/j.rse.2009.06.018.
برني، JA، Zarco-Tejada، PJ، Suarez، ´L.، Fereres، E.، 2009b. حرارتي ۽ تنگ بينڊ ملٽي اسپيڪٽرل ريموٽ سينسنگ هڪ غير پائلٽ فضائي گاڏي مان نباتات جي نگراني لاءِ. IEEE ٽرانس. جيوسڪي. ريموٽ سينس. 47 (3)، 722-738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. Internet of Things in Food Safety: Literature review and a bibliometric analysis. رجحانات فوڊ سائنس. ٽيڪنالوجي. 94,54،64-10.1016. https://doi.org/2019.11.002/j.tifs.XNUMX
Brewster, C., Roussaki, I., Kalatzis, N., Doolin, K., Ellis, K., 2017. IoT in Agriculture: Designing a Europe-wide large-scale pilot. IEEE ڪميون. مگ. 55 (9)، 26-33.
Buters, TM, Belton, D., Cross, AT, 2019. ملٽي سينسر UAV ٽريڪنگ انفرادي ٻج ۽ ٻج برادرين جي ملي ميٽر جي درستگي تي. ڊرون 3 (4)، 81.
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. Evaluating multispectral images and Vegetation indices for precision farming applications from UAV تصويرن. ريموٽ سينسنگ 7 (4)، 4026-4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. UAV مان نڪتل وسيع-متحرڪ-رينج ويجيٽيشن انڊيڪس (WDRVI) استعمال ڪندي شگر بيٽ جي واڌ جي اشارن جي نگراني
multispectral تصويرون. ڪمپيوٽنگ. اليڪٽران. زرعي. 171، 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. Evolution of intellectual structure of family business literary: a bibliometric study of FBR. خانداني ڪاروبار Rev. 20 (2)، 141-162.
سين، ايڇ، وان، ايل، زو، جي، لي، ي، لي، ايڪس، زو، يو، وينگ، ايڇ، وو، ڊبليو، ين، ڊبليو، سو، سي. Bao, Y., Feng, L., Shou, J., He, Y., 2019. چانورن جي بايوماس جي متحرڪ نگراني
ٻٽي تصوير فريم سنيپ شاٽ ڪئميرا سان گڏ هڪ هلڪو وزن UAV استعمال ڪندي مختلف نائٽروجن علاج. ٻوٽي جا طريقا 15 (1)، 32. https://doi.org/10.1186/s13007-019-
0418-8.
Chamuah, A., Singh, R., 2019. Securing Sustainability in Indian Agriculture through سولين UAV: هڪ ذميوار جدت وارو نقطو. ايس اين ايپل. سائنس 2 (1)، 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. Responsible Governance of the civilian unmanned aerial vehicle (UAV) innovations for Indian crop insurance applications. جي. ذميوار
ٽيڪنالوجي. 9، 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen, A., Orlov-Levin, V., Meron, M., 2019. لاڳو ڪرڻ هاءِ ريزوليوشن ويزيبل چينل ايئر اميجنگ آف فصلن جي ڇت کي درست آبپاشي جي انتظام لاءِ. زرعي. پاڻي
انتظام. 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. Lightweight UAV آن بورڊ فوٽوگراميٽري ۽ سنگل فريڪوئنسي GPS پوزيشننگ سان ميٽرولوجي ايپليڪيشنن لاء. ISPRS J. فوٽوگرام. ريموٽ سينس. 127، 115-126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Blockchain-based IoT پليٽ فارم خودمختيار ڊرون آپريشن مئنيجمينٽ لاءِ. ۾: 2nd ACM جي ڪارروائي
MobiCom ورڪشاپ آن ڊرون اسسٽڊ وائرليس ڪميونيڪيشن فار 5G ۽ ان کان اڳتي، pp. 31-36. https://doi.org/10.1145/3414045.3415939.
ڏينهن، RA، گيسٽل، بي.، 1998. ڪيئن لکڻ ۽ شايع ڪرڻ هڪ سائنسي پيپر. ڪيمبرج يونيورسٽي پريس. ڊي ڪاسٽرو، AI، پينا، ˜ JM، Torres-Sanchez، ´J., Jim'enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´F., 2020. Mapping cynodon dactylon infesting فصلن کي پاڻمرادو فيصلي سان ڍڪيو- OBIA طريقيڪار ۽ UAV تصويرن جي درستي لاءِ. ريموٽ سينسنگ 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. هڪ خودڪار بي ترتيب ٻيلو-OBIA الگورتھم UAV تصويرن جي استعمال سان فصلن جي قطارن جي وچ ۾ ۽ اندر جي شروعاتي weed ميپنگ. ريموٽ سينسنگ 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018. UAV Imagery مان نڪتل DSM استعمال ڪندي ڪڻڪ جي جينوٽائپس جي ٻوٽي جي اوچائي جي خودڪار ماپ. ڪارروائي 2 (7)، 350. https://doi.org/10.3390/ecrs-2-05163.
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020. ھلڪو وزن سيمينٽڪ سيگمينٽيشن نيٽ ورڪ حقيقي وقت جي ويڊ ميپنگ لاءِ غير پائلٽ فضائي گاڏيون استعمال ڪندي. اپل. سائنس 10 (20)، 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. UAV-based multispectral remote sensing for precision Agriculture: a comparison between different cameras. ISPRS J. فوٽوگرام. ريموٽ سينس. 146، 124-136.
Diaz-Gonzalez, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022. مشين لرننگ ۽ ريموٽ سينسنگ ٽيڪنڪ لاڳو ڪيل مٽي اشارن جو اندازو لڳائڻ لاءِ - جائزو. ايڪول. انگ 135، 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Díaz-Varela, RA, De la Rosa, R., Leon, ´L., Zarco-Tejada, PJ, 2015. 3D تصوير استعمال ڪندي زيتون جي وڻ جي تاج جي ماپن کي جانچڻ لاءِ اعليٰ ريزوليوشن ايئر بورن UAV تصويري
بحالي: نسل جي آزمائش ۾ ايپليڪيشن. ريموٽ سينسنگ 7 (4)، 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit، A.، Jakhar، SK، 2021. ايئرپورٽ ظرفيت جو انتظام: هڪ جائزو ۽ بائيبلوميٽريڪ تجزيو. جي ايئر ٽرانسپ. انتظام. 91، 102010.
ڊونگ، ٽي.، شانگ، جي.، ليو، جي.، ڪيوان، بي.، جينگ، ق.، ما، بي، هفمن، ٽي.، گينگ، ايڪس، سو، اي.، شي، يو. Canisius, F., Jiao, X., Kovacs, JM, Walters, D., Cable, J., Wilson, J., 2019.
اونٽاريو، ڪئناڊا ۾ فصل جي واڌ ۽ پيداوار جي اندرين فيلڊ جي تبديليءَ کي سڃاڻڻ لاءِ RapidEye تصويرن کي استعمال ڪندي. درستي زرعي. 20 (6)، 1231-1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. پوسٽ COVID-19 دوران فوڊ سپلائي چين کي سمجهڻ لاءِ زرعي ڊرونز ۽ آئي او ٽي جي درخواست. ۾: چوڌري، اي.، بسواس، اي.، پريڪ، ايم.،
چڪربرتي، اي (ايڊز.)، زرعي انفارميٽيڪس: آٽوميشن يوزنگ دي آئي او ٽي ۽ مشين لرننگ. ولي، ص 67-87. وان ايڪ، اين، والٽمن، ايل.، 2009. سافٽ ويئر سروي: VOSviewer، هڪ ڪمپيوٽر پروگرام فار بائيليوميٽرڪ ميپنگ. سائنسي اڀياس 84 (2)، 523-538. https://doi.org/10.1007/s11192-009-0146-3.
ايليا، او.، رحمان، TA، Orikumhi، I.، Leow، CY، ھنديا، MN، 2018. ھڪڙي جائزو جو انٽرنيٽ آف تھنگز (IoT) ۽ ڊيٽا اينالائيٽڪس زراعت ۾: فائدا ۽ چئلينج.
IEEE انٽرنيٽ شيون J. 5 (5)، 3758–3773.
Enciso, J., Avila, CA, Jung, J., Elsayed-Farag, S., Chang, A., Yeom, J., Landivar, J., Maeda, M., Chavez, JC, 2019. زرعي علم جي تصديق UAV ۽ ميدان
ٽماٽو جي قسمن لاء ماپون. ڪمپيوٽنگ. اليڪٽران. زرعي. 158، 278-283. https://doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. هاء ريزوليوشن ملٽي اسپيڪٽرل ۽ تھرمل ريموٽ سينسنگ جي بنياد تي پاڻي جي دٻاء جو جائزو
زير زمين آبپاشي انگور. ريموٽ سينسنگ 9 (9)، 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Utilizing hyperspectral remote sensing for soil gradation. ريموٽ سينسنگ 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. اينڊرسن، K.، 2020. ڊرون جي بنياد تي ملٽي اسپيڪٽرل سطح جي عڪاسي ۽ نباتاتي انڊيڪس جو ملٽي اسڪيل تشخيص آپريشنل حالتن ۾. ريموٽ سينسنگ 12 (3)، 514.
Feng, X., Yan, F., Liu, X., 2019. Study of wireless communication technology on Internet of Things for precision Agriculture. وائرليس Pers. ڪميون. 108 (3)
1785-1802.
فريرا، ايم پي، پنٽو، سي ايف، سيرا، ايف آر، 2014. بين الاقوامي ڪاروباري تحقيق ۾ ٽرانزيڪشن جي قيمت جو نظريو: ٽن ڏهاڪن تي هڪ بائيبلوميٽرڪ مطالعو. سائنسي علم 98 (3)، 1899-1922. https://doi.org/10.1007/s11192-013-1172-8.
فشر، پي.، ابوزر، ايم.، راب، ايم، بيسٽ، ايف.، چندر، ايس.، 2009. ڏکڻ-اوڀر آسٽريليا ۾ درست زراعت ۾ ترقي. I. نقل ڪرڻ لاءِ رجعت جو طريقو
اناج جي پيداوار ۾ مقامي تغيرات هارين جي تاريخي پيڊاک جي پيداوار ۽ معمولي فرق جي نباتاتي انڊيڪس استعمال ڪندي. فصل چراگاهه سائنس. 60 (9)، 844-858.
فلوريانو، ڊي، ووڊ، آر جي، 2015. سائنس، ٽيڪنالاجي ۽ ننڍي خودمختيار ڊرون جو مستقبل. فطرت 521 (7553)، 460-466. https://doi.org/10.1038/nature14542.
فريها، او.، فيراگ، ايم اي، شو، ايل.، مئگلاراس، ايل اي، وانگ، ايڪس، 2021. انٽرنيٽ آف شين فار دي مستقبل لاءِ سمارٽ ايگريڪلچر: هڪ جامع سروي آف ايمرجنگ ٽيڪنالاجيز. IEEE CAA J. آٽوم. سينيڪا 8 (4)، 718-752.
Fuentes-Pacheco, J., Torres-Olivares, J., Roman-Rangel, E., Cervantes, S., JuarezLopez, P., Hermosillo-Valadez, J., Rendon-Mancha, ´JM, 2019. Fig plant segmentation فضائي تصويرن مان هڪ گہرے convolutional encoder-decoder نيٽ ورڪ استعمال ڪندي. ريموٽ سينسنگ 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 چئلينج پاڻي جي دٻاءُ جو اندازو ڪرڻ لاءِ.
پائيدار زراعت. زرعي. پاڻي جو انتظام. 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. Thermal Imaging پلانٽ تي
گھٽتائي واري آبپاشي حڪمت عملي تحت بادام جي وڻن (cv. Guara) ۾ فصل جي پاڻي جي صورتحال جو جائزو وٺڻ لاءِ سطح. زرعي. پاڻي جو انتظام. 208، 176-186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. Surface reflectance and suninduced fluorescence spectroscopy ماپون ننڍي هائپر اسپيڪٽرل UAS استعمال ڪندي. ريموٽ سينسنگ 9 (5)، 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. لاء هڪ خودڪار طريقو
UAV تصويرن جي بنياد تي اوٽ فيلڊ ۾ ويڊ ميپنگ. ڪمپيوٽنگ. اليڪٽران. زرعي.
گبرز، آر.، آدمچڪ، VI، 2010. پريسيئن زراعت ۽ فوڊ سيڪيورٽي. سائنس 327 (5967)، 828-831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. مڪئي جي پيداوار جي گڏيل چشمي ۽ فضائي ماڊلنگ جي بنياد تي فضائي تصويرن ۽ فصلن جي مٿاڇري جي ماڊلن جي بنياد تي حاصل ڪيل هڪ غير پائلٽ جهاز سسٽم سان. ريموٽ سينسنگ 6 (11)، 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. صارفين لاءِ پائيدار ڊيزائن: هڪ ادب جو جائزو ۽ بائيبلوميٽرڪ تجزيو. ماحول. سائنس آلودگي. Res. 27 (24)، 29824-29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Generation of spectraltemporal Response surfaces by combing multispectral satellite and hyperspectral
صحت واري زراعت جي ايپليڪيشنن لاءِ UAV تصوير. IEEE J. Sel. مٿي. اپل. ڌرتي Obs. ريموٽ سينس. 8 (6)، 3140-3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. IoT بيسڊ ايگريڪلچر ايز ڪلائوڊ ۽ وڏي ڊيٽا سروس: ڊجيٽل انڊيا جي شروعات. جي آرگنائيزيشن ۽ آخر يوزر ڪمپيوٽر. (JOEUC) 29 (4)
1-23.
Gmür, M., 2006. Co-citation analysis and the search for invisible colleges: a methodological evaluation. سائنسي اڀياس 57 (1)، 27-57. https://doi.org/10.1023/
a: 1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Unmanned Aerial Vehicles (UAVs) پاران مڪئي جي ٻوٽن جي ڊجيٽل ڳڻپ. ريموٽ سينسنگ 9 (6). https://doi.org/10.3390/rs9060544.
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. A Rotary-wing unmanned air vehicle for aquatic weed surveillance and
انتظام. جي انٽيل روبوٽ سسٽم: ٿيور. اپل. 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. گندم ۾ درست زراعت جي مقصدن لاءِ غير پائلٽ فضائي گاڏي (UAV) تصويرن مان موزاڪ جي درستگي جو اندازو لڳائڻ. پَرَسُ. زرعي. 15 (1)، 44-56. https://doi.org/10.1007/s11119-013-9335-4.
Gomez-Cand 'on,' D., Virlet, N., Labb'e, S., Jolivot, A., Regnard, J.-L., 2016. UAV-sensed imagery پاران وڻ جي ماپ تي پاڻي جي دٻاءَ جي فيلڊ فينو ٽائپنگ : نئين بصيرت لاء
حرارتي حصول ۽ حساب ڪتاب. پَرَسُ. زرعي. 17 (6)، 786-800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. ٻوٽن جي باغن ۾ پاڻي جي گھٽتائي جي اشاري طور فصل جي پاڻي جي دٻاءُ واري انڊيڪس کي استعمال ڪرڻ جي قابل اطلاق ۽ حدون. زرعي. لاءِ. ميٽيرول. 198-199، 94-104. https://doi.org/10.1016/j. agrformet.2014.08.003.
Gonzalez-Dugo, V., Zarco-Tejada, P., Nicolas, ´E., Nortes, PA, Alarcon, ´JJ, Intrigliolo, DS, Fereres, E., 2013. استعمال ڪرڻ لاءِ اعليٰ ريزوليوشن UAV تھرمل تصويري
هڪ تجارتي باغ ۾ پنج ميوي جي وڻن جي نسلن جي پاڻيءَ جي حالت ۾ تبديليءَ جو جائزو وٺو. پَرَسُ. زرعي. 14 (6)، 660-678. https://doi.org/10.1007/s11119-013-9322-9.
گوئل، ڪي.، ڪمار، ايس.، 2021. مالي خواندگي: هڪ سسٽماتي جائزو ۽ بائيبلوميٽرڪ تجزيو. Int. J. ڪنزيومر اسٽڊيز 45 (1)، 80-105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. The photogrammetric potential of low cost uavs in forestry and agriculture. بين الاقوامي آرڪائيوز آف دي فوٽوگراميٽري، ريموٽ سينسنگ ۽ اسپيشل انفارميشن سائنسز - ISPRS آرڪائيوز 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. اعلي ريزوليوشن جي رابطي جو اندازو لڳائڻ
NDVI ڀاڻ جي درخواست جي سطح سان ۽ چانورن ۽ ڪڻڪ جي فصلن جي پيداوار ننڍي UAVs استعمال ڪندي. ريموٽ سينسنگ 11 (2)، 112.
گنڊولف، ڪي.، فلسر، ايم.، 2013. انتظامي تحقيق ۽ مذهب: هڪ حوالو تجزيو. جي بس. اخلاقيات 112 (1)، 177-185.
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. CFD تخليق ۽ فضائي جي تجرباتي تصديق ۽ وقتي تقسيم جي
هور ۾ هڪ کواڊ-روٽر زرعي UAV جو هيٺيون هوا جو وهڪرو. ڪمپيوٽنگ. اليڪٽران. زرعي. 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. ، پولينڊ، جي.، 2016.
وڏي ڪڻڪ جي نسلن جي نرسري جي اعلي throughput فينو ٽائيپنگ لاء غير انساني فضائي سسٽم جي درخواست. ٻوٽي جا طريقا 12 (1). https://doi.org/10.1186/s13007-
016-0134-6.
Hakala, T., Honkavaara, E., Saari, H., Makynen, ¨ J., Kaivosoja, J., Pesonen, L., & Pol ¨ onen, ¨I., 2013. مختلف روشنيءَ جي حالتن هيٺ UAVs کان اسپيڪٽرل اميجنگ . GG Bill R. (Ed.) ۾، فوٽوگرافي جي انٽرنيشنل آرڪائيوز، ريموٽ سينسنگ ۽ اسپيشل انفارميشن سائنسز-ISPRS آرڪائيوز (Vol. 40، Issue 1W2، pp. 189-194). فوٽوگرافي ۽ ريموٽ سينسنگ لاءِ انٽرنيشنل سوسائٽي. 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. Ivaluating technics for the Island vegetation maping unmanned airial.
گاڏي (UAV) تصويرون: پکسل جي درجه بندي، بصري تفسير ۽ مشين سکيا جا طريقا. Int. جي اپل ڌرتي Obs. جيو انف. 89، 102085 https://doi.org/
10.1016/جي.جاگ.2020.102085.
Haque, A., Islam, N., Samrat, NH, Dey, S., Ray, B., 2021. بنگلاديش ۾ ذميوار قيادت ذريعي سمارٽ فارمنگ: امکانات، موقعا ۽ ان کان اڳتي.
استحڪام 13 (8)، 4511.
هارڊين، پي جي، هارڊين، ٽي جي، 2010. ماحولياتي تحقيق ۾ ننڍي پيماني تي ريموٽ پائلٽ گاڏيون. جاگرافي ڪمپاس 4 (9)، 1297-1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x
هارڊين، پي جي، جينسن، آر آر، 2011. ماحولياتي ريموٽ سينسنگ ۾ ننڍي پيماني تي اڻ ڄاتل فضائي گاڏيون: چئلينج ۽ موقعا. GISci. ريموٽ سينس. 48 (1)، 99-111. https://doi.org/10.2747/1548-1603.48.1.99
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Agriculture Internet of Things: ٽيڪنالاجيز ۽ ايپليڪيشنون، (1st ايڊيشن 2021 ايڊيشن). بهار.
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.
هڪ اڻڄاتل فضائي گاڏي مان تصويري: زرعي نگراني ۽ فيصلي جي حمايت. ڪمپيوٽنگ. اليڪٽران. زرعي. 44 (1)، 49-61. https://doi.org/10.1016/j.
compag.2004.02.006.
Holman, FH, Riche, AB, Michalski, A., Castle, M., Wooster, MJ, Hawkesford, MJ, UAV جي بنياد تي ريموٽ سينسنگ استعمال ڪندي ڪڻڪ جي ٻوٽي جي اوچائي ۽ ترقي جي شرح جي اعلي ٿروپيٽ فيلڊ فينو ٽائپنگ. ريموٽ سينسنگ 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. پروسيسنگ ۽ تشخيص spectrometric جي، اسٽيريو اسڪوپي تصويري گڏ ڪئي وئي هڪ ہلڪو وزن UAV اسپيڪٽرل ڪيمرا استعمال ڪندي صحيح زراعت لاءِ. ريموٽ سينسنگ 5 (10)، 5006-5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. گھٽ-اوچائي غير پائلٽ فضائي گاڏيون بيسڊ انٽرنيٽ آف شين جون خدمتون: جامع سروي ۽ مستقبل جا تناظر. IEEE انٽرنيٽ شيون J. 3 (6)، 899-922. https://doi.org/10.1109/JIOT.2016.2612119.
Hrabar, S., Sukhatme, GS, Corke, P., Usher, K., Roberts, J., 2005. Combined optic-flow and stereo-based navigation of urban canyons for a UAV. ۾: 2005 IEEE/RSJ
انٽيليجنٽ روبوٽس ۽ سسٽم تي بين الاقوامي ڪانفرنس، پي پي. 3309-3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. ڪلائوڊ فوگ ڪمپيوٽنگ لاءِ هڪ تخليقي IoT زراعت پليٽ فارم. برقرار رکڻ. ڪمپيوٽنگ. Inf. سسٽم. 28، 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. هڪ مڪمل طور تي غير انساني فضائي گاڏين جي ويڊ ميپنگ لاءِ هڪ مڪمل سازشي نيٽ ورڪ ( UAV) تصوير. پلس ون 13 (4)، e0196302.
هوانگ، ايڇ، لين، يو.، يانگ، اي.، ژانگ، ي.، وين، ايس.، ڊينگ، جي.، 2020. ڊيپ لرننگ بمقابله آبجیکٹ بيسڊ تصويري تجزيي (OBIA) ۾ ويڊ ميپنگ آف UAV تصويري. Int. جي.
ريموٽ سينس. 41 (9)، 3446–3479. https://doi.org/10.1080/01431161.2019.1706112.
هوانگ، ايڇ، يانگ، اي.، تانگ، يو.، زوانگ، جي.، هو، سي.، تان، زي، داننجيان، ايس.، هي، ي.، گو، ق.، لو، ايس. 2021. فصل جي نگراني ۾ UAV تصويرن لاءِ گہرے رنگ جي حساب ڪتاب
مقامي طور تي عالمي ڌيان سان سيمينٽڪ انداز جي منتقلي کي استعمال ڪندي. Int. جي اپل ڌرتي Obs. جيو انف. 104، 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. زرعي پيداوار لاءِ غير انساني فضائي گاڏين جي ٽيڪنالاجي جي ترقي ۽ امڪان
انتظام. Int. جي زرعي بائول. انجيل. 6 (3)، 1-10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. ڊولپمينٽ آف اسپري سسٽم لاءِ هڪ بي پائلٽ فضائي گاڏي پليٽ فارم. اپل. انجيل. زرعي. 25 (6)، 803-809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. Acquisition of NIR-green-blue digital photographs from from
فصل جي نگراني لاءِ اڻ پائلٽ جهاز. ريموٽ سينسنگ 2 (1)، 290-305. https://doi. org/10.3390/rs2010290. Inoue, Y., 2020. سيٽلائيٽ- ۽ ڊرون تي ٻڌل ريموٽ سينسنگ فصلن ۽ زمينن جي سمارٽ فارمنگ لاءِ- هڪ جائزو. مٽي سائنس. ٻوٽن جو نانءُ. 66 (6)، 798-810. https://doi.org/10.1080/00380768.2020.1738899.
Islam, N., Rashid, MM, Pasandideh, F., Ray, B., Moore, S., Kadel, R., 2021. A Reviews of applications and Communication Technology for Internet of Things (IoT) ۽
بي پائلٽ فضائي گاڏي (UAV) تي ٻڌل پائيدار سمارٽ فارمنگ. استحڪام 13 (4)، 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. Assessing accuracy of high resolution digital surface models by computed.
PhotoScan® ۽ MicMac® ذيلي بهترين سروي جي حالتن ۾. ريموٽ سينسنگ 8 (6)، https://doi.org/10.3390/rs8060465.
جمينز-برينس، ايف ايم، لوپيز-گريناڊوس، ´ ايف.، ڪاسٽرو، اي، ٽورس-س' اينچيز، جي.، سيرانو، اين.، پينا، ˜ جي ايم، 2017. زيتون جي وڻ جي فن تعمير ۽ سالياني تي ڇنڊڇاڻ جي اثرن جو اندازو لڳائڻ UAV-based 3D ماڊلنگ استعمال ڪندي ڇت جي واڌ. ٻوٽي جا طريقا 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. ٻوٽن جي کثافت جو تخمينو ڪڻڪ جي فصلن جي اڀرڻ تي تمام گھٽ اوچائي UAV تصويرن مان. Remote Sens.
ماحول. 198، 105-114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Ci, F., Lam, A., 2019. ڪلائوڊ ڪمپيوٽنگ جي مدد سان زرعي پيداوار جي نگراني جو نظام. ڪلستر ڪمپيوٽر. 22 (4)، 8929-8938.
جو، سي، ۽ پٽ، HI 2018a. زراعت ۾ ريموٽ سينسنگ لاءِ ڪيترن ئي UAV سسٽم جي ڪارڪردگي جو جائزو. IEEE بين الاقوامي ڪانفرنس آن روبوٽڪس اينڊ آٽوميشن (ICRA)، برسبين، آسٽريليا، 21-26 تي روبوٽڪ ويزن ۽ ايڪشن تي زراعت ۾ ورڪشاپ جي ڪارروائي.
جو، سي، پٽ، ايڇ، 2018b. زرعي ايپليڪيشنن لاءِ ڪيترائي UAV سسٽم: ڪنٽرول، عمل درآمد، ۽ تشخيص. اليڪٽرانڪس 7 (9)، 162. https://doi.org/10.3390/
اليڪٽرانڪس7090162.
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021. ريموٽ سينسنگ ۽ مصنوعي ذهانت جي صلاحيت کي بهتر ڪرڻ لاءِ اوزار طور.
زرعي پيداوار جي نظام جي لچڪ. ڪرر. راءِ. بايو ٽيڪنالاجي. 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. هڪ بهتر فصل اسڪائوٽنگ ٽيڪنڪ جنهن ۾ غير پائلٽ فضائي گاڏي جي مدد سان ملٽي اسپيڪٽرل فصل جي تصويرن کي روايتي اسڪائوٽنگ جي مشق ۾ شامل ڪيو ويو آهي تربوز ۾ گمي اسٽيم بلائيٽ. پلانٽ ڊي. 103 (7)، 1642-1650.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwedi, YK, Nerur, S., 2018. Advances in Social Media Research: ماضي، حال ۽ مستقبل. اطلاع ڏيڻ. سسٽم. سامهون. 20
(3)، 531-558.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: وائن جي بيماري جي سڃاڻپ نيٽ ورڪ جي بنياد تي ملٽي اسپيڪٽرل تصويرون ۽ ڊيپٿ ميپ. ريموٽ سينسنگ 12 (20)، 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. انگورن جي باغ لاءِ سيٽلائيٽ ۽ UAV-based multispectral imagery جو مقابلو
variability جو جائزو. ريموٽ سينسنگ 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-blockchain چالو ڪيو آپٽمائزڊ پرووينس سسٽم لاءِ فوڊ انڊسٽري 4.0 لاءِ جديد ڊيپ لرننگ استعمال ڪندي. سينسر 20 (10)، 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. تصويري بنياد تي ٻوٽن جي بيمارين جو پتو لڳائڻ: ڪلاسيڪل مشين لرننگ کان وٺي ڊيپ لرننگ سفر تائين. وائرليس ڪميون. موبائل ڪمپيوٽر. 2021، 1-13.
خان، ايس.، طفيل، ايم، خان، ايم ٽي، خان، زيڊ اي، اقبال، جي.، عالم، ايم، لي، KNQ، 2021. هڪ ناول نيم نگران فريم ورڪ لاءِ UAV جي بنياد تي فصل/وڻ جي درجه بندي. پلس ون 16 (5)، e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. هڪ جائزو جو موجوده ۽ امڪاني ايپليڪيشنن جو تھرمل ريموٽ سينسنگ ان ۾ درست زراعت. ڪمپيوٽنگ. اليڪٽران.
زرعي. 139، 22-32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna, A., Kaur, S., 2019. Evolution of Internet of Things (IoT) ۽ ان جو اهم اثر پريسيجن زراعت جي شعبي ۾. ڪمپيوٽنگ. اليڪٽران. زرعي. 157، 218-231.
Kim, W, Khan, GF, Wood, J., محمود, MT, 2016. پائيدار تنظيمن لاء ملازم مصروفيت: سماجي نيٽ ورڪ تجزيو استعمال ڪندي لفظي تجزيي ۽ دفن
ڳولڻ جو طريقو. استحڪام 8 (7)، 631.
Kirsch، M.، Lorenz، S.، Zimmermann, R., Tusa, L., Mockel, ¨ R., Hodl, ¨ P., Booysen, R., Khodadadzadeh, M., Gloaguen, R., 2018. انضمام زميني ۽ ڊرون ذريعي پيدا ٿيندڙ
ايڪسپلوريشن ميپنگ ۽ مائننگ مانيٽرنگ لاءِ هائپر اسپيڪٽرل ۽ فوٽوگراميٽري سينسنگ طريقا. ريموٽ سينسنگ 10 (9)، 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. مکڻ جي ٻوٽي جي ڳڻپ ڊيپ لرننگ ۽ UAV تصويرون استعمال ڪندي. IEEE Geosci. Remote Sens. Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. خودڪار مشين لرننگ لاءِ اعليٰ درجي جي تصوير تي ٻڌل پلانٽ فينو ٽائپنگ. ريموٽ سينسنگ 13 (5)، 858. https://
doi.org/10.3390/rs13050858.
Kovalev, IV, Voroshilova, AA, 2020. ڪارگو UAVs جي ماحولياتي نظام جي ترقي ۾ جديد ٽيڪنالاجي رجحانات. جي فز conf. سر. 1515 (5)، 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Visual SLAM for indoor جانورن ۽ زراعت لاءِ هڪ ننڍڙو ڊرون استعمال ڪندي هڪ monocular ڪئميرا سان: هڪ فزيبلٽي مطالعو.
ڊرون 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. سروي آف ڊرونز فار ايگريڪلچر آٽوميشن پوکڻ کان وٺي
فصل. ان ۾: INES 2018 - IEEE 22 هين انٽرنيشنل ڪانفرنس آن انٽيليجنٽ انجنيئرنگ سسٽم، pp. 000353–358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. UAV IoT فريم ورڪ نظريا ۽ چيلينجز: ڊرونز کي "شيون" جي طور تي تحفظ ڏيڻ جي طرف. سينسر 18 (11)، 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. تصويري پروسيسنگ ۽ درجه بندي جي طريقيڪار لاءِ تجزيي لاءِ ذيلي ڊيسيميٽر تصويري جو حاصل ڪيل هڪ اڻ ڄاتل جهاز سان حاصل ڪيل.
رينج لينڊز. GISci. ريموٽ سينس. 48 (1)، 4-23. https://doi.org/10.2747/1548-1603.48.1.4
Laliberte, AS, Rango, A., Herrick, JE, 2007. Unmanned aerial vehicles for rangeland maping and Monitoring: a comparison of two systems. ASPRS سالياني ڪانفرنس جي ڪارروائي.
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. هڪ کليل ذريعو ورڪ فلو for weed mapping in the native grassland
غير پائلٽ فضائي گاڏي استعمال ڪندي: Rumex obtusifolius استعمال ڪندي ڪيس جي مطالعي جي طور تي. يورو. J. Remote Sens. 54 (sup1)، 71-88. https://doi.org/10.1080/22797254.2020.1793687.
Lambert, DM, Lowenberg-DeBoer, J., Griffin, TW, Peone, J. Payne, T., Daberkow, SG, 2004. Adoption, profitability, and making better use of precision farming data.
ڪم ڪندڙ ڪاغذ. پردو يونيورسٽي. https://doi.org/10.22004/ag.econ.28615
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb'e, S., Baret, F., 2008. Assessment of unmanned aerial vehicles imagery for quantitative monitoring of wheat crop in small plots. سينسر 8 (5)، 3557-3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. وڏي ڊيٽا ۽ انٽرنيٽ جي شين جي بنياد تي سمارٽ زراعت جو ڊيزائن. Int. جي تقسيم احساس نيٽ ورڪ. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Li, W., Niu, Z., Chen, H., Li, D., Wu, M., Zhao, W., 2016. مڪئي جي ڇت جي اوچائي ۽ مٿانئس گرائونڊ بايوماس جو ريموٽ اندازو گھٽ قيمت غير پائلٽ فضائي گاڏين جو نظام. ايڪول. انگ 67، 637-648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. مشيني سکيا ۾ زراعت: هڪ جائزو. سينسر 18 (8)، 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. remote, aerial phenotyping of maize traits with a mobile multi-sensor approach. ٻوٽي جا طريقا 11 (1)، 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin, Z., Guo, W., 2020. Sorghum panicle detection and counting using unmanned aerial system images and deep learning. سامهون. پلانٽ سائنس. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Internet of Things مانيٽرنگ سسٽم جو جديد ماحولياتي زراعت جو بنياد ڪلائوڊ ڪمپيوٽنگ تي. IEEE رسائي 7، 37050-37058.
لوپز-گرينڊوس، ´ ايف.، 2011. سائيٽ جي مخصوص ويڊ مينيجمينٽ لاءِ ويڊ ڊيشن: نقشي سازي ۽ حقيقي وقت جا طريقا. Weed Res. 51 (1)، 1-11. https://doi.org/10.1111/j.1365-3180.2010.00829.x
لوپيز-گريناڊوس، ´ ايف.، ٽورس-سانچز، ´ جي.، ڊي ڪاسترو، A.I.، Serrano-P´erez، A.، MesasCarrascosa، F.J.، Pena، J.M. , 2016. آبجیکٹ تي ٻڌل ابتدائي نگراني گھاس جي فصل ۾ گھاس جي ٻوٽي جي اعلي ريزوليوشن UAV تصويري استعمال ڪندي. اگرون. برقرار رکڻ. ديو. 36 (4)، 1-12
لوپز-گراناڊوس، ´F.، Torres-S´ anchez، J.، Serrano-P´erez، A.، de Castro، AI، MesasCarrascosa، F.-J.، Pena، J.-M.، 2016. UAV ٽيڪنالاجي استعمال ڪندي سورج مکھی ۾ ابتدائي سيزن ويڊ ميپنگ: ويڊ حدن جي خلاف جڙي ٻوٽي جي علاج جي نقشن جي تبديلي. پَرَسُ. زرعي. 17 (2)، 183-199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS - اميجنگ اسپيڪٽرو اسپيڪٽرو اسپيڪٽرو اسپيڪٽروڪوپي هڪ ملٽي روٽر غير پائلٽ جهاز سسٽم کان. جي فيلڊ روب. 31 (4)
571-590. https://doi.org/10.1002/rob.21508.
Lumme, J., Karjalainen, M., Kaartinen, H., Kukko, A., Hyyppa, ¨ J., Hyypp¨ a, H., Jaakkola, A., & Kleemola, J., 2008. Terrestrial laser scanning of زرعي فصل. جي جي ۾
چن جي ماس H-G. (ايڊ.)، فوٽوگراميٽري جو انٽرنيشنل آرڪائيوز، ريموٽ سينسنگ ۽ اسپيشل انفارميشن سائنسز- ISPRS آرڪائيوز (جلد 37، پي پي. 563-566).
فوٽوگرافي ۽ ريموٽ سينسنگ لاءِ انٽرنيشنل سوسائٽي. https://www.scopus .com/inward/record.uri?eid=2-s2.0-84919356328&partnerID=40&md5=574
b802131a99d16318ce619a01ca1bf.
ما، ايل، لي، ايم، ما، ايڪس.، چينگ، ايل.، دو، پي.، ليو، يو.، 2017. نگراني ڪيل اعتراض تي ٻڌل لينڊ-ڪور تصوير جي درجه بندي جو جائزو. ISPRS J. فوٽوگرام. ريموٽ سينس 130،
277-293. https://doi.org/10.1016/j.isprsjprs.2017.06.001
Maes, WH, Steppe, K., 2019. پريزيئن زراعت ۾ غير انساني فضائي گاڏين سان ريموٽ سينسنگ لاءِ نظريا. رجحانات پلانٽ سائنس. 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., برکن، جي.، فريٽسچي، ايف.، 2017.
ملٽي سينسر ڊيٽا فيوزن ۽ انتهائي سکيا واري مشين کي استعمال ڪندي سويابين جي اڻ ڄاتل فضائي نظام (UAS) تي ٻڌل فينو ٽائپنگ. ISPRS J. فوٽوگرام. ريموٽ سينس. 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.
سيٽلائيٽ/UAV ڊيٽا فيوزن ۽ مشين لرننگ استعمال ڪندي فصل جي نگراني. ريموٽ سينسنگ 12 (9)، 1357. https://doi.org/10.3390/rs12091357.
منفريدا، ايس.، ميڪابي، ايم.، ملر، پي.، لوڪاس، آر.، پاجيلو ميڊريگال، وي.، مالينس، جي.، بين ڊور، اي.، هيلمان، ڊي.، ايسٽس، ايل.، سيراولو، جي. .، Müllerova، ´ J. Tauro, F., de Lima, M., de
ليما، جي.، مالٽيز، اي.، فرانسس، ايف.، ڪيلور، ڪي.، ڪوه، ايم.، پرڪس، ايم.، رويز-پيرز، جي.، سو، زي.، ويڪو، جي.، ٽوٿ. ، بي.، 2018. لاءِ غير انساني فضائي نظام جي استعمال تي
ماحولياتي نگراني. ريموٽ سينسنگ 10 (4)، 641.
مارنڪو، آر اي، 1998. مقالي ۾ عورتن جي مطالعي جي جرنلز جا حوالا، 1989 ۽ سيريل لائبريري 35 (1-2)، 29-44. https://doi.org/10.1300/J123v35n01_
03.
مسرور، آر.، نعيم، ايم.، اعجاز، ڊبليو.، 2021. ريسورس مئنيجمينٽ UAV جي مدد سان وائرليس نيٽ ورڪن ۾: هڪ اصلاحي نقطه نظر. ايڊهاڪ نيٽ ورڪ. 121، 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. ملٽي اسپيڪٽرل، تھرمل ۽ آر بي بي جي اعليٰ ريزوليوشن تصويرن تي ٻڌل ملٽي سينسر UAV پليٽ فارم جون عملي ايپليڪيشنون
وڻن جي پوک. زراعت 8 (7)، 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. روايتي NDVI انڊيڪس کان ٻاھر آھي ھڪ اھم عنصر جي طور تي UAV جي استعمال کي مکيه اسٽريم ڪرڻ لاءِ precision viticulture. سائنس 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 UAV، جهاز جي وچ ۾
۽ سيٽلائيٽ ريموٽ سينسنگ پليٽ فارمن جي درستي واري ويٽيڪلچر لاءِ. ريموٽ سينسنگ 7 (3)، 2971-2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. UAV ۽ مشين لرننگ بيسڊ ريفائنمينٽ آف سيٽلائيٽ تي ھلندڙ نباتاتي انڊيڪس جي درستگي لاءِ
زراعت. سينسر 20 (9)، 2530. https://doi.org/10.3390/s20092530.
مکين، KW، 1990. دانشورانه خلا ۾ ليکڪرن جو نقشو: هڪ ٽيڪنيڪل جائزو. جي ايم ساک. ڄاڻ. سائنس 41 (6)، 433-443.
Meinen, BU, Robinson, DT, 2021. زرعي ايرويشن ماڊلنگ: UAV ٽائيم سيريز ڊيٽا استعمال ڪندي USLE ۽ WEPP فيلڊ-اسڪيل ايرويشن تخميني جو جائزو وٺڻ. ماحول. ماڊل. سافٽ ويئر 137، 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville, B., Lucieer, A., Aryal, J., 2019. ڪلاسيفڪيشن آف هيٺيون مادري گھاس لينڊ برادرين جو استعمال ڪندي هائپر اسپيڪٽرل Unmanned Aircraft System (UAS) تصويري ۾
تسمانين مڊل لينڊز. ڊرون 3 (1)، 5.
ميسينا، جي.، موڊيڪا، جي.، 2020. درست زراعت ۾ UAV تھرمل تصويرن جون ايپليڪيشنون: اسٽيٽ آف دي آرٽ ۽ مستقبل جي تحقيق جو جائزو. ريموٽ سينسنگ 12 (9)، https://doi.org/10.3390/rs12091491.
مشرا، ڊي.، لوو، زي.، جيانگ، ايس.، پاپادوپولوس، ٽي.، ڊبي، آر.، 2017. وڏي ڊيٽا تي هڪ ڪتابي اڀياس: تصورات، رجحانات ۽ چئلينجز. ڪاروباري عمل جو انتظام. جي 23 (3)
555-573.
Mochida, K., Saisho, D., Hirayama, T., 2015. فصل جي بهتري استعمال ڪندي زندگي جي چڪر واري ڊيٽا سيٽس جيڪي فيلڊ جي حالتن ۾ حاصل ڪيا ويا. سامهون. پلانٽ سائنس. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. نظرثاني زراعت ۾ ڊرون سسٽم جي درخواست تي. پروسيڊيا ڪمپيوٽر. سائنس 133، 502-509.
موهرانا، ايس.، دتا، ايس.، 2016. چانورن جي ڪلوروفيل ۽ نائٽروجن مواد جي فضائي تغيرات هائپر اسپيڪٽرل تصويرن مان. ISPRS J. فوٽوگرام. ريموٽ سينس. 122، 17-29.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat, A.,
نيلور، پي.، 2019. سمارٽ فارم لاءِ IoT ۽ زراعت جي ڊيٽا جو تجزيو. ڪمپيوٽنگ. اليڪٽران. زرعي. 156، 467-474.
نانسن، سي.، ايليوٽ، اين، 2016. ريموٽ سينسنگ ۽ عکاسي پروفائلنگ اينٽومولوجي ۾. انو. Rev. Entomol. 61 (1)، 139-158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia, J., Mondragon, I., Patino, D., Colorado, J., 2016. Multispectral Mapping in Agriculture: terrain mosaic using an autonomous quadcopter UAV. Int. conf.
Unmanned Aircraft Syst. (ICUAS) 2016، 1351-1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. ڊرون شين جو انٽرنيٽ (Iodt): سمارٽ ڊرون جو مستقبل جو تصور. Adv. عقل. سسٽم. ڪمپيوٽنگ. 1045، 563-580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. Micro UAV لاءِ ھلڪو-وزن ملٽي اسپيڪٽرل سينسر- تمام اعليٰ ريزوليوشن ايئر بورن ريموٽ سينسنگ جا موقعا. Int. آرڪ. ڦوٽوگرام. Remote Sens. Spat. Inf. سائنس 37 (B1)، 1193-1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Emerging UAV ايپليڪيشنون زراعت ۾. ۾: 2019 7th بين الاقوامي ڪانفرنس روبوٽ انٽيليجنس ٽيڪنالاجي ۽
درخواستون (RiTA)، ص 254-257. https://doi.org/10.1109/RITAPP.2019.8932853.
نيرور، ايس پي، رشيد، اي اي، نٽراجن، وي.، 2008. اسٽريٽجڪ مئنيجمينٽ فيلڊ جي دانشورانه جوڙجڪ: هڪ ليکڪ ڪو-سائٽيشن تجزيو. حڪمت عملي. انتظام. جي 29 (3)
319-336.
Neupane, K., Baysal-Gurel, F., 2021. خودڪار سڃاڻپ ۽ ٻوٽن جي بيمارين جي نگراني غير انساني فضائي گاڏيون استعمال ڪندي: هڪ جائزو. ريموٽ سينسنگ 13 (19)، 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. UAV 3D ميپنگ ايپليڪيشنن لاءِ: هڪ جائزو. اپل. جيوميٽڪس 6 (1)، 1-15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Evapottranspiration estimation with small UAVs in precision Agriculture. سينسر 20 (22)، 6427. https://
doi.org/10.3390/s20226427.
Osareh، F.، 1996. Bibliometrics، Citation Analysis ۽ Co-Citation Analysis. ادب جو جائزو 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, sensors, and data processing in agroforestry: عملي ايپليڪيشنن لاء هڪ جائزو. Int. J. ريموٽ سينس. 38 (8-10)، 2349-2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, US, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. اناج جي فصلن لاءِ ڊرون تي ٻڌل ڊيٽا حلن جو جائزو. ڊرون 4 (3)، 1-29. https://doi.org/10.3390/
ڊرون 4030041.
پارسيان، ايم.، شهابي، ايم.، حسن پور، ايڇ.، 2020. تصويري پروسيسنگ ۽ مصنوعي نيورل نيٽ ورڪ استعمال ڪندي تل جي ٻج جي تيل ۽ پروٽين جي مواد جو اندازو لڳائڻ. جي ايم تيل
ڪيمسٽ سوسائٽي 97 (7)، 691-702.
پينا، JM، Torres-S´anchez, J., de Castro, AI, Kelly, M., Lopez-Granados, ´F., Suarez, O., آبجیکٹ تي ٻڌل تجزيي کي استعمال ڪندي شروعاتي موسم جي مڪئي جي زمينن ۾ ويڊ ميپنگ جو
غير پائلٽ فضائي گاڏي (UAV) تصويرون. پلس ون 8 (10)، e77151.
P´erez-Ortiz, M., Pena, ˜ JM, Guti´errez, PA, Torres-S' anchez, J. Herv' as-Martínez, C.,
لوپز-گريناڊوس، ´F.، 2015. سورج مکھی جي فصلن ۾ ويڊ ميپنگ لاءِ نيم نگران نظام، اڻ ڄاتل فضائي گاڏيون ۽ فصلن جي قطار جي سڃاڻپ جو طريقو استعمال ڪندي. اپل. نرم ڪمپيوٽر. جي 37، 533-544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. قيمتي زراعت ۾ بلاڪ چين تي ٻڌل پاڻي جي انتظام جي نظام لاءِ قابل اعتماد ڊيٽا ذريعن جي طور تي قيمتي IoT ڊوائيسز. ڪمپيوٽنگ. اليڪٽران. زرعي. 180، 105889.
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. Advanced UAV-WSN سسٽم فار انٽيليجنٽ مانيٽرنگ in precision Agriculture. سينسر 20 (3)، https://doi.org/10.3390/s20030817.
پورنڊر، ايم.، شي، يو.، سيورنگ، ايس.، ڪوه، ايس ايل، 2020. بلاڪچين ايپليڪيشنون سپلائي زنجيرن، ٽرانسپورٽ ۽ لوجسٽڪ ۾: ادب جو هڪ منظم جائزو. Int. جي پروڊ Res. 58 (7)، 2063-2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. a flexible unmanned air vehicle for precision Agriculture.
پَرَسُ. زرعي. 13 (4)، 517-523. https://doi.org/10.1007/s11119-012-9257-6.
پرچرڊ، اي.، 1969. شمارياتي بائيبليوگرافي يا ببليوميٽرڪس. جي دستاويز. 25 (4)، 348-349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. The suitability of an unmanned air vehicle (UAV) for evaluation for the evaluation of the experimental fields and crops. زراعت 99 (4)، 431-436.
پوري، وي.، نيئر، اي.، راجا، ايل.، 2017. زرعي ڊرونز: درست زراعت ۾ هڪ جديد پيش رفت. جي اسٽيٽس. انتظام. سسٽم. 20 (4)، 507-518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. A compilation of UAV ايپليڪيشنز فار پريسيئن زراعت. ڪمپيوٽنگ. نيٽو. 172،
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Application of Big data Analytics and Artificial Intelligence in Agronomic Research. انڊين جي ايگرون. 65 (4)، 383-395.
Raparelli, E., Bajocco, S., 2019. A bibliometric analysis on the use of unmanned aerial vehicles in agriculture and forestry study. Int. J. Remote Sens. 40 (24)
9070-9083. https://doi.org/10.1080/01431161.2019.1569793.
راسموسن، جي.، نيلسن، جي.، گارسيا-روز، ايف، ڪرسٽينسن، ايس، اسٽريبيگ، جي سي، لوٽز، بي.، 2013.
ويڊ ريسرچ ۾ ننڍي غير انساني جهاز جي سسٽم (UAS) جو ممڪن استعمال. Weed Res. 53 (4)، 242-248.
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., ڇا سبزي جا اشارا آھن جيڪي صارف جي درجي جي ڪئميرا مان نڪتل آھن
UAVs تجرباتي پلاٽ جي تشخيص لاء ڪافي قابل اعتماد؟ يورو. جي ايگرون 74، 75-92. https://doi.org/10.1016/j.eja.2015.11.026.
Rejeb, A., Rejeb, K., Abdullahi, A., Zailani, S., Iranmanesh, M., Ghobakhloo, M., 2022. Digitalization in Food Supply Chains: a bibliometric review and key-route main path
تجزيو. استحڪام 14 (1)، 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmier, H., 2021a. ڊرونز سپلائي چين مينيجمينٽ ۽ لوجسٽڪ لاء: هڪ جائزو ۽ تحقيقي ايجنڊا. Int. جي لاجسٽ Res. اپل.
1-24. https://doi.org/10.1080/13675567.2021.1981273.
Rejeb, A., Rejeb, K., Simske, S., Treiblmier, H., 2021b. لاجسٽڪ ۽ سپلائي زنجير مينيجمينٽ ۾ بلاڪچين ٽيڪنالاجيز: هڪ بائيبلوميٽرڪ جائزو. رسد 5 (4)، 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmier, H., 2021c. انسانيت جي ڊرونز: هڪ جائزو ۽ تحقيقي ايجنڊا. شين جو انٽرنيٽ 16، 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb, A., Treiblmier, H., Rejeb, K., Zailani, S., 2021d. صحت جي سار سنڀار ۾ بلاڪچين تحقيق: هڪ بائيبلوميٽرڪ جائزو ۽ موجوده تحقيقي رجحانات. جي ڊيٽا، Inf. ۽
انتظام. 3 (2)، 109-124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Internet of Things ريسرچ ان سپلائي چين مينيجمينٽ اينڊ لاجسٽڪ: a bibliometric Analysis. انٽرنيٽ
شيون 12، 100318.
رپورٽ لنڪر، 2021. گلوبل ايگريڪلچر ڊرونز مارڪيٽ 15.2 بلين آمريڪي ڊالر تائين پهچندي سال تائين گلوبل نيوز وائر نيوز روم. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- سال-2027.html.
Ribeiro-Gomes, K., Hernandez-L ´opez, ´D., Ortega, JF, Ballesteros, R., Poblete, T., Moreno, MA, 2017. Uncooled Thermal camera calibration and optimization of the
زراعت ۾ UAV ايپليڪيشنن لاء فوٽوگراميٽري پروسيس. سينسر (سوئٽزرلينڊ) 17 (10). https://doi.org/10.3390/s17102173.
رويرا، ايم اي، پيزم، اي.، 2015. هاسپيٽلٽي ريسرچ ۾ اڳڀرائي: "روڊني ڊينگر فيلڊ کان اريٿا فرينڪلن تائين". Int. جي همعصر اسپتال. انتظام. 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. Mini-UAV تي ٻڌل حسي نظام گرين هائوسز ۾ ماحولياتي تبديلين کي ماپڻ لاءِ. سينسر 15 (2)، 3334-3350. https://doi.org/10.3390/s150203334.
روزنبرگ، جي.، ڪينٽ، آر.، بلينڪ، ايل.، 2021. استعمال ڪيو ويو صارف-گريڊ UAV تجارتي پياز جي فيلڊن ۾ دير جي موسم جي ويڊ اسپيشل ورهائڻ جي نمونن کي ڳولڻ ۽ تجزيو ڪرڻ لاءِ. پَرَسُ. زرعي. 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 فضائي گاڏي (UAV) هلندڙ اسپيڪٽرل ڪيمرا سسٽم جنگل ۽ زراعت جي ايپليڪيشنن لاءِ. اڳتي وڌو. SPIE - Int. ساک. آپٽ انجيل. 8174 https://doi.org/10.1117/12.897585.
صاحب، بي.، گپتا، آر.، بني-هاني، ڊي.، 2021. ڊرون لاجسٽڪ لاڳو ڪرڻ ۾ رڪاوٽن جو تجزيو. Int. جي لاجسٽ Res. اپل. 24 (6)، 531-550. https://doi.org/10.1080/
13675567.2020.1782862.
Saha, AK, Saha, J., Ray, R., S., S., Dutta, S., Chatopadhyay, SP, & Saha, HN, IOT تي ٻڌل ڊرون زرعي ميدان ۾ فصلن جي معيار کي بهتر بڻائڻ لاءِ. ايس ايڇ او ۾
N. Chakrabarti S. (Ed.) 2018 IEEE 8 هين سالياني ڪمپيوٽنگ ۽ ڪميونيڪيشن ورڪشاپ ۽ ڪانفرنس، CCWC 2018 (جلد 2018-جنوري، pp. 612-615). انسٽيٽيوٽ
آف اليڪٽريڪل ۽ اليڪٽرانڪس انجنيئرز Inc. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: a novel and efficient LED Based Communication for precision Agriculture. IEEE Conf. ڄاڻ. ڪميون. ٽيڪنالوجي. 2019، 1-5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. UAV پرواز جا تجربا ريموٽ سينسنگ تي پوکيل علائقن تي لاڳو ڪيا ويا. ريموٽ سينسنگ 6 (11)، 11051–11081. https://doi.org/10.3390/rs61111051.
سنڪران، S.، Khot، LR، Espinoza، CZ، Jarolmasjed، S.، Sathuvalli، VR، Vandemark، GJ، Miklas، PN، Carter، AH، Pumphrey، MO، Knowles، NRN، Pavek، MJ، 2015.
گھٽ-اوچائي، قطار ۽ فيلڊ فصل فينوٽائپنگ لاء اعلي ريزوليوشن ايئر اميجنگ سسٽم: هڪ جائزو. يورو. جي ايگرون 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. High-Resolution UAV-based Thermal Imaging
انگورن جي باغ ۾ ٻوٽن جي پاڻي جي صورتحال جي فوري ۽ موسمي تبديلي. زرعي. پاڻي جو انتظام. 183، 49-59. https://doi.org/10.1016/j.agwat.2016.08.026.
سرلي، سي سي، ڊوبنسڪي، اي ڪي، هومس، ڪي ايل، 2010. حوالن جي تجزيي کان ٻاهر: تحقيق جي اثر جي تشخيص لاء هڪ ماڊل. جي ميڊ لائبريري ايسوسيئيشن. : 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. Earth System Science Related Imaging spectroscopy - هڪ جائزو. Remote Sens. Environ. 113، S123-S137.
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016. مانيٽرنگ زرعي معيارن جي سياري جي ڪڻڪ جي فصلن جي گھٽ قيمت UAV سان
تصوير ريموٽ سينسنگ 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. مٿي ڏنل صحيح ايرو بايولوجيڪل نموني لاءِ هڪ خودمختيار غير پائلٽ فضائي گاڏي جي ترقي ۽ ايپليڪيشن
زرعي ميدان. جي فيلڊ روب. 25 (3)، 133-147. https://doi.org/10.1002/rob.20232.
شادرين، ڊي، مينشچيڪوف، اي.، سوموف، اي.، بورنيمن، جي.، هوسلاج، جي.، فيدوروف، ايم.،
مصنوعي انٽيليجنس سان ايمبيڊڊ سينسنگ ذريعي درست زراعت کي فعال ڪرڻ. IEEE ٽرانس. ساز. ميس. 69 (7)، 4103-4113.
شقطره، ح.، صوالمه، هه، الفقہ، الف، دو، ز، الميتا، اي.، خليل، اي.،
Othman, NS, Khreishah, A., Guizani, M., 2019. Unmanned Aerial Vehicles (UAVs): هڪ سروي آن سول ايپليڪيشنز ۽ اهم تحقيقي چئلينجز. IEEE رسائي 7،
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. بگ ڊيٽا ڊونڊڊ ايگريڪلچر: بگ ڊيٽا اينالائيٽڪس ان پلانٽ بريڊنگ، جينومڪس، ۽ ريموٽ سينسنگ جو استعمال
فصلن جي پيداوار کي وڌائڻ لاء ٽيڪنالاجيون. پلانٽ فينوم J. 2 (1)، 1-8.
شرما، بي ڪي، چندر، جي، مشرا، وي پي، 2019. فارنزڪ تحقيقات ۾ UAV ۽ AI جو تقابلي تجزيو ۽ اثر. ۾: ڪارروائي - 2019 ايمٽي انٽرنيشنل
مصنوعي ذهانت تي ڪانفرنس. https://doi.org/10.1109/AICAI.2019.8701407.
شرما، آر.، شيشوڊيا، اي.، گناسڪران، اي، من، ايڇ، منيم، ZH، 2022. سپلائي چين مينيجمينٽ ۾ مصنوعي ذهانت جو ڪردار: علائقي جو نقشو. Int. جي.
پروڊ. Res. 1-24. https://doi.org/10.1080/00207543.2022.2029611.
شي، يو، ٿامسسن، جي اي، مري، ايس سي، پگ، اين، روني، ڊبليو ايل، شافيان، ايس، راجن، اين، روز، جي.، مورگن، سي ايل ايس، نيلي، ايڇ ايل، رانا، اي، باگاواٿيانان ، ايم وي،
Henrickson, J., Bowden, E., Valasek, J., Olsenholler, J., Bishop, MP, Sheridan, R., Putman, EB, Popescu, S., Burks, T., Cope, D., Ibrahim الف.، مک ڪچن، بي ايف،
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016. Unmanned aerial vehicles for high-throughput phenotyping and agronomic Research. پلس ون
11 (7)، e0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. پڪڙڻ مڪئي جي اسٽينڊ هيٽروجنيٽي پوري پيداوار-استحکام وارن علائقن ۾ اڻ ڄاتل فضائي استعمال ڪندي
گاڏيون (UAV). سينسر 19 (20)، 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. Co-citation in the scientific literary: a new measure of the relationship between two documents. جي ايم ساک. ڄاڻ. سائنس 24 (4)، 265-269.
Small, H., Rorvig, ME, Lunin, LF, 1999. Visualizing Science by citation Mapping. جي ايم ساک. ڄاڻ. سائنس 50 (9)، 799-813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. وڏي چراگاهن وارن علائقن ۾ جاگرافيائي بيهڪ واري فضائي تصويرن سان جهنگ ۾ جانورن جي ڳڻپ. ڪمپيوٽنگ. اليڪٽران. زرعي. 189، 106354 https://doi.org/10.1016/j.compag.2021.106354.
سريواستو، ڪي.، پانڊي، پي سي، شرما، جي ڪي، 2020. UAVs استعمال ڪندي درست زراعت جي ايپليڪيشنن ۾ رستي جي اصلاح لاءِ هڪ طريقو. ڊرون 4 (3)، 58. https://doi.org/ 10.3390/drones4030058.
اسٽافورڊ، جي وي، 2000. 21 صدي ۾ درست زراعت کي لاڳو ڪرڻ. جي زرعي انجيل. Res. 76 (3)، 267-275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. گندم جي خشڪي جو جائزو ريموٽ سينسنگ تصويرن ذريعي غير پائلٽ فضائي گاڏي استعمال ڪندي. 2018 ع ۾ 37th چيني ڪنٽرول ڪانفرنس (CCC).
سو، جي.، ليو، سي، ڪومبس، ايم، هو، ايڪس، وانگ، سي، سو، ايڪس، لي، ق.، گو، ايل، چن، ڊبليو ايڇ، 2018. ملٽي اسپيڪٽرل UAV فضائي تصويرن مان سکڻ سان ڪڻڪ جي پيلي زنگ جي نگراني.
ڪمپيوٽنگ. اليڪٽران. زرعي. 155، 157-166. https://doi.org/10.1016/j. compag.2018.10.017.
Su, Y., Wang, X., 2021. وڏي ڊيٽا ذريعي سمارٽ زراعت جي تعمير جي عمل ۾ زرعي اقتصادي انتظام جي جدت. پائيدار ڪمپيوٽر. Inf. سسٽم. 31، 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. هڪ ڪپهه جي ڇت ۾ پاڻي جي دٻاءُ کي معلوم ڪرڻ لاءِ هڪ غير پائلٽ حرارتي انفراريڊ ايئر سسٽم جي حساسيت جو جائزو وٺڻ. ٽرانس. ASABE 50 (6)، 1955-1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. RGB-based Vegetation index جو انضمام، فصل جي مٿاڇري جو ماڊل ۽ ڪمند جي پيداوار جي تخميني لاءِ آبجیکٹ تي ٻڌل تصويري تجزيي جو طريقو اڻ ڄاتل فضائي گاڏي استعمال ڪندي. ڪمپيوٽنگ. اليڪٽران. زرعي. 180، 105903 https://doi.org/10.1016/j.compag.2020.105903.
Suomalainen, J., Anders, N., Iqbal, S., Franke, J., Wenting, P., Bartholomeus, H., Becker, R., Kooistra, L., 2013. A light-weight hyperspectral mapping system for
اڻ ڄاتل فضائي گاڏيون - پھريون نتيجا. ۾: 2013 5th ورڪشاپ هائپر اسپيڪٽرل تصويري ۽ سگنل پروسيسنگ تي: ريموٽ سينسنگ ۾ ارتقاء (WHISPERS)، pp. 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. ھڪڙو ھلڪو وزن هائپر اسپيڪٽرل
ميپنگ سسٽم ۽ ڦوٽوگرام ميٽرڪ پروسيسنگ زنجير غير پائلٽ فضائي گاڏين لاء. ريموٽ سينسنگ 6 (11)، 11013-11030. https://doi.org/10.3390/
rs61111013.
سيده، آئي ايڇ، عالم، ايم ايم، الاهي، يو.، سعود، ايم ايم، 2021. ايڊوانس ڪنٽرول حڪمت عمليون استعمال ڪندي تصويري پروسيسنگ، UAV ۽ AI زراعت ۾: هڪ جائزو. ورلڊ جي. 18 (4)
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai، A.، Rigsby، JT، 1998. اڪائونٽنگ ۾ جرنل اثر جي تحقيق ڪرڻ لاء حوالن کي استعمال ڪندي معلومات پروسيسنگ. Inf. عمل. انتظام ڪريو. 34 (2-3)، 341-359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. 5G نيٽ ورڪ تي هڪ سروي ۽ زراعت تي ان جو اثر: چئلينج ۽ موقعا. ڪمپيوٽنگ.
اليڪٽران. زرعي. 180، 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. درست زراعت ۾ ڊيٽا تي ٻڌل فيصلو سازي: زرعي نظام ۾ وڏي ڊيٽا جو عروج. جي زرعي کاڌي جي ڄاڻ.
20 (4)، 344-380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. UAV استعمال ڪندي سياري جي ڪڻڪ جي پيداوار ۽ پوک جي اوچائي جو اندازو هائپر اسپيڪٽرل تصويرون تي ٻڌل.
سينسر 20 (4)، 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. coordinated aerobiological sampling of a plant pathogen in the lowest airports using two autonomous unmanned aerial vehicles. جي فيلڊ روب. 27 (3)، 335-343. https://doi.org/10.1002/rob.20335.
Tetila, EC, Machado, BB, Astolfi, G., Belete, NAdS, Amorim, WP, Roel, AR, Pistori, H., 2020. ڊيپ لرننگ استعمال ڪندي سويابين جي حشرن جي سڃاڻپ ۽ درجه بندي
UAV تصويرن سان. ڪمپيوٽنگ. اليڪٽران. زرعي. 179، 105836.
Thamm, H.P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013. تنزانيا ۾ AN ويٽ لينڊ ۾ زرعي نظام جو اندازو لڳائڻ لاءِ Uas جو استعمال - ۽ WetSeason پائيدار زراعت لاءِ ۽ Terra-Sar X ڊيٽا لاءِ زميني سچائي فراهم ڪرڻ. ۾: ISPRS - فوٽوگرافي جي انٽرنيشنل آرڪائيوز، ريموٽ سينسنگ ۽ اسپيشل انفارميشن سائنسز، پي پي. 401-406. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall، M.، 2008. Bibliometrics to webometrics. جي ڄاڻ. سائنس 34 (4)، 605-621.
Torres-Sanchez, ´J., Lopez-Granados, ´F., Pena, ˜ JM, 2015. UAV تصويرن ۾ بهتر حد تائين لاءِ هڪ خودڪار اعتراض تي ٻڌل طريقو: جڙي ٻوٽين جي فصلن ۾ نباتات جي سڃاڻپ لاءِ درخواست. ڪمپيوٽنگ. اليڪٽران. زرعي. 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. High-throughput 3-D مانيٽرنگ آف زرعي وڻن جي پوکيشن سان اڻ پائلٽ فضائي گاڏي (UAV) ٽيڪنالاجي. پلس ون 10 (6)، e0130479.
Torres-Sanchez, ´J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´F., 2014. UAV کان تصويرن کي استعمال ڪندي ابتدائي موسم جي ڪڻڪ جي زمينن ۾ نباتاتي ڀاڱن جي ملٽي-ٽيپورل نقشي. ڪمپيوٽنگ. اليڪٽران. زرعي. 103، 104-113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. A review on UAV-based applications for precision Agriculture. ڄاڻ (سوئٽزرلينڊ) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. باغباني وڻن جي فصل جي جوڙجڪ کي ماپڻ لاءِ ڊرون فلائيٽ پلاننگ کي بهتر ڪرڻ. ISPRS J. فوٽوگرام.
ريموٽ سينس. 160، 83-96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Internet of Things in Agriculture, تازيون پيش رفت ۽ مستقبل جا چئلينج. بايو سسٽم. انجيل. 164، 31-48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
اردون، اي.، سنگهه، وي ڪي، پنٽو، ڊي.، اولموس، آء.، 2015. ميڪسيڪو ۾ ڪمپيوٽر سائنس جي تحقيق جي سائنسي ميپنگ. سائنسي علم 105 (1)، 97-114.
UN.، 2019. دنيا جي آبادي جا امڪان 2019. https://population.un.org/wpp/ (15/04/2022 تي رسائي).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. چانورن جي چانورن جي خصوصيت UAV Mounted miniature hyperspectral sensor system. IEEE J. Sel. مٿي. اپل. ڌرتي Obs.
ريموٽ سينس. 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. Drones in
زراعت. Adv. اگرون. 162، 1-30.
ويلسامي، پي.، راجندران، ايس.، مهندران، آر ڪي، نصير، ايس.، شفيق، ايم.، چوئي، جي.-جي.، 2022.
اڻ ڄاتل فضائي گاڏيون (UAV) صحت واري زراعت ۾: ايپليڪيشنون ۽ چئلينج. توانائيون 15 (1)، 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. Mapping and classification of ecologically sensitive marine habitats using Unmanned Aerial
گاڏي (UAV) تصويري ۽ اعتراض جي بنياد تي تصويري تجزيو (OBIA). ريموٽ سينسنگ 10 (9)، 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch'eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Green area index from an unmanned aerial system over wheat and rapeseed crops . Remote Sens. Environ. 152، 654-664. https://doi.org/10.1016/j.rse.2014.06.006.
Von Bueren, SK, Burkart, A., Hueni, A., Rascher, U., Tuohy, MP, Yule, IJ, 2015. Deploying four optical UAV-based sensors over grassland: چئلينجز ۽
حدون. حياتياتي سائنس 12 (1)، 163-175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Internet of underground things in precision Agriculture: architecture and technology spects. ايڊهاڪ نيٽ ورڪ. 81،
160-173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. ذميوار مصنوعي ذهانت جيئن ڊجيٽل صحت لاءِ هڪ ڳجهي جزو: بائيبلوميٽرڪ تجزيو، بصيرت، ۽ تحقيقي هدايتون.
ڄاڻ. سسٽم. سامهون. 1-16.
وانگ، ايل.، ژانگ، جي.، وانگ، زي.، ليو، جي.، شانگ، جي.، ليانگ، ايل.، 2019. فصل جي واڌ جي نگراني ۾ ريموٽ سينسنگ ريسرچ رجحان جو بائيبلوميٽرڪ تجزيو: چين ۾ هڪ ڪيس مطالعو. ريموٽ سينسنگ 11 (7). https://doi.org/10.3390/rs11070809.
وائيٽ، ايڇ ڊي، گريفٿ، بي سي، 1981. ليکڪ ڪوسائٽيشن: دانشورانه ساخت جو هڪ ادب ماپ. جي ايم ساک. ڄاڻ. سائنس 32 (3)، 163-171.
Xiang, H., Tian, L.، 2011. هڪ خودمختيار اڻ ڄاتل فضائي گاڏي (UAV) جي بنياد تي گھٽ قيمت جي زرعي ريموٽ سينسنگ سسٽم جي ترقي. بايو سسٽم. انجيل. 108 (2)، 174-190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. UAVbased sensors استعمال ڪندي ٻوٽن جي اعليٰ-ٿروپٽ فينوٽائپنگ خاصيتن تي هڪ جائزو. ڪمپيوٽنگ. اليڪٽران. زرعي. 178، 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. ريموٽ سينسنگ ايپليڪيشنن لاءِ غير پائلٽ فضائي گاڏي - هڪ جائزو. ريموٽ سينسنگ 11 (12). https://doi.org/10.3390/
rs11121443.
يوم، ايس.، 2021. گھمڻ واري ماڻهن جي ٽريڪنگ ۽ غلط ٽريڪ کي هٽائڻ سان انفراريڊ تھرمل اميجنگ سان ملٽي روٽر. ڊرون 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. A comparison of crop parameters estimation using images UAV-سوار کان
سنيپ شاٽ هائپر اسپيڪٽرل سينسر ۽ هاءِ ڊيفينيشن ڊجيٽل ڪئميرا. ريموٽ سينسنگ 10 (7)، 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. اڻ ڄاتل فضائي گاڏين جي استعمال سان سياري جي ڪڻڪ جي مٿان زمين جي بايوماس جو اندازو- اسنيپ شاٽ تي ٻڌل
هائپر اسپيڪٽرل سينسر ۽ فصل جي اوچائي بهتر ماڊل. ريموٽ سينسنگ 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Hall, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. استعمال ڪندي ھلڪي وزني بي پائلٽ فضائي گاڏين کي مانيٽر ڪرڻ لاءِ اڀرندڙ ٻيلن جي بحالي. بائول.
محفوظ ڪرڻ. 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.
سمارٽ فارمنگ IoT پليٽ فارم ايج ۽ ڪلائوڊ ڪمپيوٽنگ تي ٻڌل. بايو سسٽم. انجيل. 177،
4-17.
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014. وڻ جي اوچائي جي مقدار جو استعمال تمام اعلي ريزوليوشن تصويرن جي استعمال سان حاصل ڪيل اڻ ڄاتل فضائي مان.
گاڏي (UAV) ۽ خودڪار 3D فوٽو تعميراتي طريقا. يورو. جي ايگرون 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. ٿڌي موسم جي فصلن ۾ گلن جي شدت جي تصوير تي ٻڌل فينو ٽائپنگ. سينسر 20 (5)، 1450. https://doi.org/10.3390/s20051450.
ژانگ، سي.، ڪوواڪس، جي ايم، 2012. درست زراعت لاءِ ننڍي غير انساني فضائي نظام جي درخواست: هڪ جائزو. پَرَسُ. زرعي. 13 (6)، 693-712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. Mapping water stress based on UAV multispectral remote sensing. ريموٽ سينسنگ 11 (6)، 605.
ژانگ، ايڪس، هان، ايل، ڊانگ، ي.، شي، ي.، هوانگ، ڊبليو، هان، ايل، گونز الز-مورينو، پي.، ما، ايڇ، ي، ايڇ، سوبيه , T., 2019. A deep learning-based approach for Automated Yellow Rust
اعلي ريزوليوشن هائپر اسپيڪٽرل UAV تصويرن مان بيماري جي سڃاڻپ. ريموٽ سينسنگ 11 (13)، 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. چانهه جي ٻوٽن جي بيماري ۽ حشرات جي دٻاءُ جي تشخيص ۽ تبعيض هائپر اسپيڪٽرل اميجنگ استعمال ڪندي وائيليٽ تجزيي سان گڏ. ڪمپيوٽنگ. اليڪٽران. زرعي. 193، 106717 https://doi.org/10.1016/j. compag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. Entropy Guideed adversarial domain adaptation for aerial image semantic segmentation. IEEE ٽرانس. جي
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Detection of rice phenology through time series analysis of ground-based spectral انڊيڪس ڊيٽا. فيلڊ فصلن ريز. 198، 131-139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. هڪ درست زراعت جي لڪيج سيڊنگ سسٽم جو ڊزائين وائرليس سينسر تي ٻڌل. Int. جي آن لائن انجيل. 14 (05)، 184.
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. UAV-LiDAR ڊيٽا استعمال ڪندي مڪئي جي ٻوٽي جي اوچائي تبديلين جو تجزيو. زراعت 10 (5)، 146. https://
doi.org/10.3390/agriculture10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. مڪئي-IAS: مڪئي جي تصوير جي تجزياتي سافٽ ويئر جو استعمال ڪندي ڊيپ لرننگ فار هاءِ-ٿرو پُٽ پلانٽ فينوٽائپنگ . ٻوٽي جا طريقا 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. اڳڪٿي ڪندي اناج جي پيداوار ۾ چانور استعمال ڪندي گھڻ-دائمي نباتات
UAV-based multispectral ۽ ڊجيٽل تصويرن مان اشارو. ISPRS J. فوٽوگرام. ريموٽ سينس. 130، 246-255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. هڪ وائرليس سينسر نيٽ ورڪ جي بنياد تي گرين هائوس مانيٽرنگ سسٽم جي بنيادي ٽيڪنالاجي جو نقل. Int. جي آن لائن انجيل. 12 (05)
43.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021. Assessment for crop water stress with infrared thermal imagery in precision Agriculture: a review
۽ گہرے سکيا واري ايپليڪيشنن لاءِ مستقبل جا امڪان. ڪمپيوٽنگ. اليڪٽران. زرعي. 182، 106019 https://doi.org/10.1016/j.compag.2021.106019.