![]()
1、研究背景
对农田中关键要素指标的监测、分析和评估，有助于了解农田和作物的生长状况，从而采取主动且有效的农业生产管理措施，提高农产品的质量和产量。传统依赖人工调查的农业监测方式存在较大的局限性，例如覆盖范围小、效率低下且耗时费力，这也促使人们开始探索替代的农业监测方法。无人机遥感系统（UAS）在获取不同农田场景数据方面优势显著，例如效率高、不易受云雾干扰、空间分辨率高、几何畸变小等。另外，机器学习（ML）和深度学习（DL）技术显著提升了无人机遥感在农业监测中的效率和潜力。尤其值得关注的是，将ML、DL与基于无人机遥感的数据相结合，已成为农业遥感领域的一大发展趋势。现有的文献综述通常集中于单一传感器类型、ML和DL算法的分析应用，或无人机遥感在特定学科领域的应用。因此，迫切需要对UAS、传感器技术和DL算法在农业遥感监测中的研究现状及未来发展趋势进行全面的综述分析。2、创新之处
本综述研究旨在通过文献计量学和主题综合分析，加深对当前农业无人机遥感监测研究现状的理解，并为未来基于无人机遥感的农业监测研究提供指导。具体内容包括：1）介绍常用的无人机及传感器类型，并详细阐述其在农业监测中的优势；2）对无人机农业遥感监测的应用进行分类，深入讨论已取得的成果，为农业实际应用提供有价值的见解；3）分析当前研究中的不足之处，探讨未来研究方向，进一步推动无人机遥感技术在农业监测中的应用。3、关键图表
![]()
图1.基于WOS数据库的无人机农业遥感（UAS）监测相关论文发表趋势
![]()
图2. 基于机器学习和无人机遥感（UAS）的农业监测实施过程
![]()
图3. 不同白粉病害下小麦叶片(a)和冠层(b)的光谱曲线4、主要结论
UAS及其搭载的各类传感器的持续进步显著增强了农田精细监测的能力。结合先进的人工智能算法（ML或DL）的使用，UAS可以更快速、更精准地自动提取有价值的农业信息。UAS系统已在农田系统中有关作物生长、产量估算、病虫害检测、杂草识别、倒伏状况、水分胁迫以及地块分类等方面的有价值农业信息提取中发挥了关键作用，为农田管理者提供了及时且准确的数据支持，从而优化施肥、病虫害防治策略，并促进整体产量提升。此外，UAS还可与精准农业和物联网（IoT）技术协同工作，为农业监测和生产收获提供全方位支持。尽管这一领域已取得显著进展，但仍面临一些挑战，包括无人机平台续航能力的限制、传感器精度的提升需求，以及数据处理和分析的复杂性。随着技术的持续进步和实践经验的积累，这些挑战有望得到解决，从而进一步扩大无人机遥感在农业监测中的应用范围和提升其有效性。5、发表信息
Wang J, Zhang S,
Lizaga I, et al. UAS-based remote sensing for agricultural Monitoring: Current
status and perspectives[J]. Computers and Electronics in Agriculture, 2024,
227: 109501.
6、声明
（1）小编水平有限，文章分析和理解均是个人见解，强烈推荐通过合理渠道获取原文，直接进行阅读。
（2）文稿涉及的材料仅为交流学习，如涉及版权和其他问题，请联系删除，小编对此表示歉意，邮箱：xu_xibo@126.com。
