基于CiteSpace的無人機遙感技術在農業中的研究進展

基金項目：農業農村部光譜檢測重點實驗室開放基金課題資助（2023ZJUGP001）

第一作者簡介：武紅欣（1996-），男，碩士研究生。研究方向為農業信息化。

*通信作者：陳杰（1982-），女，碩士，副教授。研究方向為農業信息化。

DOI：10.20028/j.zhnydk.2024.11.002

摘" 要：無人機遙感技術作為現代農業技術的重要分支，在農業的各個方向中發揮著越來越重要的作用。為深入探究無人機遙感技術在農業中的研究和應用熱點及前沿，利用CiteSpace軟件和知識圖譜分析方法，以中國知網（CNKI）為數據源，為提高數據可信度，文獻類別僅使用北京大學圖書館所認定的《中文核心期刊要目總覽》，經篩選后，獲取相關文獻828篇，對無人機遙感技術在農業領域的研究文獻進行發文時間、作者、發文機構、關鍵詞共現、關鍵詞時序分析及高突顯值關鍵詞分析，并且對當前研究的熱點進行分析。研究結果表明，該領域的研究熱點是以機器視覺、目標檢測、深度學習等人工智能處理數據的方法同無人機遙感相結合。該文期望通過數據分析，為未來我國無人機遙感在農業中的研究提供一定的借鑒。

關鍵詞：無人機遙感技術；CiteSpace；文獻計量；農業；知識圖譜

中圖分類號：S127" " nbsp; 文獻標志碼：A" " " " " 文章編號：2096-9902（2024）11-0006-06

Abstract： As an important branch of modern agricultural technology， UAV remote sensing technology is playing a more and more important role in all directions of agriculture. In order to further explore the hot spots and frontiers of the research and application of UAV remote sensing technology in agriculture， using CiteSpace software and knowledge graph analysis method， taking China National Knowledge Infrastructure （CNKI） as the data source， and in order to improve the credibility of the data， the literature category only uses the \"Overview of Chinese Core Journals\" recognized by the Peking University Library. In this paper， the research literature of UAV remote sensing technology in the field of agriculture is analyzed， including publishing time， author， sending organization， keyword co-occurrence， keyword time series analysis and high salient keyword analysis， and the current research hotspots are analyzed. The research results show that the research hotspot in this field is the combination of artificial intelligence data processing methods such as machine vision， target detection and deep learning with UAV remote sensing. Through data analysis， this paper expects to provide some reference for the future research of UAV remote sensing in agriculture in China.

Keywords： UAV remote sensing technology; CiteSpace; bibliometrics; agriculture; knowledge graph

無人機遙感即借助無人飛行器平臺，通過使用多種遙感觀測手段（如高光譜成像、熱紅外成像、激光雷達等技術）快速、無損獲取地物信息的方法[1]。農業信息的正確、有效獲取是病蟲害防治、調整農業生產結構、農作物產量預估、精準施肥施藥的重要前提[2]。隨著我國科技的不斷進步及農業信息化的不斷發展，無人機遙感作為獲取農業信息的重要手段，被大量應用在農業生產中。相對于人工、衛星遙感等獲取農業信息的方式，無人機遙感具有空間分辨率較高、操作相對容易、成本相對較低和無損檢測等優勢，因此在農業生產中具有相當高的應用前景[3]。

隨著無人機遙感領域的不斷擴展和深入研究，無人機遙感領域的研究呈現越來越專業化的趨勢。目前，國內已經發表的關于無人機遙感綜述性文章較多，如梁宇哲等[4]以Web of Science核心期刊為數據源，使用CiteSpace對無人機遙感進行了可視化的分析，但使用CiteSpace軟件對無人機遙感在農業中的研究綜述文章較少。因此，本文通過使用文獻計量軟件CiteSpace對國內無人機遙感在農業中的研究進行分析和展望，以期為無人機遙感在農業中的研究提供參考和借鑒。

1" 數據來源與研究方法

1.1" 數據來源

本研究基于文獻計量學的方法，對國內無人機遙感在農業中的應用與研究相關文獻進行收集。文中的農業是指廣域的農業，包括種植業、林業、畜牧業及漁業[5]。以中國知網（CNKI）為論文檢索平臺，檢索式為：（無人機OR無人機遙感OR無人機傾斜攝影OR無人機傾斜OR無人機航測OR無人機影像）AND（農業）。檢索時間為：2014年1月1日至2023年12月27日。為提高數據來源的可信度，文獻來源限制為北京大學圖書館所認定的《中文核心期刊要目總覽》，共獲得文獻2 047篇，通過人工篩選的方式，剔除與無人機遙感在農業中的研究無關的文獻，經過CiteSpace軟件去除重復文獻和無效文獻后，獲得有效文獻828篇。

1.2" 研究方法

CiteSpace，又被翻譯為“引文空間”，是一款用于文獻分析的可視化工具[6]。在本文中，使用CiteSpace的版本為6.1.R6（64-bit），不同的CiteSpace版本可能對數據的結果具有一定的影響，但是影響相對較小，不影響對總體發展趨勢和熱點的把握。本文通過對收集到的文獻進行可視化分析，從發文時間、作者、研究主題等方面進行分析，以了解國內無人機遙感在農業中的研究現狀和熱點。

2" 結果與分析

2.1" 年度發文量分析

發文量分析是研究該領域發展情況重要參數，能夠反映該領域的發展情況[7]。基于此，對無人機遙感在農業領域發文量的研究是十分必要的。

如圖1所示，無人機遙感在農業中的應用和研究發文量在2014年僅為5篇，在2019年發文量突破100篇，并在2021年達到頂峰，為181篇。這說明無人機遙感在農業中的應用和研究是相當熱門的，這可能與無人機的小型化、專業化、普及化是有一定關聯的。在2022年減少到154篇，2023年減少至134篇，但是從2019年至2023年，連續5年，發文量均為100篇以上，說明無人機遙感在農業中的應用和研究仍然是十分熱門的。

2.2" 作者分析

以CNKI為數據源，通過CiteSpace軟件進行統計和分析，按照作者的發文數量，作者分布圖如圖2所示，發文數量在20篇以上的有楊貴軍、馮海寬、張智韜，發文數量在10～20篇的作者有蘭玉彬、韓文霆、于豐華、楊福芹、劉楊、許童羽、趙靜和張立元。其他大多數作者發文數量在10篇以下，分布相對分散。

根據普賴斯文獻作者分布規律可知，在同一個研究主題中，有50%的文獻來自于核心作者[8]。核心作者的數量計算公式為：

Mp=0.749，" " " " " " （1）

式中：Mp為本文統計時間段內核心作者應當發表的文獻數量，Npmax為本文統計時間段內最高產作者發表的文獻數量。由圖2可知，最高者為楊貴軍，數量為47篇，即Npmax=47，求得Mp的值為5.134 885 295 700 3，按照取整原則，發表5篇及以上的作者可視為本領域的核心作者。經過CiteSpace篩選后，得到發表5篇論文及以上的作者有46位，共發表論文439篇，數量大于總文獻數828篇的50%（即414篇）。由此可知，在國內無人機遙感在農業中的研究領域，已經形成了較為明顯的作者合作集群和核心作者群，如圖3所示。

由圖3可知，已經形成的比較大的作者合作網絡有2個，一是以楊貴軍、馮海寬等為代表的作者合作網絡，二是以張智韜、韓文霆等為代表的作者合作網絡。但是其他作者合作網絡相對較小，說明國內無人機遙感技術在農業中的研究領域仍需進一步加強交流和合作。

此外，被引半衰期也是作者分析的一部分。所謂被引半衰期，是指論文在統計年被引論文數量的最新一半論文的時間跨度，即該論文在統計當年被引用的全部次數中，較新一半的引用數是在多長一段時間內累計達到的[9]。通過對作者的分析，我們可以得到作者被引半衰期，即HalfLife的值，該值越高，說明作者被引時間越長。被引半衰期最大的2位作者是胡根生和孟寶平。胡根生等[10]利用安裝在無人機平臺上的雙光譜相機獲取可見光和近紅外遙感圖像，采用改進的加權支持向量數據描述多分類算法，實現病害松樹識別，該論文提出光譜與可見光結合的方式來進行農業病害的識別方法，目前，仍然是無人機遙感研究的一個重要方向。宋清潔等[11]提出基于小型無人機與MODIS數據的草地植被覆蓋度研究，證明了小型無人機搭載相機獲取草地大樣方植被數碼照片的方法能夠準確獲取地面草地植被覆蓋度數據。以上2篇論文發表時間較早，無人機遙感在農業中的研究尚處于初始階段，理論與應用較少，加之此2篇論文具有一定的代表性，在之后的論文中被廣泛引用。

2.3" 被引分析

為進一步了解無人機遙感在農業中的研究熱點，本文對無人機遙感在農業中的研究領域前10位的高被引用論文進行了匯總，具體見表1。

通過表1分析發現，在無人機遙感在農業中的研究領域中，其熱點多關注于作物、植物的表型信息的獲取，如植被信息獲取、葉面積、倒伏面積和株高等。

2.4" 機構分析

研究機構的分析有助于了解該領域的研究力量分布情況。通過CiteSpace的統計功能，得到發文篇數較多的10家科研機構，見表2。

通過對表2中研究機構的發文量進行統計，發文量最多的研究機構是國家農業信息化工程技術研究中心，為46篇；其次是西北農林科技大學水利與建筑工程學院，為38篇。西北農林科技大學機械與電子工程學院、河南理工大學測繪與國土信息工程學院、西北農林科技大學旱區農業水土工程教育部重點實驗室、中國科學院大學、北京市農業物聯網工程技術研究中心、西北農林科技大學水土保持研究所、石河子大學信息科學與技術學院、河南工程學院土木工程學院都是發文量較多的機構。其中，需要注意的是西北農林科技大學關于無人機遙感在農業中的研究和應用較多，其有4個分支機構的發文量都屬于前列，在該領域影響力較大。

2.5" 關鍵詞分析

關鍵詞是文獻中最重要的信息之一，通過對關鍵詞的分析可以了解研究的研究現狀、研究熱點等[12]。通過借助CiteSpace軟件，獲取關鍵詞出現的頻次，具體如圖4所示。

通過對關鍵詞頻次的分析，“無人機”共出現461次。遙感、植被指數、深度學習、多光譜、高光譜、冬小麥、機器學習、玉米、水稻、棉花、圖像處理、小麥、隨機森林、紋理特征和株高等關鍵詞出現頻率較高，分別為99、87、56、53、48、46、43、34、31、28、22、22、22、20和20次。其他關鍵詞，如圖像識別、反演模型、光譜指數和產量等出現頻次較少，且呈現分散式分布的狀態。

借助CiteSpace，可以生成關鍵詞共現網絡圖譜，本研究所生成的關鍵詞共現網絡圖譜如圖5所示。在圖譜中，關鍵詞所代表的節點越大，分支越多，說明該研究方向越熱門。從圖譜中可以看出，高光譜、深度學習、玉米、遙感、多光譜、植被指數和數碼影像等是比較熱門的研究對象或方向。

通過使用文獻計量方法及借助CiteSpace軟件進行統計、歸納分析，我們可以了解到，無人機遙感在農業中的研究和應用主要是以下2個方向：生長狀況檢測、作物產量預估。生長狀況監測即獲取作物的株高、葉面積指數、植被指數、紋理特征、病蟲害情況、葉綠素和氮素等信息，從而對作物進行針對性的管理。作物產量預估主要是獲取作物的田間生物量、株數等信息，對產量進行預估。

2.6" 關鍵詞時序聚類分析

通過CNKI為平臺獲取無人機遙感的相關論文，使用文獻計量方法及借助CiteSpace軟件，可以得到關鍵詞時序圖譜，通過關鍵詞時序圖譜進行分析，可以得到以年為單位的研究熱點。時序圖譜如圖6所示。

CiteSpace根據網絡結構和聚類的清晰程度，提供了2個指標，分別是：模塊值（Q值）和平均輪廓值（S值）。這2個指標為評判本文的圖譜繪制效果提供了依據，一般情況下，Qgt;0.3說明聚類結構是顯著的，Sgt;0.7時，聚類的結果是令人信服的[13]。本研究的Q值為0.363 4，S值為0.750 9。鑒于此，可認為本研究所產出的知識圖譜是令人信服的。

在關鍵詞時序聚類圖譜中，總體上可以分為研究對象（#3玉米）、研究關鍵指標（#6植被指數）、研究方法（#1高光譜、#2深度學習、#5多光譜、#8數碼影像）和總體概述（#0無人機、#4遙感、#7遙感監測）4種類型，研究方法標簽較多，說明國內關于無人機遙感在農業上的應用側重于對研究方法的研究。

2.7" 研究熱點與前沿分析

利用CiteSpace軟件對無人機遙感在農業中的研究和應用領域2014—2023年發表的文獻進行分析，以發現在該領域出現的頻次最高和持續時間最長的關鍵詞，即該領域在特定年份的研究熱點和重點，同時發現該領域的發展方向和研究前沿[14]，本研究利用CiteSpace軟件生成了高突顯值關鍵詞圖譜，如圖7所示。

通過對高突顯值關鍵詞圖譜進行分析，可以發現， 在2014—2023年，研究最早的農作物是“玉米”，其突顯值為1.62。在2020年之前，突顯時間最長的是“氮素”（1.27），時間為2016—2019年。說明在2020年以前，無人機遙感在農業中的研究和應用領域的研究熱點是農作物中氮素的含量。在2020—2023年，突顯值最高的是目標監測、監督分類和機器視覺，其突顯值分別是1.95、1.7和1.36。說明該段時間的熱點是機器視覺、目標檢測、深度學習等人工智能處理數據的方法與無人機遙感相結合，大量的人工智能相關的技術被應用到無人機遙感在農業中的研究中去。張妮娜等[15]利用無人機多光譜遙感影像，分析了4種機器學習模型在典型小流域的適用性，具有良好的實用性。魯向暉等[16]使用支持向量機、隨機森林、反向傳播神經網絡等3種機器學習方法構建了矮林芳樟葉片精油產量預測模型，經過與實際產量進行比對，基于反向傳播神經網絡的產量預測模型精度最高，為經濟類作物的產量預測提供了技術支撐。

3" 結論

本文運用CiteSpace6.1.R6軟件以及文獻計量學的方法，基于CNKI數據庫近些年來無人機遙感在農業中的研究和應用相關的文獻，分析了年度發文量、作者發文量、機構發文量和關鍵詞等，得到如下結論。

1）從發文量來看，2014—2021年，國內學者發文量連續遞增，在2021年達到頂點，在2022年、2023年發文量有所放緩。

2）從作者分析來看，我國已經形成了較為明顯的作者合作集群和核心作者群，其中有2個作者合作集群比較大，一是以楊貴軍、馮海寬等為代表的作者合作網絡，二是以張智韜、韓文霆等為代表的作者合作網絡。但是其他作者合作網絡相對較小，說明國內在無人機遙感技術在農業中的研究領域仍需進一步加強交流和合作。

3）從發文機構來看，我國無人機遙感在農業中的研究與應用領域中，研究機構多為高校或科研院所。科研院所中，國家農業信息化工程技術研究中心研究較為廣泛和深入。高校中，西北農林科技大學（包含西北農林科技大學水利與建筑工程學院、西北農林科技大學機械與電子工程學院、西北農林科技大學旱區農業水土工程教育部重點實驗室、西北農林科技大學水土保持研究所）發文量最多，在無人機遙感在農業中的研究和應用中具有一定影響力。

4）從關鍵詞共現中看，通過總結和分析，作物生長狀況監測和產量預估是研究重點。

5）從研究進展與前沿分析來看，機器視覺、目標檢測、深度學習等人工智能處理數據的方法同無人機遙感相結合是本領域的研究熱點和前沿。未來，將會有更多人工智能的研究方式和方法應用到無人機遙感在農業中的研究中去，為農業的精細化管理、預測等提供有力的技術支撐。

值得注意的是，本文出于嚴謹度和可信度的考慮，將數據來源設定為中國知網收錄的北京大學圖書館所認定的《中文核心期刊要目總覽》，這在一定程度上限制了樣本的數量，因此不能夠完全呈現我國無人機遙感在農業中的研究全貌。但總體而言，本文使用了文獻計量的方法，在樣本數量有限的情況下分析了我國無人機遙感在農業中的研究情況，并分析了未來的發展趨勢，以期為未來無人機遙感在農業中的研究領域提供一定的借鑒。

參考文獻：

[1] 石永磊，周凱，申鑫，等.基于無人機遙感的林木表型監測進展與展望[J].中南林業科技大學學報，2023，43（11）：13-27.

[2] 黃雨菲，路春燕，賈明明，等.基于無人機影像與面向對象——深度學習的濱海濕地植物物種分類[J].生物多樣性，2023，31（3）：143-158.

[3] 鄭曉嵐，張顯峰，程俊毅，等.利用無人機多光譜影像數據構建棉苗株數估算模型[J].中國圖象圖形學報，2020，25（3）：520-534.

[4] 梁宇哲，鄭榮寶，徐嘉源，等.基于Citespace的無人機遙感研究知識圖譜分析[J].熱帶地理，2019，39（2）：309-317.

[5] 李繼宇，胡瀟丹，蘭玉彬，等.基于文獻計量學的2001—2020全球農用無人機研究進展[J].農業工程學報，2021，37（9）：328-339.

[6] 盛強，鄭建明，劉江山，等.基于CiteSpace的內表面缺陷檢測研究進展與趨勢[J].光譜學與光譜分析，2023，43（1）：9-15.

[7] 毛秋紅，石聰聰.基于CiteSpace的民用無人機國內外研究熱點與趨勢分析[J].科技管理研究，2021，41（19）：127-135.

[8] 宗淑萍.基于普賴斯定律和綜合指數法的核心著者測評——以《中國科技期刊研究》為例[J].中國科技期刊研究，2016，27（12）：1310-1314.

[9] 白云.中國人文社會科學期刊被引半衰期分析研究[J].云南師范大學學報（哲學社會科學版），2006（4）：127-130.

[10] 胡根生，張學敏，梁棟，等.基于加權支持向量數據描述的遙感圖像病害松樹識別[J].農業機械學報，2013，44（5）：258-263，287.

[11] 宋清潔，崔霞，張瑤瑤，等.基于小型無人機與MODIS數據的草地植被覆蓋度研究——以甘南州為例[J].草業科學，2017， 34（1）：40-50.

[12] 羅哲，唐邇丹.我國人才政策的演變趨勢與發展方向——基于CiteSpace知識圖譜分析[J].軟科學，2021，35（2）：102-108.

[13] 陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015，33（2）：242-253.

[14] 張婷婷，鄭彬.我國金融支持農業產業化的可視化研究——基于CiteSpace的文獻分析[J].中國林業經濟，2023（5）：79-83.

[15] 張妮娜，張珂，李運平，等.中國南方典型濕潤山區植被類型的無人機多光譜遙感機器學習分類研究[J].遙感技術與應用，2023，38（1）：163-172.

[16] 魯向暉，楊寶城，張海娜，等.基于無人機多光譜遙感的矮林芳樟葉片精油產量反演[J].農業機械學報，2023，54（4）：191-197，213.