無人機在低空經濟中的應用綜述

中圖分類號：TN929.5；TP391 文獻標志碼：A

低空經濟作為我國的戰略性新興產業，有望孕育經濟社會發展的新動能。《低空經濟產業發展白皮書》指出低空經濟具有成長性強、產業鏈條長、產業融合性強、輻射面廣的特點[1]。2023 年，我國低空經濟規模已達5059.5億元，增速達 33.8% ，低空經濟規模有望在2026年突破萬億，有著巨大的投資價值和增長潛力。

我國高度重視低空經濟的發展。2023年，中央經濟工作會議將低空經濟列為戰略性新興產業。2024年，“低空經濟”首次被寫入《政府工作報告》，成為國家重點扶持對象[3]。低空經濟的產業鏈涵蓋了上游的原材料加工和零部件制造，中游的低空飛行器制造和地面設施建設、下游的飛行服務保障和各類應用場景的細分，串聯起了第一、二、三產業，又融合了智能制造、智慧交通、新能源、數字化和信息消費等新業態，形成了新的生態模式。低空經濟可以利用機場、航線和飛行器帶動周邊相關行業發展[4]。中央空管委也即將在合肥、杭州、深圳、蘇州、成都、重慶6個城市開展電動垂直起降飛行器（electricvertical take-offand landing，eVTOL）試點[5]

無人機產業在過去幾年中大幅增長，已成為低空經濟的支柱產業之一。在無人機低空遙感技術[6、物聯網[7]、低空智聯網[7]和第5代移動通信等技術的支持下，無人機為諸多領域提供了一種可行的解決方案，被廣泛應用在農林牧業、工業巡檢、物流配送、災難救援等領域，形成了一條完整的產業鏈條，產業規模已趕上了傳統通用航空業。截至2023年底，我國無人機相關企業已達5.2萬家，已有無人機超126萬架，持有相關無人機操作員執照的人數總量超過20萬人，民用無人機飛行累計飛行時間2300萬h，行業市場規模達1174.3億元[8-9]。民航局已批準建立民用無人駕駛航空試驗區17個、試驗基地3個，覆蓋城市、海島、支線物流、綜合應用拓展等場景，低空經濟正成為我國產業發展的一片新藍海[10]。以我國無人機產業集聚度最高的地區深圳為例，2023年，深圳新開通無人機航線77條，累計開通航線156條，完成載貨無人機飛行量超60萬架[]。無人機技術近年也發展迅速，潘翔等[研究了一種無人機航拍圖像小目標檢測算法，適合對地面小自標進行檢測。朱潤澤等[13則研究了基于改進粒子群算法的無人機路徑規劃，提高了無人機三維空間路徑規劃的性能，能夠很好地規劃出質量較好的飛行路徑。這些技術有力地支持了低空經濟的發展。但是，低空經濟在高速發展的過程中，仍存在不少的問題與挑戰。

為此，本文對無人機在低空經濟中的應用現狀進行了全面和深人調研。首先，分別對無人機在農業、工業、物流配送、災害調查和生態保護上的應用進行了歸納；其次，討論了無人機當下在應用中存在的問題；最后，探討了無人機應用的發展趨勢。

本文的其它章節安排如下：第1節介紹無人機在低空經濟的代表性應用；第2節介紹無人機在低空經濟中面臨的問題與挑戰；第3節介紹無人機低空經濟未來的發展趨勢；第4節對本文進行總結。

1應用

在低空經濟政策的加持下，無人機的應用領域越來越豐富，在農林植保、基礎設施巡檢、物流、生態保護和災難防控與調查等方面取得了顯著的經

濟與社會效應。

1.1 農林植保

無人機在農業上有很多應用領域，包括監測病蟲害、對病蟲害進行航空施藥和對森林監控等。無人機進行植保作業流程如圖1所示。無人機的環境適應性比人類強，可以在人類難以到達或者高危險的區域進行作業。例如，在病蟲害監測上，無人機可以搭載光學傳感器對病蟲害進行精確的監控；在航空施藥上，無人機工作效率高，不受作物長勢和地形的影響，使用藥液量少，可以降低成本和保護環境；在森林監控方面，無人機具有較遠的視野和更安全的人員作業環境。

1.1.1無人機在病蟲害監測上的應用

在農業生產中，病蟲害問題一直是我國農業面臨的主要問題之一。如何快速地檢測病蟲害的發生，防止其擴大，是保障農作物增產豐收的重要因素。隨著無人機在病蟲害檢測鄰域的應用，傳統的人工定點監測已經無法適應現代化農業生產。通過無人機從高空進行掃描分析，可以更快更全面地掌握區域內作物地病蟲害情況。

馬云強等[14]利用無人機多光譜影像高分辨率的優勢，結合野外實地調查數據深度神經網絡（deepneuralnetwor，DNN）模型，反演研究了區域內云南切梢小蠹的危害情況，可以準確地得到云南切梢小蠹的分布信息。鄧小玲等[15利用無人機獲取到原始的高光譜影像，經過預處理和特征工程后，利用連續投影算法提取最合適的特征波長組合，應用特征波段的邏輯回歸和支持向量機算法建立分類模型，在患病的樣本分類中表現出很高的準確率，證實了特征波長組合柑橘患黃龍病植株分類的有效性。林奕桐等1利用無人機可見光通道，構建了基于向量機的識別模型，先通過柑橘黃龍病黃化識別模型識別具有黃龍病黃化特征的植株，再通過黃龍病斑駁特征識別模型對具有黃化特征的植株進行黃龍病葉片斑駁特征識別，以此確定患有黃龍病的植株，實驗表明其可以很好地識別患病植株，且成本低于高光譜識別方法。MINH等[17利用無人機從高處獲取近紅外圖像，使用超像素分割方法，將得到的蘿卜田圖像分割成單獨的片段，利用基于深度學習法的蘿卜識別框架針對提取的蘿卜圖像進行分析，在準確性和魯棒性都有良好的表現，比其他方法更直觀、更有效。YU等[18]結合高光譜圖像和激光雷達的優點，創建新方法實現在樹層面精確預測松樹枯萎病的感染階段。無人機用于病蟲害監測的總結如表1所示。

1.1.2無人機在施藥上的應用

相較于傳統的施藥方式，無人機施藥具有節水、節藥、靈活性高、適合大面積作業、不受作業環境影響、工作效率極高、穿透性強、安全性高等優點[19]，現在已經廣泛應用于農業領域。

付貞楨等[20]為研究改變無人機飛行高度、飛行速度以及噴幅對燕麥田間的雜草防除效果，采用了無人機作業高度、速度、噴幅設計三因素三水平正交試驗，研究了除草劑在燕麥混播田里對標靶雜草的防效，研究結果顯示，噴幅 4m 、飛行高度 1.5m. 飛行速度 5m/s 時除草效果最佳。JOSEPH等[2I]則研究了不同噴涂速度和噴嘴類型對無人機施藥的目標區域覆蓋率和均勻性的影響，結果顯示，空氣誘導平噴和渦輪空氣誘導平噴且噴嘴以及 3m/s 的噴涂速度對目標區域充分覆蓋，還可以減少脫靶風險。范明洪等[22]為了探索玉米田除草劑在不同的霧滴粒徑和不同噴藥量下對雜草的防效，通過改變霧滴粒徑和噴藥量來研究其對靶標雜草的影響，發現在相同噴藥量下藥液的霧滴粒徑越大對雜草的防效越好。李仁鳳等[23為探究旋翼無人機產生的下洗氣流對施藥質量產生的影響，利用基于離散相模型的多相模型對在無人機耦合風場下的下洗氣流影響的霧滴沉積分布規律進行數值研究，實驗表明在下洗氣流的影響下施藥效率提高，但當風速達到 2～3m/s 時出現重復噴現象。資樂等[24]通過以殺蟲劑、飛防助劑和施藥液量為影響因素，設計了3因素4水平的正交實驗，結果表明藥劑和飛防助劑的配合對稻縱卷葉螟的防治有明顯的效果，但應選擇合適的飛防助劑和農藥的配伍。YAO等[25]在棉花開花期采用預潤濕的方法可以減小藥液和葉片之間的接觸角，使藥液更容易潤濕擴散，增加沉積量。對于無人機施藥應用的總結如表2所示。

1.1.3無人機在森林保護上的應用

森林是農業的重要組成部分，具有社會、生態和經濟三大效應。我國的森林覆蓋面積廣闊，對其林業資源的調查和對森林火災的監控難度極大。隨著無人機及其相關技術的發展，其在森林監管中起到了重要的作用。

史潔青等[2研究利用無人機遙感影像對林業資源進行高精度的調查，實驗結合了攝影測量技術、無人機影像后處理技術、地理信息系統技術和林業資源調查管理技術，開發了專業的森林資源調查系統，利用無人機影像，可實現數據庫的實時更新，極大地縮短了森林資源地調查周期。SIMON等[27]構建了一個標準化的數據管道，通過合并地面數據和無人機多光譜數據，半自動地生成了參考數據并監視森林的健康狀況。羅謹璇等[28利用無人機激光雷達估算紅樹林地上的生物量，研究將結合激光雷達數據和實測數據，使用機器學習方法對區域內的生物量進行估算，提高了紅樹林生物量估算的精度和效率。王俊玲等[29]實現了利用自注意力機制的航空林火識別方法，實驗利用無人機采集的林火視頻作為數據源，將數據進行預處理構成數據集，選用10層視覺變換器（visiontransformer，ViT），序列化圖像并嵌入位置信息，疊加9層ViT后通過多頭自注意力和多層感知器機制批量嵌入第10層ViT，最后用對比特征學習策略構建目標損失函數進行模型預測，結果顯示該模型具有良好的泛化能力。LI等[30提出了一種基于輕量級森林火災識別模型的無人機，通過在真實的數據集上訓練和在嵌入式設備上評估了各種輕量級的卷積神經網絡，其獲得了極高的準確率，超過了目前領先的方法。無人機在森林巡檢中應用總結如表3所示。

1.2 基礎設施巡檢

我國是基建大國，許多輸電線路、輸油管道、鐵路橋梁等基礎設施都架設于地形復雜，自然環境惡劣的區域，為及時排除設施存在的缺陷，需投入大量的人力物力對設施進行巡檢。傳統的人工巡檢存在工作效率低下，花費成本較高，且存在人身安全風險等缺點。無人機以其靈活性強、成本低和安全性高等優點，在基礎設施巡檢領域得到了廣泛的應用。圖2為無人機巡檢系統組成示意圖。

王志鵬等[31]研究了應用于鐵路無人機巡檢的一種旋轉不變性強、泛化能力優異的點云配準方法，利用無人機配合激光雷達收集數據，通過精準的點云數據配準和分析，構建出三維鐵路環境地圖，可以為鐵路的維護提高數據支持，該算法在京滬高鐵上測試時，展現出了對未知數據高效準確配準的能力。付晶等[32]提出了一種面向輸電線路無人機巡檢圖像缺陷智能識別的方法，提出將無人機的巡檢路線固化，將其巡檢圖像與時空信息進行關聯，構建圖樣精細樣本集，為深度學習算法的優化提供高質量的樣本集；論文采用更快速區域卷積神經網絡（fasterregion-based convolutional neural net-works，FasterR-CNN）目標檢測算法對不同的樣本集進行測試，實驗結果表明定點復拍圖像的缺陷識別率較高。LAMYAE等[33]提出了一種基于擴展彩色卡爾曼濾波的輸電線路巡檢無人機數學模型，通過使用卡爾曼濾波器將磁方程以有色噪聲的形式合并并有效保證了無人機在電磁干擾下穩定、安全地飛行，完成電路巡檢任務。IGOR等[34提出了一種通過檢測輸電線路結構和元件的損壞來檢查電力線的方法，該方法由檢測高度算法和應用于無人機沿線移動的算法組成，其使用快速探索的隨機數算法（rapidlyexploringrandomtree，RRT）沿輸電線路的路徑規劃發生在給定工作高度的二維空間中。Gazebo中的仿真顯示在 200m 的線路中，平均路徑規劃時間不超過 0.3μs 。彭向陽等[35]研究了大型無人直升機電力線路巡檢系統的實用化，提出了大型無人機在電力巡檢領域的技術研究、裝備研制和示范應用等的實用化目標和策略，在國內首次應用衛星中繼通信系統解決了無人直升機在復雜電力線路環境下的通信問題，對我國大型無人機在電力系統巡檢中的實用化有重要意義。田磊等[3]改進了（youonlylookonce，YOLO）深度學習網絡框架YOLOv5s，使其更適合于油氣管道無人機巡檢的小目標檢測。對于不同的巡檢場景，改進算法均體現出了較強魯棒性，能夠完成對多種異常目標的檢測。無人機在基礎設施巡檢上應用的總結如表4所示。

1.3 物流

隨著低空鄰域的逐步開放，與人工智能結合的無人機被廣泛應用于運輸、配送等領域，特別是在偏遠地區，有效縮短了投遞時間[37]，物流無人機已成為城市運輸系統中的重要一環，是解決物流“最后一公里”難題的有效手段[38]。此外，在餐飲行業，使用無人機配送外賣可以大大減少配送時間， 圖3為無人機外賣配送的流程圖。

張書琴等[39]針對城市物流運輸無人機指派，提出了一種混合策略改進的頭腦風暴優化（hybridstrategy-improved brain storm optimization，HSBSO）算法，通過Sobol序列初始化種群提高種群多樣性，引入改進的Sine混沌映射，提高算法搜索能力并加快收斂速度，同時二次函數動態調整局部搜索概率，控制搜索精度，并運用基于觀測的變異學習策略跳出局部最優。王飛等[40]則研究運用改進粒子群算法對城市物流無人機進行路徑規劃。采用柵格法進行建模，建立對約束無人機路徑規劃模型；引入Singer映射，構建綜合改進的粒子群優化算法，應用其求解模型。算例仿真分析表明，該模型和算法應用于無人機路徑規劃是有效的。李航等[41]收集和提煉了15個影響無人機碰撞主要風險因素，運用解釋結構模型對這些風險因素進行層級劃分構建貝葉斯網絡模型。根據所構成的貝葉斯網絡模型，將數據導人GeNIe，得到無人機碰撞風險不同等級的分布概率，并對貝葉斯網絡模型進行逆向推理、敏感性分析和影響強度分析，一句分析結果提出風險防控建議。趙飛等[42]研究了在低空風場影響下的無人機路徑規劃，使用流體力學估計風場，從飛行安全、飛行速度和周圍建筑產生的湍流等角度分析風場對無人機的影響并構建路徑規劃模型，還提出改進的Theta 求解算法。仿真結果顯示，該算法規劃的飛行路徑在航路距離和飛行時間上都優于傳統算法。ZHANG等[43為解決無人機覆蓋不同地區執行不同任務時，導致數據異構且增加非獨立和同分布數據（non-independentandidenticallydistributed，Non-IID）問題，引入了云-邊緣-端協作聯邦學習框架，通過集群和聚合來組織本地客戶端，可以有效解決無人機的Non-IID數據問題。文獻[44]介紹了一種基于無人機本地配送服務，將無人機在城市中飛行所遇到的復雜問題表述為混合整數線性規劃模型，其通過最佳能耗來最小化無人機地飛行總距離，該方法可以根據服務距離和本地的物流環境來選擇合適的無人機，以提高利用效率。關于無人機在物流上應用的總結如表5所示。

1.4 生態保護

隨著綠色發展理念不斷深人人心，生態保護已成為經濟發展中不可或缺的一部分，世界各國都在積極開展生態環境保護工作推動社會可持續發展，無人機技術的應用為生態保護領域提供了重要的技術支持。圖4為無人機野外觀測系統的示意圖。

陳秋計等[45]研究了無人機在礦區生態修復監測領域的應用，采用無人機技術獲得礦區生態數據，制造高分辨率的正射影像，利用ENVI軟件計算可見光波段差異的植被指數，利用CropScience工具提取復墾苗木的數量、冠幅、長勢等信息，基于ArcGIS研究相關指標的空間分布狀況，研究結果表明，所采用的研究方法和技術在礦區生態恢復監測應用中具有可行性。覃睿等[46提出了一種基于無人機群的群海面溢油自動導航跟蹤監測的架構和方法，該方法建立了溢油模型和設計無人機跟蹤控制系統，可以根據海上溢油濃度的變化進行路徑規劃。數值仿真表明，該系統與溢油有著較高的重合率，驗證了該方法的可行性。ZAABOUB等47]研究使用無人機和機器學習法來評估海洋中的垃圾，首先，使用無人機對名為Posidonia海草沉積進行3D測繪并識別海洋垃圾的類別；其次，用正射影像拼接快速量化海灘上的Posidonia體積;最后，用機器學習法評估正射影像的豐度。試驗結果表明，使用無人機的評估結果有較高的準確度。吳方明等[48]研究了利用無人機對大型食草動物進行自動監測的方法，研究先對無人機獲得的影像進行灰度化，以降低其矩陣維數且保留了梯度信息，使得運算速度大幅提高；然后將影像數據進行高斯濾波，排除噪聲，開展閾值處理得到二值化圖像；再采用動物的形態學特征進行形態運算，消除掉小物體的干擾，在進行閉目運算排除小型黑洞將同一對象聯通不重復計算;最后在二值圖像中監測動物輪廓，并返回輪廓數量，從而自動獲得大型食草動物的數量和分布。試驗結果表明，其技術結果與手工計算結果的誤差極小，為今后進行大規模的大型動物資源調查提供了技術支持。KRISHNAN等49利用無人機獲取可見光和熱成像圖像，并結合兩個監督深度學習模型進行動物監測實驗，結果發現圖像融合非常適合調查背景中不顯眼的動物。對無人機在生態保護應用的總結如表6所示。

1.5 災難預防和救援

受我國地質條件和氣候條件的影響，各種自然災害時有發生，每年因自然災害造成的損失高達數千億，因此，災難前的防控和災后的救援和調查尤為重要。無人機因其靈活性強、時效性高和不受復雜地形影響等特點，是應對自然災害的高效輔佐工具。圖5為無人機應急通信系統示意圖。

江松等[50]提出一種基于面向對象的標注數據集和Res-U-Net模型相結合的露天礦滑坡識別方法。首先，將無人機航測獲得的露天礦滑坡數據用多尺度-光譜差異分割方法和閾值分離原理進行分割和分類，完成滑坡數據集的構建；其次，以U-Net網絡為基礎架構，在每個卷積層融入ResNet的殘差模塊，構建滑坡識別語義分割模型；最后，識別不同方法構建的滑坡數據集。結果表明，基于面向對象標注的滑坡數據集相比于傳統人工標注數據集具有更好的滑坡識別效果，實現了露天礦滑坡災害的識別。任光雪[51]采用無人機機載激光探測及測距系統（lightLaserdetectionandranging，LiDAR）技術對貴州省中部某巖溶區高速鐵路進行研究，通過無人機獲取了高斯鐵路沿線部分段落的激光點云與光學影像數據，開展植被下巖溶災害識別研究工作，獲得了研究區域內的地表巖溶的空間分布，為相關高速鐵路巖溶區巖溶篩查與隧道病害的治理提供了技術和依據。ARCHANA等[52]將無人機遙感和巖石學分析相結合，使用無人機勘測生成高分辨率的正射影像和數學高程模型，在地理信息系統（geographicinformationsystem，GIS）環境中進行處理，同時對現場進行采樣和巖相分析，研究表明無人機遙感和巖石學分析相結合可以準確地繪制和表征滑坡。

李夢麗等[53]為解決災害場景下無人機部署時對節點能效考慮不充分的問題，提出了一種基于

MADRL的信息收集無人機部署與節點能效優化的方法。基于深度強化學習（deepreinforcementlearning，DRL）方法進行改進，提出使用完全去中心化的多智能體優先經驗回放雙重深度Q網絡（fully decentralized multi-agent customized prioritizedexperience replay doublle deep q-network，MAFD-CPER-DDQN）在DDQN網絡模型的基礎上用自定義經驗回放優先級、合理設計獎勵函數和采用完全去中心化訓練方式，解決了信息收集無人機的自適應部署問題。仿真結果表明，該算法的訓練速度和效率相較于DDQN基礎算法均有所提高，兼顧了災害場景下高時效、高質量的無人機自適應部署要求。范熙偉等[54]嘗試利用無人機獲得熱紅外遙感數據，進行夜間倒塌房屋提取實驗。可見光遙感數據提取的房屋作為真值進行對比，結果發現熱紅外遙感數據可以在夜間進行房屋倒塌識別，且總體精度較高，可以為震中指導救災工作爭取寶貴的時間。ARMAAN等[55]研究了一種使用多個自主無人機對洪水受災地區進行關鍵區域覆蓋的方法，提出一種深度學習算法學習連續多無人機控制，并且結合了一種深度確定性策略梯度（deepdeterminis-ticpolicygradient，DDPG）算法目標層的定向勘探策略，此外還引進了一種路徑散射策略，該算法性能比基線算法和其他文獻中提到的算法更好。無人機在災難預防和救援中的應用如表7所示。

2 問題與挑戰

（1）政策法規

在大疆等企業和各研究所的助力下，我國無人機產業在產業化水平和技術水平上都得到了大幅發展，在行業內取得了一定優勢。但我國無人機的生產仍然缺乏統一的行業技術標準，各個生產企業均以自己的標準生產，導致產品質量參差不齊，各企業間競爭同質化嚴重，缺乏合作。現行的無人機空域準入規則沒有規定無人機空域準人的具體申請流程和申請條件，無人機的飛行申請都是按照傳統航天器的空域準人規則處理，將空域準人視為特權，導致大量無人機難以獲得合法的飛行身份，嚴重限制了無人機價值的發揮[56]。目前，對無人機相關法律法規宣傳力度薄弱，且監管政策過于簡單，只規定了責任承擔主體僅限為無人機擁有者，沒有對監管主體進行規定，導致監管責任難以劃分。

（2）關鍵技術

盡管目前的無人機技術已經得到了長足的發展，但仍然存在很多缺點。電池續航時間短，目前大部分無人機續航時間約為 30min ，扣除試飛、往返、調整狀態等時間后，真正用于作業的時間寥寥無幾，工作效率低下。載荷較小，隨著低空經濟的進一步發展，未來對無人機載荷的要求越來越高，載荷量偏小，會導致往返時間增多，降低工作效率。可靠性差，無人機作業時常出現失控現象，飛控系統的可靠性和抗干擾能力需進一步提高。

（3）從業人員

無人機相關從業人員缺口巨大，預計未來無人機駕駛員需求量近100萬人[57]，無人機裝調檢修工需求量近350萬人[58]，導致部分新手駕駛員在相關技能還不熟練的情況下駕駛無人機開展工作，影響工作效率，甚至釀成事故。已有的從業人員也存在水平良莠不齊的情況，部分人員甚至沒有受過

專業培訓就開展工作。

（4）空間分布

低空經濟消費和低空經濟設施存在空間錯配[59]。通用機場是大型無人機開展作業活動的重要基礎設施，但我國現有的通用航空機場僅有400多個，而且在空間上分布不合理。在內蒙古、新疆和黑龍江等地廣人稀且地形較為平坦的地區，適合進行通航作業和修建機場，人均通用機場數量遠超全國平均水平；然而在經濟發達的地區，低空經濟發展潛力巨大，對大型無人機需求更多的北京、上海、浙江等地的人均通用機場數量卻僅為中等水平。低空經濟消費空間和低空經濟設施布局不匹配，不利于我國低空經濟的健康發展。

3 發展趨勢

（1）智能化

無人機智能化是未來無人機技術的核心，通過將無人機與5G技術和人工智能結合，無人機能夠進行更加自主的飛行，實現復雜的路徑規劃、障礙識別和追蹤等復雜任務，減少對人工操作的依賴；目前無人機的控制手段還不夠靈活，大多數都是基于無人機機載的控制算法進行控制，未來可以結合虹膜識別、聲音識別、手勢識別和腦電波識別等生物識別技術，改善人機交互，提高無人機用戶的體驗感；無人機操作員還可以利用5G通信技術通過手機軟件遠程整理數據或上傳資料，大大增加了無人機的工作效率，而且方便管理。

（2）長續航

提高無人機的續航能力是無人機技術發展的重要方向之一。受目前電池技術的限制，無人機的航時和續航能力有限，無法充分發揮無人機的價值。未來隨著電池技術的突破，電池能量密度提高，充電速度和電池壽命取得顯著突破，將大大提高無人機的航時和續航能力，滿足更多的應用場景。使用混合電力系統也是提高無人機續航能力的重要方式，相較于純電動驅動，混合動力系統可以提供更長的作業時間，而且比純燃油驅動更環保，在兩者中取得了一個可以接受的平衡。

（3）輕量化

輕量化是未來無人機發展的必然趨勢。隨著無人機應用領域的拓展，應用場景對無人機的機動性和靈活性提出了更高的要求。受材料學的限制，無人機的有效載荷被自身的重量嚴重擠占了，同時無人機的飛控系統不夠靈活，導致飛機飛行時穩定性和靈活性較差，未來可以使用更輕便的材料，例如碳纖維等重量較輕的復合材料。輕量化的設計既可以減少能源的消耗，還可以增加續航時間，使無人機可以適應更加復雜的應用場景。

（4）模塊化

模塊化設計也是無人機未來重要的發展方向之一。將無人機的各個系統劃分為一個個獨立的模塊，這些模塊可以單獨進行設計、生產和測試，最后再根據需求進行組裝。無人機使用者可以根據具體的需求選擇適合的模塊組裝到無人機上，大大提高了無人機的適宜性和靈活性；模塊化設計降低了各個系統之間的依賴性，防止出現單個系統故障導致無人機整體報廢的情況，降低了無人機的使用成本；模塊化的設計還使得無人機設計變得更加簡單和快速，利用現有模塊的不同組合，便可快速達成設計需求，減少了從頭開始設計系統的時間。將模塊化的思想引人無人機設計當中，可以實現無人機配件的通用化，滿足不同任務需求下無人機的快速設計、改裝和維修等工作。

4 結束語

本文對無人機在低空經濟中的應用進行了綜述。首先，闡述了低空經濟的重要性和無人機在低空經濟中扮演的角色；其次，重點分析和歸納了無人機在代表性領域的應用，分別為農林植保、基礎設施巡檢、物流、生態保護和災難防控與調查；再次，從三個方面討論了自前無人機在低空經濟應用中存在的問題和挑戰；最后，展望了無人機服務于低空經濟未來的發展方向。無人機產業作為低空經濟中的核心產業，作為新質生產力的代表，必將促進低空經濟全產業鏈的高質量發展。

參考文獻：

[1]中國電子信息產業發展研究院.《低空經濟產業發展白皮書》[R/OL].（2024-04-02）[2024-12-21].ht-tps：//hulianhutongshequ.cn/upload/tank/report/2024/202404/1/7383fc7a0d2a4810b030d1d46f2700b9.pdf.

[2]賽迪顧問.中國低空經濟發展研究報告（2024）［R/OL].（2024-04-01）[2024-12-21].https：//www.sohu.com/a/839270253_121123720.

[3]李強.政府工作報告：2024年3月5日在第十四屆全國人民代表大會第二次會議上[M].北京：人民出版社，2024.

[4］周鈺哲.低空經濟發展的理論邏輯、要素分析與實現路徑[J].東南學術，2024（4）：87-97.

[5]中國網.聚焦新增長點，發展低空經[EB/OL].（2024-11-29）［2024-12-21].http：//yn.people.com.cn/n2/2024/1129/c372441-41058583. html.

[6]王柯，付怡然，彭向陽，等.無人機低空遙感技術進展及典型行業應用綜述[J].測繪通報，2017（增刊1）：79-83.

[7］董超，經宇騫，屈毓，等.面向低空智聯網頻譜認知與決策的云邊端融合體系架構[J].通信學報，2023，44（11） ：1-12.

[8］中投產業研究院.2024年中國低空經濟數據分析報告[R/OL].（2024-04-05）[2024-12-21].https：//www.sgpjbg. com/baogao/163770. html.

[9］中國民航局.民用無人駕駛航空器操控員和云系統數據統計報告（2023年）[R/0L].（2024-04-25）[2024-12-21]http：//www. caacnews. com. cn/1/1/202404/W020240426699510487229. pdf.

[10]新華社.無人機超126萬架！我國低空經濟蘊藏萬億級市場[EB/OL].（2024-03-20）[2024-12-21].http：//www. news. cn/20240330/8c1b4e26e3fa409390571c8668171241/c. html.

[11]深圳市交通運輸局.振翅高飛面向未來[EB/OL].（2024-01-08）[2024-12-21]. http：//jtys.sz.gov.cn/zwgk/jtzx/gzdt/content/post_11090758.html.

[12]潘翔，陳前斌，黃昂，等.基于改進 YOLOX 的無人機航拍圖像小目標檢測算法[J].南京郵電大學學報（自然科學版），2024，44（1） ：90-100.

[13]朱潤澤，趙靜，蔣國平，等.基于改進粒子群算法的無人機三維路徑規劃[J].南京郵電大學學報（自然科學版），2024，44（6）：120-127.

[14]馬云強，李宇宸，劉夢盈，等.基于無人機多光譜影像的云南切梢小蠹危害監測反演研究［J].西南農業學報，2021，34（9） ：1878-1884.

[15]鄧小玲，曾國亮，朱梓豪，等.基于無人機高光譜遙感的柑橘患病植株分類與特征波段提取［J].華南農業大學學報，2020，41（6） ：100-108.

[16]林奕桐，梁健，劉書田，等.基于無人機可見光通道及支持向量機模型的柑橘黃龍病個體識別方法[J].西南農業學報，2022，35（11）：2554-2563.

[17]MINHDL，WANGHX，LI YF，et al.Fusarium wilt ofradish detection using RGB and near infrared images fromunmanned aerial vehicles [J]. Remote Sensing. 2020，12（17） ： 2863-2863.

[18]YU R，LUO Y Q， ZHOU Q，et al. A machine learningalgorithm to detect pine wilt disease using UAV-based hy-perspectral imagery and LiDAR data at the tree level[J].International Journal of Applied Earth Observations andGeoinformation，2021，101：102363.1-102363.9.

[19]白志坤，陳兵，高山，等.農用無人機施藥技術應用研究現狀[J].中國農機化學報，2024，45（9）：54-61.

[20]付貞楨，郭良芝，程亮，等.植保無人機噴施滅草松防除燕麥田雜草的霧滴沉積特性及除草效果［J].江西農業大學學報，2024，46（5）：1221-1232.

[21]JOSEPH EH，TRAVISWG，ROBERTJR，et al.Cov-erage and drift potential associated with nozle and speedselection for herbicide applications using an unmannedaerial sprayer[J]. Weed Technology，2020，34，（2）：235-240.

[22]范明洪，蘭玉彬，趙德楠，等.植保無人機低容量噴霧防除玉米田雜草的霧滴沉積特性及除草效果[J].植物保護，2022，48（5）：304-309.

[23]李仁鳳，韓順凱，楊風波.耦合風場四旋翼植保無人機下洗流與霧滴分布研究［J].中國農機化學報，2024，45（7） ：81-86.

[24]資樂，臧禹，黃俊浩，等.植保無人機飛防助劑與殺蟲劑配伍方式對其防治稻縱卷葉螟效果的影響[J].植物保護學報，2023，50（2）：538-544.

[25]YAOWX，WANGXJ，LANYB，el al.EffectofUAVprewetting application during the flowering period of cot-ton on pesticide droplet deposition[J]. Frontiers of Agri-cultural Science andEngineering，2018，5（4）：455-461.

[26]史潔青，馮仲科，劉金成.基于無人機遙感影像的高精度森林資源調查系統設計與試驗［J].農業工程學報，2017，33（11） ：82-90.

[27]SIMON E， FLORIAN S， JULIAN F， et al. Towards op-erational UAV-based forest health monitoring：species i-dentification and crown condition assessment by means ofdeep learning[J]. Computers and Electronics in Agricul-ture，2024，219：108785.1-108785. 17.

[28]羅謹璇，田義超，張強，等.利用無人機激光雷達估算紅樹林地上生物量［J].海洋學報，2023，45（8）：108-119.

[29]王俊玲，范習健，楊緒兵，等.基于自注意力機制的航空林火圖像識別方法[J].南京林業大學學報（自然科學版），2024，49（2）：194-202.

[30]LISL，HANJL，CHENFH，et al.Fire-Net：rapidrecognition of forest fires in UAVremote sensing imageryusing embedded devices[J]. Remote Sensing，2024，16（15） ：2846-2846.

[31]王志鵬，邵長虹，楊懷志，等.面向鐵路無人機巡檢的大范圍點云配準方法[J].中國鐵路，2024（5）：41-49.

[32]付晶，談家英，周立瑋，等.輸電線路無人機巡檢圖像缺陷智能識別方法分析［J].高電壓技術，2023，49（增刊1）：103-110.

[33]LAMYAE F，SIHAM B，HICNAM M. Mathematicalmodel and atitude estimation using extended colored kal-man filter for transmission lines inspection‘s unmannedaerial vehicle [J]. Journal Européen des SystemesAutomatise，2021，54（4） ：529-537.

[34]IGOR L，VALERIlA 1. Method for inspecting high-volt-age power lines using UAV based on the RRT algorithm[C]//16th International Conference on Electromechanicsand Robotics \" Zavalishin’s Readings\"，Virtual，Online：Springer，2021.

[35]彭向陽，易琳，錢金菊，等.大型無人直升機電力線路巡檢系統實用化[J].高電壓技術，2020，46（2）：384-396.

[36]田磊，王垚，謝成.面向無人機油氣管道巡檢的小目標檢測方法[J].電子設計工程，2024，32（15）：185-189.

[37]曾，葉美蘭，孫知信.新一代人工智能對中國速遞物流產業高質量發展的影響研究［J].南京郵電大學學報（社會科學版），2021，23（2）：1-13.

[38]張芳，張洪海，錢欣悅，等.面向“最后一公里”的無人機需求預測［J」.南京航空航天大學學報，2021，53（6） ：855-862.

[39]張書琴，夏洪山，江煒，等.基于HSBSO 算法的城市物流無人機指派[J/OL].計算機工程與應用，2024：1-14.（2024-09-09）[2024-12-21]. http：//kns.cnki.net/kcms/detail/11.2127.TP.20240909.1400.002.html.

[40]王飛，楊清平.基于改進粒子群算法的城市物流無人機路徑規劃[J].科學技術與工程，2023，23（30）：13187-13194.

[41]李航，聶芳藝.基于貝葉斯網絡的物流無人機碰撞風險評估［J].科學技術與工程，2023，23（15）：6700-6706.

[42]趙嶷飛，谷瑞嘉，任新惠.考慮城市低空風場的小型無人機路徑規劃方法[J/OL].北京航空航天大學學報，2024：1-15.（2024-09-28）[2024-12-21].https：//doi.org/10.13700/j. bh. 1001-5965.2024.0281.

[43]ZHANG C，LIU X，YAO A T，et al.Fed4UL：a cloud-edge-end collaborative federated learning framework foraddressing the Non-IID data issue in UAV logistics[J].Drones，2024，8，（7） ：312-312.

[44]MURUGAIYAN P，BALAN S. Drone delivery logisticsmodel for on-demand hyperlocal market[J]. InternationalJournal of Logistics Research and Applications，2023，26（2） ：1728-1760.

[45]陳秋計，朱小雅，侯恩科，等.礦區復墾林地生態修復無人機監測研究[J].煤炭科學技術，2020，48（10）：192-197.

[46]覃睿，閆玲，陳子健.無人機海上溢油跟蹤監測系統設計及仿真[J].海洋通報，2021，40（6）：709-715.

[47]NOUREDDINE Z， RIDHA G，RIADH S C， et al. Usingunmanned aerial vehicles （UAVs）and machine learningtechniques for the assessment of Posidonia debris and ma-rine（plastic） litter on coastal ecosystems[J].RegionalStudies in Marine Science，2023，67：103185.1-103185.1. 10.

[48]吳方明，朱偉偉，吳炳方，等.三江源大型食草動物數量無人機自動監測方法[J].獸類學報，2019，39（4）：450-457 .

[49]KRISHNANBS，JONESLR，JAREDAE，etal.Fu-sion of visible and thermal images improves automated de-tection and classification ofanimalsfor drone surveys[J].Scientific Reports，2023，13（1） ：1-12.

[50]江松，李研博，何旭乾，等.基于無人機影像深度學習的滑坡災害智能識別[J.中國安全科學學報，2024，34（7）：229-238.

[51]任光雪.無人機機載LiDAR 技術在高速鐵路巖溶災害識別中的應用[J/OL].鐵道標準設計，2024：1-7.（2024-09-26）[2024-12-21]. https：//doi. org/10.13238/j. issn. 1004-2954. 202405070001.

[52]ARCHANA B，MEDHA J，NIRMALA J， et al. Integrat-ed landslide analysis using petrological investigation anddrone based high resolution geospatial assessment： irshal-wadi landslide- A case study from Western Ghats of India[J].Natural Hazards，2025，121（1）：405-421.

[53]李夢麗，王霄，米德昌，等.災害場景下基于MADRL的信息收集無人機部署與節點能效優化［J].計算機應用研究，2024，41（7）：2118-2125.

[54]范熙偉，聶高眾，鄧硯，等.基于無人機熱紅外遙感數據的地震倒塌房屋提取[J].地震地質，2021，43（6）：1657-1670.

[55]ARMAAN G， SHASHI S J. Learning continuous multi-UAVcontrolswith directed explorations for floodareacoverage[J].Robotics and Autonomous Systems.2024，180：104774. 1-104774. 12.

[56]王錫柱.無人機空域準人：法律分析與制度建構[J].行政法學研究，2021（2）：111-123.

[57]董紅祥.無人機駕駛員就業景氣現狀分析報告［J].中國人力資源社會保障，2019（10）：31-33.

[58]無人機裝調檢修工就業景氣現狀分析報告[J].中國人力資源社會保障，2021（5）：37-38.

[59]張新生，鄭瓊潔.發展低空消費新業態的現實困境與實踐進路［J].南京郵電大學學報（社會科學版），2024，26（3） ：1-10.

（責任編輯：于慧梅）

A Review of the Application of Unmanned Aerial Vehicle in Low Altitude

LIAO Yong*1，QIN Luzhi2， LIU Siqi3 （1.School of Microelectronicsand Communication Engineering，Chongqing University，Chongqing 40o044，China; 2.College of Physics，Chongqing University，Chongqing 401331，China;3.MilitaryRepresentative Bureauof ArmyArmaments Department in Chongqing District，Chongqing 4Ooo6O，China）

Abstract：The low-altitude economy is a strategically emerging industry in China，with the potential tobecome a new driving force for economic and social development.Asa key component，core carrier，and foundational equipment of the low-altitude economy，unmanned aerial vehicles play a decisive role in the development.To this end，this paper provides a review of the application of unmanned aerial vehicles in the low-altitude economy. First，representative applications of unmanned aerial vehicles in sectors such as plant protection，infrastructure inspection，logistics，ecological conservation，and disaster prevention and relief are analyzed and summarized. Second，the problems and challnges of unmanned aerial vehicles in low-altitude economic applications are discussed.Finall，the future development trend of the low-altitude unmanned aerial vehicle industryis prospected.

Keywords：unmanned aerial vehicle；low altitude economy；application status；problems and challenges; development trends； survey