基于文献计量学的2001－2020全球农用无人机研究进展

李继宇，胡潇丹，兰玉彬，邓小玲※

（1.华南农业大学工程学院，广州 510642；2.华南农业大学电子工程学院、人工智能学院，广州 510642； 3.国家精准农业航空施药技术国际联合研究中心，广州 510642）

0 引言

无人机最初系应军事需求而生，最早可追溯至20世纪20年代第一次世界大战之际[1]。发展至今，无人机最前沿的技术应用依旧聚焦在军事领域——以美国和俄罗斯为首[2]。除军事领域，无人机的商业市场也得到了迅速的拓展[3]，无人机及其相关技术被广泛应用于实时监测、电子通讯、遥感摄影、搜索救援、物流运输、安全防护、精准农业和民用基础设施检查等多个民用领域[4-5]。根据2020年国际市场研究机构的最新报告，预计到2026年，全球无人机市场的年收入将达到328.3亿美元[6]。

农业是第一产业，近年来，随着物联网、大数据、人工智能、5G等数字信息技术的高速发展[7]，全球农业正在向数字农业、智慧农业升级转型[8]，无人机及无人机系统可深度融合多种数字信息、传感技术[9]，得益于其部署的灵活性，无人机在农业领域中的应用潜能得到了充分挖掘[10-11]。在种植业中，可用于喷药施肥[12]、播种授粉[13-14]、农情监测[15]、农田灌溉[16]和作物表型[17]等方面；在林业中，可用于估算植被覆盖[18]、检测生物量[19]等方面；在畜牧业中，无人机可用于放牧[20]，甚至应用到野生动物保护[21-22]中；在渔业中，可用于水体或水生生物监测[23]以及打击、追踪非法捕鱼行为[24]。无人机在农业上不断深化的研究与应用，颠覆了人们对传统农业的认知，有力推动数字农业、智慧农业的发展。

无人机在农业领域的研究应用已积累大量的理论基础与实践经验，为量化、可视化无人机的“农业化”进程，本文首先基于2001－2020累计20年间全球农用无人机相关的核心期刊论文及发明专利进行统计分析，然后统计描述农用无人机研究信息分布现状，接着分析农用无人机的研究进展与前沿热点，最后对全文进行提炼和总结。

1 数据来源与研究方法

1.1 数据来源

为统计分析无人机在农业领域中的研究与应用，拟检索广域无人机及农用无人机的相关文献，其中，农用无人机特指研究应用属于农业领域的无人机，广域无人机泛指研究应用属于任意领域的无人机，农业从广义上则还包括种植业、林业、畜牧业及渔业。从规范术语、高引文献中常见表达以及专著刊物[25]中分别提取“无人机”和“农业”的相关中英文检索词集，分别记为集合A和集合B。广域无人机的检索组合逻辑为“A”，农用无人机的检索组合逻辑为“A∩B”，基于两个检索词集从5个数据库中检索2001－2020年间农用无人机研究领域的期刊论文及发明专利信息，期刊论文包括——Web of Science核心合集(下文简称“WoS”)的article和review，共检索得4 075条记录，中国学术期刊全文数据库（下文简称“CNKI”）的科学引文索引、工程索引、北大核心、中国社会科学索引和中国科学引文数据库来源文献，共得623条记录；发明专利包括——Derwent Innovations Index德温特创新索引（下文简称“DII”）和世界知识产权组织Patent Scope（下文简称“WIPO”）的全球发明专利，分别得6 491条和6 923条记录，中国国家知识产权局专利数据库(下文简称“CNIPA”)的中国发明专利，共得4 450条记录。

农用无人机英文检索以WoS为例，检索式为“TS = ('unmanned aerial vehicle*' OR 'unmanned Aircraft Vehicle*' OR UAV OR drone* OR 'unmanned aircraft*' OR 'unmanned helicopter*' OR 'unmanned aerial system*' OR 'unmanned aircraft system*' OR UAS OR 'remote* NEAR/1 aircraft*' OR 'remote* NEAR/1 helicopter*' OR 'Remote* Pilot* Aerial System*' OR 'Remote* Pilot* aircraft System*' OR RPAS OR 'Pilotless Aircraft*' OR 'Pilotless helicopter*') AND TS=(agri* OR agro* OR farm* OR sow OR farmland OR 'cultivated field*' OR soil OR 'plant protect*' OR crop OR forest* OR tree OR 'animal husbandry' OR pasture* OR herd OR prairie OR grassland OR wildlife OR livestock OR cow OR yak OR lamb OR sheep OR fish*)”，剔除当“drone”意为“雄蜂”和“UAS”意为“上游激活序列”时的非相关文献；中文检索以CNKI为例，检索式为“SU=（'无人机'+'无人飞行器'+'无人航空载具'+'无人飞行载具'+'无人/PREV 2飞机'+'遥控飞机'+'遥控直升机'）AND SU=（'农业'+'农用'+'农场'+'农产品'+'种植'+'播种'+'田'+'土壤'+'植物保护'+'植保'+'作物'+'林业'+'森林'+'防护林'+'树'+'畜牧'+'牧'+'草原'+'野生动物'+'畜'+'禽'+'牛'+'羊'+'渔'+'捕鱼'）”。

上述5个数据库收集的文献兼具权威性和代表性，检索结果会因数据库更新而轻微改变，数量变化对文中最终结论影响甚微，最后检索时间为2021年3月27日。

1.2 研究方法

本文通过文献计量方法分析数据，利用数据处理软件和文献计量分析工具对论文和专利检索数据进行量化分析[26]，文献计量分析是指定对文献的数量特征、分布结构和演进规律进行定量分析，并通过可视化结果揭露某一研究领域的结构、特征和规律的科学，是一种基于数理统计的宏观研究方法[27]。

首先，通过SPSS和Excel等软件对农用无人机文献进行统计描述，具体包括数量、国家或地区、机构、期刊、作者、高引论文、同族专利等信息，得到农用无人机研究信息的时间、空间、来源等分布情况，概述农用无人机的研究现状；然后，通过计量分析软件VOSviewer和CiteSpace对农用无人机文献进行计量分析，具体对论文进行机构合作关系网络、文献共引分析、高频词聚类、关键词共现、关键词突现分析，对专利数据进行分类号聚类、分类号突现分析，借助知识图谱[28]梳理、归纳农用无人机的发展脉络及近20年间的研究前沿热点。

2 农用无人机研究信息统计

从农用无人机文献的时间、空间和来源分布概述农用无人机的研究现状，梳理农用无人机的发展时间线，分析农用无人机的主要研究国家地区及机构单位，了解农用无人机领域内的重点出版物、突出学者及热门文献。

2.1 时间分布

基于WoS和DII统计数据广域无人机与农用无人机近20年文献数量的分布比例如图1所示，分别通过年发布量占比、增势（斜率变化）及年增长率（相邻年份后者相较前者纵坐标数值的增长率）3个指标进行分析。广域无人机相关研究早在20世纪初开始萌芽，如图1a所示，2001－2013年均处于缓势发展，2014年及以后增长速度明显加快，专利数量几乎呈指数增加，该发展趋势与农用无人机高度相似。

基于WoS和DII统计数据，见图1b，农用无人机2001－2013年间论文发表量仅占总量的7.33%，专利发布量仅占总量的3.45%，单年论文加上专利的发布量均未能破百，增势缓慢。2014年，农用无人机的文献数量迅速累积，论文、专利年发布量均破百，论文年增长率从33.33%升至81.67%，专利年增长率从39.29%升至215.38%。此后至2020年，农用无人机文献数量持续快速增加，论文、专利增势分别在2019和2018年达到峰值，曲线斜率分别达到最大值8.98和7.63，国内无人机研究起步约滞后于全球5年。特别地，国内估计在2019年底及2020年上半年受新冠疫情影响，2020年文献发布量增势减缓明显。文献具体数量的年分布情况见图2。

如图2所示，2001－2020年间，全球无人机WoS论文累计发表量超过2.3万篇，DII发明专利累计公布量超过7.3万件。其中，农用无人机论文数量累计4 000篇，年发表量在2014年达109篇，到2020年达1 232篇；专利累计将近7 000件，从2014年123件到2018年1 287件，并在2020年达到单年最高1 970件。自2014年以来，农用无人机研究占广域无人机的比例不断增大，这点主要体现在论文数量上，2014年全球农用无人机论文发表量占广域无人机的比例为12.60%，往后占比逐年增大，该比例在2019－2020年分别为20.67%和21.49%，同期国内该比例平均在9.13%，也呈增大趋势。在专利方面，2014－2020全球农用无人机专利数量占广域无人机专利比值平均为8.87%，各年占比上下轻微波动，国内平均占比为10.58%，共有5年占比超过10%。

总体而言，全球无人机研究有向农业领域“扩散”之势，农用无人机文献数量的统计曲线在时间跨度上呈“S”型——2014年以前已达到研究平衡点，2014年开始往新的平衡点过渡，2014－2020年仍处于过渡期的“填充效应”，研究成果高速增长，农用无人机最近五年的年均论文发表量约700篇，年均专利公布量超过1万件。相较学术研究，国内则更多关心农用无人机的实际应用。特别注意到，专利数量曲线的最大斜率值相比于论文更大，且拐点更早出现，说明专利对研究热度敏锐性更高，相比论文能更早在数量变化上做出响应，即专利相较论文能更明显地体现某一领域的研究热度时期，由图2可见农用无人机的研究高热时期为2016－2018年，与广域无人机一致。

2.2 空间分布

2.2.1 国家/地区

中国、美国为现有农用无人机研究的两大主力国，同时也是广域无人机研究的主力国。根据WoS和WIPO统计的农用无人机文献数据显示，中国论文数量872篇，占总发表量的21.43%，专利数量5 666件，占总公布量高达83.41%；美国论文数量1 001篇，占比24.60%，专利数量272件，占比4%；其中，WoS自选的126篇领域内高被引论文和热点论文中，美国占31.75%，中国和西班牙分别占22.22%和17.46%。此外，澳大利亚、英国、韩国等也是农用无人机研究的活跃国家。将所有活跃的国家、地区按地理区域划分，得到农用无人机相关文献在空间上的分布情况，如表1所示，专利包括同族成员。

从表1中可见，亚太地区、北美和欧洲是农用无人机的主要研究区域，亚太地区多国（如中日韩澳）在专利发表上数量突出，从侧面说明农用无人机在亚太地区的应用更丰富和广泛；北美和欧洲发表了更多的论文，欧洲有多达12个国家挤进农用无人机文献数量前30，但是欧洲整体专利公布量不大，欧洲专利局的专利数量也仅为48件。英国、西班牙研究成果组成相近，西班牙最早奠定了农用无人机的研究基础，在2014以前，农用无人机领域内20篇高引核心论文西班牙占了7篇。其余区域仅有个别突出国，俄罗斯是俄罗斯和独联体区域中的研究代表国，文献数量次于法国，排名15。拉丁美洲、中东地区和非洲较为突出的分别是农牧业大国巴西和农业大国印度。

表1 文献主要产出国家及其分布 Table 1 Main output countries of the literature and their distribution

综上，针对农用无人机的研究，亚太地区在应用实践上属于领先地位；北美则在科研水平上领先、应用实践上次之；欧洲是研究农用无人机的中坚力量，科研氛围浓厚；其余区域已有明显的领头研究国家。随着全球农业自动化、数字化进程的推进，可推断出将有更多国家着手研究农用无人机。

2.2.2 机构及单位

根据WoS和DII统计数据，农用无人机累计文献发布量前10的机构及单位如表2所示，论文方面，中美在前10机构中占了9个，中国科学院和中国的农业大学为期刊论文的主要发表机构，西班牙最高科研理事会论文产出量位居第二；专利方面，中、日两国的单位或机构包揽前10，深圳大疆创新科技有限公司以230篇绝对的数量优势位列前茅，几乎是第2名索尼半导体解决方案公司的3倍。

表2 期刊论文产出机构及发明专利产出单位Top10 Table 2 Journal paper output institutions and invention patent output units Top 10

为进一步了解各机构间的研究合作联系（因专利发明单位间联系较少，故此处不分析专利公布单位的合作联系），图3给出了农用无人机论文发文量前80的机构间的合作关系网。其中，划分出重点①②③三个区域，分别以中国科学院、美国农业部、西班牙最高科研理事会为中心。在①区域，中国科学院、农业部及华南农业大学为主要3个合作中心。中国科学院与国内高校及欧美机构均有较多合作，农业部更多与国内的农业院校、农业相关研究机构密切合作，华南农业大学则与美澳机构合作。该区域内节点互相联系紧密，发文量大，所发表论文影响力中等。在②区域，美国农业部与美国当地院校研究联系密切，其次为中国机构，再次为欧洲院校。该区域内节点有多个分中心点，机构数量多，发文量略低于①区域，论文影响力中等偏高。在③区域，西班牙最高科研理事会与西班牙、美国、巴西、荷兰、芬兰等多国机构均有合作关系，合作机构间地理位置跨度大，发文量相对①②区域较少，但其发表的论文影响力普遍较高。

2.3 来源分布

文献来源指文献的出版物及作者，包括论文的出版来源、论文作者及专利发明人。从发文量角度出发，国内农用无人机相关论文主要发表在《农业工程学报》（43.75%）、《农业机械学报》（34.13%）和《中国农业科学》（4.33%）等刊物上，总体发文量不多。国际上农用无人机论文主要发表在《Remote Sensing》《Sensors》《International Journal of Remote Sensing》和《Computers and Electronics in Agriculture》等刊物上。从刊物影响力出发，利用VOSviewer对WoS的论文进行来源分析，进一步筛选领域内的重点刊物，被引强度排名第1的依旧为《Remote Sensing》，在WoS核心合集所筛选的126篇本领域高被引论文及热点论文中，该期刊共占有24篇，综合影响力排行前6的刊物信息详见表3。

表3 农用无人机领域内重点出版物 Table 3 Key publications in the field of agricultural UAV

此外，近5年（2016－2020）领域内较活跃的研究学者主要来自中国，累计发文量前20的作者中有13位来自中国，表4摘取了前6位作者的信息供参考。

表4 近5年内活跃研究学者 Table 4 Active scholars in the past 5 years

另一方面，从作者的共引强度衡量，近20年Zarco-Tejada P、Gitelson A、Bendig J、Wallace L、Torres-sanchez J、Hunt E等研究学者的相关论文在领域内影响力大。至于发明专利，近5年（2016－2020）的核心发明人主要来自华南农业大学（76件，2.207%）、大疆创新科技有限公司（64件，1.858%）、浙江大学（35件，1.016%）、广州极飞科技有限公司（34件，0.987%）、南京林业大学（31件，0.900%）等单位。

从WoS论文统计数据得，农用无人机领域内4千余篇论文h指数为106，累计被引频次为61 780次（含自引21 944次），施引文献共27 494篇。如表5所示，列出了农用无人机在WoS中总被引频次前6的期刊论文，在全球范围内，农用无人机研究已积累了一定基础，并到了具体技术研发阶段，最初的应用场景是地表图形建模和植被指数检测。进一步地，从WoS自选高引论文可看出，近2年农用无人机的研究热点依旧围绕遥感技术，并有了更深入的研究。其中，Erwin等[29]针对民用无人机优化调查指出农业仍然是无人机的最大潜力市场之一，Maes等[15]的农业遥感综述中提到，未来农用无人机应侧重利用热和光谱遥感数据以建立动态增长的农业相关模型，另外，Weiss等[30]表示农用无人机将根据涉及作物的特征进一步增强农业遥感的应用能力。国内CNKI中的高被引文献多为综述性质文章，其次则为农业遥感技术相关应用研究，总体而言，文章普遍基础性较强。

从DII专利统计数据得，同族专利含3个及以上的专利共554件，约占总专利数量的8.53%，关键技术点主要集中于T-计算与控制、W-通信和P-通用技术（农业，食品，烟草），其中，同一专利同族数量最高达29个。表5列出了同族数量排名前六的专利，根据专利族的大小，可间接了解农用无人机相关企业或单位的重点竞争技术，如中国深圳大疆创新科技有限公司以无人航拍机技术在全球知名，其发明的用于减少运动对相机成像干扰的装置[31]恰是保证航拍相机防抖的一大关键。国内CNIPA的发明专利显示，国内研究人员则更多关注农用无人机的田间喷施技术。

表5 WoS高被引论文Top 6及DII同族数量专利Top 6 Table 5 WoS high cited papers Top 6 and DII Top 6 patent family

3 农用无人机的研究进展与前沿热点

使用CiteSpace对农用无人机的关键词、术语、主题词进行聚类分析，从研究所涉及的领域、研究内容与代表成果三方面分析农用无人机实质研究进展，判断农用无人机当下的研究热点，预测其未来的发展趋势。

3.1 研究领域

根据Web of Science分类学科领域和国际专利分类技术领域对广域无人机和农用无人机的研究主题进行统计，结果如表6所示。

表6 研究主题分布Top 6 Table 6 Research subject distribution Top 6

农用无人机研究的主要学科领域为遥感和环境科学，从Top 6学科领域来看，研究者更热衷于发表农用无人机与遥感监测、图像处理内容相关的论文，领域内有多篇关于农业遥感应用现状与前景的高引综述[15,30,43]，当中均提到农业遥感应用的主要目的是为了提取农情信息。具体地，有在果园中表型柑橘形态[44]、在作物－牲畜－森林系统中测量树木直径和高度[45]，等等。而广域无人机研究的主要学科领域为电子电气工程，更多关注如何利用最新数字信息技术（如5G）在无人机上搭建更优平台以实现更好的无线通讯[46]，令无人机成为一种优选的多功能通讯工具。

与论文不同，农用无人机专利的前4位技术领域均与植保喷施相关，可将其归属为“物料释放”，即农用无人机通过自身平台搭载或促使某种农业物料以指定方式释放到指定区域以达到某种预期农业生产目的，如作物播种[47]、水稻授粉[48]、农作物采摘[49]、辅助喷灌[50]等。实际上，植保喷施相关专利数量也超过农用无人机总专利数的1/3，专利具体内容通常围绕两个方面——物料释放装置（喷施器、播种装置、果实采摘机构等）的优化设计和无人机农业作业飞行规划，发明目的均是为了提高农用无人机的作业效果与效率。广域无人机方面，宏观来看无人机多被设计用于特定作业，相对特殊的应用有如运输医疗设备[51]、维护物质文化遗产[52]等。

对前10的研究领域在2014－2020年间的衍变作矩阵分析，如图4所示，左侧为学科领域的衍变，右侧为技术领域的衍变。学科衍变体现了农用无人机学术研究的大体趋势，近两年研究内容从最初围绕遥感及环境监测，到无人机图像处理和平台搭建的变化趋势可发现，数字农业、智慧农业的大势已起。同时研究者们也开始更多地关注农艺、作物本身，最直观的便是植物表型技术迅速发展。技术衍变体现了农用无人机在技术上的优化顺序，依次为硬件设备、控制系统及数据处理，硬件设备包括飞行平台和作业装置，控制系统包括导航及飞控，数据处理包括获取数据的丰富性及数据处理手段的先进性，目前，农用无人机依旧更多用于农业防治。

3.2 研究内容

农用无人机研究主题多元化，本节将进一步分别对WoS论文高频词和DII专利细化技术分类号进行聚类分析，分析农用无人机目前聚焦研究哪些具体问题。从CIiteSpace聚类分析所得的网络结构和聚类清晰度可通过模块值Q（Modularity）和平均轮廓值S（Silhouette）两个指标评价，一般来说，Q∈[0,1)，当Q∈(0.3,1)时，说明划分所得的网络结构是显著的；当S>0.5时，聚类可被认为是合理的，当S接近0.7时，聚类令人信服[53]。

首先，对WoS论文进行研究关键词及术语聚类分析，得到聚类图谱如图5所示，S值为0.979 7，一共生成14个以颜色区分的聚类，其中，节点的标签字体大小代表频次，聚类序号越小所包含的关键词越多，聚类位置越靠近中心内容越重要。根据聚类标签含义，可将其进一步分为两大类，包括研究内容（#0精准农业、#1气孔导度、#5生物质、#7人类与野生动植物的冲突、#9无人机系统、#10侵蚀、#11路径规划、#12植被指数、#13地上生物量）和研究方法（#2优化、#3图像处理、#4点云、#6摄影测量、#8深度学习、#14高光谱）。类似地，基于德温特分类号同样地对DII专利进行聚类分析，德温特分类号相比IPC分类代码更详细，共得到7个聚类，技术领域涉及#0电话和数据传输系统、#1相关设备、#2电气应用、#3装置与制剂、#4弹簧、#5喷施与雾化、#6脉冲产生和操纵。从WoS和DII的聚类结果中摘取度中心性前20的词条和分类代码，结果列于表7，聚类网络图中节点的度中心性越高，节点在网络图中越重要。

结合图5及表7可知，农用无人机论文研究的内容主要围绕农用无人机平台的搭建（聚类#9#11）和应用（聚类#0#1#5#7#10#12#13），研究手段主要涉及图像（聚类#3#4#6#14）和算法（聚类#2#8）。农用无人机平台搭建的侧重点为无人机系统及路径规划，其中，无人机系统是否稳定抗干扰（disturbance）及能否实现机器人流程自动化（Robotic Process Automation, RPA）是研究学者们更关注或感兴趣的问题，路径规划除了导航技术，还融合了无线传感网络（Wireless Sensor Network, WSN）。农用无人机平台应用的研究通常集中于农业信息的获取，农业信息的来源方包括农业的劳动对象[54]（聚类#0#1#5#7#12#13）及农业劳动对象的介质[55]（聚类#10），前者信息多用于对农业对象进行生理评估或特征提取，进而建立相关模型，如图5中的氮素状况（nitrogen status）、生物多样性（biodiversity），表7中的植被指数、植物高度、气孔导度、叶面积指数、粮食产量等；后者信息多用于农业区域的监测与规划，所谓介质包括空间、陆地、水域等，种植业、林业、畜牧业的农业对象的介质一般为空间和陆地，渔业的为水域，如图5中的森林火灾（forest fire）、土壤蒸散（evapotranspiration）、土地使用（land-use），表7中的地形、水土流失等。

表7 农用无人机研究内容的重点关键词及技术分类 Table 7 Keywords and technical classification of agricultural UAV research

农用无人机专利发明的内容可分为控制系统（聚类#0#6）和设备装置（聚类#1#2#3#4#5），分类号以W（通信）及T（计算与控制）开头的专利数量最多，Q（机械）其次。如表7所示，P13度中心性最高且与次位T01拉开明显差距，说明农用无人机实际主要应用于种植业。T01、W06、Q25、W04等在度中心性和重复频次上都极为突出，机载电脑、导航、雷达、相机等均为农用无人机上常见配置设备，有效辅助农用无人机在农业场景下完成各种作业。A95、A97、Q34涉及货物与运输，农用无人机轻度适用于物流运输。C02、C07、P11、C04、等属于植保种植与喷施范畴，其中喷施包括研究农药、肥料的沉积分布特性，这对提高农用无人机的喷施精度有重要意义。X16、X21、X15等针对电池效率问题，农用无人机一直存在续航时间短的缺点，如何提高其电池能效是领域内一个亟需解决的难题。此外，W05反映了农用无人机在应对险情的预警作用，重复频次达到430。更值得注意的是，P14重复达521次，虽然度中心性不高，并非主流应用方向，但也预示着农用无人机在畜牧业、动物保护方面尚有巨大的应用潜能。

综上，农用无人机的研究内容在基于论文和专利的分析中既有相似又有不同。相似的是，两者均反映农用无人机的研究侧重点为自身升级，比如，加强自控稳定性，加强巡航精度，加强与外加设备的适配性与互通性，等等；不同的是，农用无人机的应用方向在论文中主要体现为农业信息获取，在专利中侧重体现为农业物料释放（定义见3.1节）。

3.3 研究前沿和热点

文献的共引分析和关键词共现可反映领域内研究的脉络和前沿，关键词突现则可说明某一时间段领域内的研究热点。

使用CiteSpace对WoS论文进行共引分析，结果如图6所示。农用无人机早期论文内容主要针对草原、森林等环境方面的监测统计问题（#5,7,11,13,17等），中期继续深入研究森林管理和土壤分析（#2,6,12,14等），最 近几年趋于低空喷施和高通作物表型的相关研究（#1,3,16等），多利用深度学习相关技术（#9,10等）。进一步对WoS、CNKI论文进行关键词共现分析，基于时间戳得到图7a和图7b。

如图7所示，将基于时间戳的关键词共现图谱沿时间线分成4个阶段——初期（2008年以前）、前期（2008－2013）、中期（2014－2018）及2019年至今——对比分析全球和国内在农用无人机领域的研究脉络与前沿。结合图6中文献共引情况，根据时间节点和关键词进一步对农用无人机的研究脉络及前沿进行分析。

研究初期，农用无人机仅应用于区域监控，国内农用无人机研究则一开始便定位在基于低空遥感技术的精准农业领域；研究前期，2008年前后多光谱低空遥感技术兴起，带动了定位导航、图像识别及表型技术的发展，农用无人机开始被用于林业甚至渔业中的监测和预警上，Colomina等[56]（共引226次）发表的农用无人机遥感综述介绍了这一过程。此外，激光雷达、点云、热成像等概念开始普及，同一时段的国内研究进展类似，特别地，国内开始研发针对作物防治的植保无人机。研究中期，2014年伊始，卷积神经网络、深度学习算法、无线通讯等技术的崛起，农用无人机在遥感基础上融合多元新兴技术，在农林牧渔（尤其种植业）领域皆得到了实际广泛的应用。如Wallace等[57]（共引157次）利用农用无人机结合遥感技术评估森林结构。同时期，开始利用农用无人机采集到的数据，建立相关基础模型，最具代表性的为Bendig等[58]（共引194次）介绍的作物表面模型。国内此时重点发展无人机的精准农业航空喷施技术；近期，全球均处于农业数字化转型趋势，农用无人机成了获取农业大数据的重要工具，包括国内的研究重心也逐渐转向大数据作业控制上，农用无人机以遥感、算法、模型三合一的模式发展，对农业对象的信息采集程度也从表层获取到深入挖掘。

对WoS论文关键词和DII专利德温特分类号进行突现分析，结果见表8，论文方面，关键词突现强度表现一般，初期、前期无热点突现，中期多个热词突现，从“预测”“多样性”“特征”等监控热词到“点云”“摄影测量”“系统”等建模热词，农用无人机的研究热点从“观察”进阶到“观测”，最新的热点为“植物高度”，属于植物表面模型范畴，热度维持至2020年，作物表面模型无疑是近两年最热门的研究内容。专利方面，X15（非化石燃料发电系统）和P14（动物管理与护理）为最新显现技术热点，但在2018年热度均已退散，且近两年无新的热点技术突现。

表8 2001－2020年间农用无人机研究中的突现关键词（WoS）和技术分类号（DII） Table 8 Burstiness of keywords (WoS) and class code (DII) in agricultural UAV research from 2001 to 2020

综上，目前农用无人机的前沿研究主要集中在农业大数据采集及农业相关模型的开发上，相关模型包括数字模型、数学模型、物理模型等。如表7中提到的林业中的单木模型和与之对应的矩阵模型。最新研究热点是基于作物冠层轮廓所建立的作物表面模型，而技术热点主要围绕农用无人机能效和农用无人机在畜牧业上的应用。与此同时，自2018年以来，农用无人机文献发布量增势减缓，近两年突现的研究热点为零，农用无人机正面临两个问题，一方面，农用无人机学术研究与实际应用的内容方向不对称，另一方面，农用无人机研究的纵向发展停滞在农业相关模型的建立与优化上。造成上述问题的原因有二，一是效益问题，农业遥感所需的高光谱相机、生物传感器等设备价格昂贵，农业信息缺乏大平台，数据集缺失严重，市场对农业信息采集的需求紧迫性不高，技术投入实际应用的性价比低；二是技术限制，数据传输效率低，传感器难以满足应用需求。

4 结 论

本文通过检索Web of Science 核心合集数据库 （WoS）、中国学术期刊全文数据库（CNKI）、Derwent Innovations Index数据库（DII）、世界知识产权组织专利库（WIPO）和中国国家知识产权局专利库（CNIPA）共5个数据库中有关广域无人机及农用无人机的期刊论文和发明专利。通过文献计量概述了农用无人机近20年研究信息的数量分布和质量来源情况，借助知识图谱梳理农用无人机的研究脉络、内容进展和前沿热点，分析了农用无人机在我国及国际上的研究动态，得到如下结论：

1）农用无人机在2014年正式进入研究正轨，2016年至2018年进入研究高热期，2018年以后文献数量增势均有减缓，其中，专利发布量缓势较明显。

2）欧洲、北美洲和亚太地区是农用无人机的主要研究区域，以中国、美国、澳大利亚、西班牙、英国为代表。其中，超过八成专利来自中国，论文发表中、美分别占21.43%和24.60%，西班牙最早奠定了农用无人机的研究理论基础。

3）中国国内机构、中美机构、欧洲各国机构、欧美机构、中澳机构间均有较密集的研究合作关系，中日美企业发明专利的公布数量较多，中国深圳大疆创新科技有限公司尤为突出。

4）农用无人机领域内的热门期刊为《Remote Sensing》《Precision Agriculture》和《Computers and Electronics in Agriculture》，最近五年来自中国的研究学者最为活跃，国内外高被引论文的主题均以遥感为主，国际上布局广、同族数量大的专利的主题主要围绕控制、通信和农业，国内专利则更多涉及田间喷施技术。

5）农用无人机研究的学科领域主要为遥感和环境科学，技术领域主要为农业防治，具体研究内容可分为无人机平台搭建及农业应用两方面，农业应用又可分为农情信息获取及农业物料释放两大类，实际应用重心向低空遥感喷施、能源续航倾斜。

6）农用无人机的研究重心经过了两次较明显的转移，低空遥感监测到农田耕作管理，再到目前的农业大数据挖掘及农业模型搭建，未来可能会在畜牧业和渔业上得到崭新的应用价值。

近20年来，农用无人机属于实践性很强的研究领域，研究起步晚，研究进展快，在农林业的遥感应用研究正逐步趋于成熟，特别在喷洒作业领域极具发展潜力。虽然近两年的发展势头稍缓，但总体依旧呈上升趋势，是非常活跃的科研领域。目前，农用无人机保持着良好的发展趋势，智慧农业、数字农业的浪潮推动了农用无人机与新兴科技（如人工智能、5G、区块链、物联网等）的高速融合，无人机的民用市场趋于成熟，农用无人机市场价格逐步合理，农用无人机拥有了丰富的应用场景。未来，借助声波等新技术的深度融合，农用无人机有望进一步激发出在畜牧业、动物保护、渔业领域内的应用潜能，引领全球农用航空应用再次进入发展高峰。