基金項目：農(nóng)業(yè)農(nóng)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(nóng)業(yè)信息化。

*通信作者：陳杰（1982-），女，碩士，副教授。研究方向為農(nóng)業(yè)信息化。

DOI：10.20028/j.zhnydk.2024.11.002

摘" 要：無人機(jī)遙感技術(shù)作為現(xiàn)代農(nóng)業(yè)技術(shù)的重要分支，在農(nóng)業(yè)的各個方向中發(fā)揮著越來越重要的作用。為深入探究無人機(jī)遙感技術(shù)在農(nóng)業(yè)中的研究和應(yīng)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(wǎng)（CNKI）為數(shù)據(jù)源，為提高數(shù)據(jù)可信度，文獻(xiàn)類別僅使用北京大學(xué)圖書館所認(rèn)定的《中文核心期刊要目總覽》，經(jīng)篩選后，獲取相關(guān)文獻(xiàn)828篇，對無人機(jī)遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的研究文獻(xiàn)進(jìn)行發(fā)文時間、作者、發(fā)文機(jī)構(gòu)、關(guān)鍵詞共現(xiàn)、關(guān)鍵詞時序分析及高突顯值關(guān)鍵詞分析，并且對當(dāng)前研究的熱點進(jìn)行分析。研究結(jié)果表明，該領(lǐng)域的研究熱點是以機(jī)器視覺、目標(biāo)檢測、深度學(xué)習(xí)等人工智能處理數(shù)據(jù)的方法同無人機(jī)遙感相結(jié)合。該文期望通過數(shù)據(jù)分析，為未來我國無人機(jī)遙感在農(nóng)業(yè)中的研究提供一定的借鑒。

關(guān)鍵詞：無人機(jī)遙感技術(shù)；CiteSpace；文獻(xiàn)計量；農(nóng)業(yè)；知識圖譜

中圖分類號：S127" " nbsp; 文獻(xiàn)標(biāo)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(jī)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(dá)等技術(shù)）快速、無損獲取地物信息的方法[1]。農(nóng)業(yè)信息的正確、有效獲取是病蟲害防治、調(diào)整農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)、農(nóng)作物產(chǎn)量預(yù)估、精準(zhǔn)施肥施藥的重要前提[2]。隨著我國科技的不斷進(jìn)步及農(nóng)業(yè)信息化的不斷發(fā)展，無人機(jī)遙感作為獲取農(nóng)業(yè)信息的重要手段，被大量應(yīng)用在農(nóng)業(yè)生產(chǎn)中。相對于人工、衛(wèi)星遙感等獲取農(nóng)業(yè)信息的方式，無人機(jī)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(yōu)勢，因此在農(nóng)業(yè)生產(chǎn)中具有相當(dāng)高的應(yīng)用前景[3]。

隨著無人機(jī)遙感領(lǐng)域的不斷擴(kuò)展和深入研究，無人機(jī)遙感領(lǐng)域的研究呈現(xiàn)越來越專業(yè)化的趨勢。目前，國內(nèi)已經(jīng)發(fā)表的關(guān)于無人機(jī)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(shù)據(jù)源，使用CiteSpace對無人機(jī)遙感進(jìn)行了可視化的分析，但使用CiteSpace軟件對無人機(jī)遙感在農(nóng)業(yè)中的研究綜述文章較少。因此，本文通過使用文獻(xiàn)計量軟件CiteSpace對國內(nèi)無人機(jī)遙感在農(nóng)業(yè)中的研究進(jìn)行分析和展望，以期為無人機(jī)遙感在農(nóng)業(yè)中的研究提供參考和借鑒。

1" 數(shù)據(jù)來源與研究方法

1.1" 數(shù)據(jù)來源

本研究基于文獻(xiàn)計量學(xué)的方法，對國內(nèi)無人機(jī)遙感在農(nóng)業(yè)中的應(yīng)用與研究相關(guān)文獻(xiàn)進(jìn)行收集。文中的農(nóng)業(yè)是指廣域的農(nóng)業(yè)，包括種植業(yè)、林業(yè)、畜牧業(yè)及漁業(yè)[5]。以中國知網(wǎng)（CNKI）為論文檢索平臺，檢索式為：（無人機(jī)OR無人機(jī)遙感OR無人機(jī)傾斜攝影OR無人機(jī)傾斜O(jiān)R無人機(jī)航測OR無人機(jī)影像）AND（農(nóng)業(yè)）。檢索時間為：2014年1月1日至2023年12月27日。為提高數(shù)據(jù)來源的可信度，文獻(xiàn)來源限制為北京大學(xué)圖書館所認(rèn)定的《中文核心期刊要目總覽》，共獲得文獻(xiàn)2 047篇，通過人工篩選的方式，剔除與無人機(jī)遙感在農(nóng)業(yè)中的研究無關(guān)的文獻(xiàn)，經(jīng)過CiteSpace軟件去除重復(fù)文獻(xiàn)和無效文獻(xiàn)后，獲得有效文獻(xiàn)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(xiàn)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(shù)據(jù)的結(jié)果具有一定的影響，但是影響相對較小，不影響對總體發(fā)展趨勢和熱點的把握。本文通過對收集到的文獻(xiàn)進(jìn)行可視化分析，從發(fā)文時間、作者、研究主題等方面進(jìn)行分析，以了解國內(nèi)無人機(jī)遙感在農(nóng)業(yè)中的研究現(xiàn)狀和熱點。

2" 結(jié)果與分析

2.1" 年度發(fā)文量分析

發(fā)文量分析是研究該領(lǐng)域發(fā)展情況重要參數(shù)，能夠反映該領(lǐng)域的發(fā)展情況[7]?；诖?，對無人機(jī)遙感在農(nóng)業(yè)領(lǐng)域發(fā)文量的研究是十分必要的。

如圖1所示，無人機(jī)遙感在農(nóng)業(yè)中的應(yīng)用和研究發(fā)文量在2014年僅為5篇，在2019年發(fā)文量突破100篇，并在2021年達(dá)到頂峰，為181篇。這說明無人機(jī)遙感在農(nóng)業(yè)中的應(yīng)用和研究是相當(dāng)熱門的，這可能與無人機(jī)的小型化、專業(yè)化、普及化是有一定關(guān)聯(lián)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(xù)5年，發(fā)文量均為100篇以上，說明無人機(jī)遙感在農(nóng)業(yè)中的應(yīng)用和研究仍然是十分熱門的。

2.2" 作者分析

以CNKI為數(shù)據(jù)源，通過CiteSpace軟件進(jìn)行統(tǒng)計和分析，按照作者的發(fā)文數(shù)量，作者分布圖如圖2所示，發(fā)文數(shù)量在20篇以上的有楊貴軍、馮海寬、張智韜，發(fā)文數(shù)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(shù)作者發(fā)文數(shù)量在10篇以下，分布相對分散。

根據(jù)普賴斯文獻(xiàn)作者分布規(guī)律可知，在同一個研究主題中，有50%的文獻(xiàn)來自于核心作者[8]。核心作者的數(shù)量計算公式為：

Mp=0.749，" " " " " " （1）

式中：Mp為本文統(tǒng)計時間段內(nèi)核心作者應(yīng)當(dāng)發(fā)表的文獻(xiàn)數(shù)量，Npmax為本文統(tǒng)計時間段內(nèi)最高產(chǎn)作者發(fā)表的文獻(xiàn)數(shù)量。由圖2可知，最高者為楊貴軍，數(shù)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(fā)表5篇及以上的作者可視為本領(lǐng)域的核心作者。經(jīng)過CiteSpace篩選后，得到發(fā)表5篇論文及以上的作者有46位，共發(fā)表論文439篇，數(shù)量大于總文獻(xiàn)數(shù)828篇的50%（即414篇）。由此可知，在國內(nèi)無人機(jī)遙感在農(nóng)業(yè)中的研究領(lǐng)域，已經(jīng)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(jīng)形成的比較大的作者合作網(wǎng)絡(luò)有2個，一是以楊貴軍、馮海寬等為代表的作者合作網(wǎng)絡(luò)，二是以張智韜、韓文霆等為代表的作者合作網(wǎng)絡(luò)。但是其他作者合作網(wǎng)絡(luò)相對較小，說明國內(nèi)無人機(jī)遙感技術(shù)在農(nóng)業(yè)中的研究領(lǐng)域仍需進(jìn)一步加強(qiáng)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(tǒng)計年被引論文數(shù)量的最新一半論文的時間跨度，即該論文在統(tǒng)計當(dāng)年被引用的全部次數(shù)中，較新一半的引用數(shù)是在多長一段時間內(nèi)累計達(dá)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(jī)平臺上的雙光譜相機(jī)獲取可見光和近紅外遙感圖像，采用改進(jìn)的加權(quán)支持向量數(shù)據(jù)描述多分類算法，實現(xiàn)病害松樹識別，該論文提出光譜與可見光結(jié)合的方式來進(jìn)行農(nóng)業(yè)病害的識別方法，目前，仍然是無人機(jī)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(jī)與MODIS數(shù)據(jù)的草地植被覆蓋度研究，證明了小型無人機(jī)搭載相機(jī)獲取草地大樣方植被數(shù)碼照片的方法能夠準(zhǔn)確獲取地面草地植被覆蓋度數(shù)據(jù)。以上2篇論文發(fā)表時間較早，無人機(jī)遙感在農(nóng)業(yè)中的研究尚處于初始階段，理論與應(yīng)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(jìn)一步了解無人機(jī)遙感在農(nóng)業(yè)中的研究熱點，本文對無人機(jī)遙感在農(nóng)業(yè)中的研究領(lǐng)域前10位的高被引用論文進(jìn)行了匯總，具體見表1。

通過表1分析發(fā)現(xiàn)，在無人機(jī)遙感在農(nóng)業(yè)中的研究領(lǐng)域中，其熱點多關(guān)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(jī)構(gòu)分析

研究機(jī)構(gòu)的分析有助于了解該領(lǐng)域的研究力量分布情況。通過CiteSpace的統(tǒng)計功能，得到發(fā)文篇數(shù)較多的10家科研機(jī)構(gòu)，見表2。

通過對表2中研究機(jī)構(gòu)的發(fā)文量進(jìn)行統(tǒng)計，發(fā)文量最多的研究機(jī)構(gòu)是國家農(nóng)業(yè)信息化工程技術(shù)研究中心，為46篇；其次是西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，為38篇。西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院、河南理工大學(xué)測繪與國土信息工程學(xué)院、西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點實驗室、中國科學(xué)院大學(xué)、北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心、西北農(nóng)林科技大學(xué)水土保持研究所、石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院、河南工程學(xué)院土木工程學(xué)院都是發(fā)文量較多的機(jī)構(gòu)。其中，需要注意的是西北農(nóng)林科技大學(xué)關(guān)于無人機(jī)遙感在農(nóng)業(yè)中的研究和應(yīng)用較多，其有4個分支機(jī)構(gòu)的發(fā)文量都屬于前列，在該領(lǐng)域影響力較大。

2.5" 關(guān)鍵詞分析

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

通過對關(guān)鍵詞頻次的分析，“無人機(jī)”共出現(xiàn)461次。遙感、植被指數(shù)、深度學(xué)習(xí)、多光譜、高光譜、冬小麥、機(jī)器學(xué)習(xí)、玉米、水稻、棉花、圖像處理、小麥、隨機(jī)森林、紋理特征和株高等關(guān)鍵詞出現(xiàn)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(guān)鍵詞，如圖像識別、反演模型、光譜指數(shù)和產(chǎn)量等出現(xiàn)頻次較少，且呈現(xiàn)分散式分布的狀態(tài)。

借助CiteSpace，可以生成關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜，本研究所生成的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜如圖5所示。在圖譜中，關(guān)鍵詞所代表的節(jié)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(xué)習(xí)、玉米、遙感、多光譜、植被指數(shù)和數(shù)碼影像等是比較熱門的研究對象或方向。

通過使用文獻(xiàn)計量方法及借助CiteSpace軟件進(jìn)行統(tǒng)計、歸納分析，我們可以了解到，無人機(jī)遙感在農(nóng)業(yè)中的研究和應(yīng)用主要是以下2個方向：生長狀況檢測、作物產(chǎn)量預(yù)估。生長狀況監(jiān)測即獲取作物的株高、葉面積指數(shù)、植被指數(shù)、紋理特征、病蟲害情況、葉綠素和氮素等信息，從而對作物進(jìn)行針對性的管理。作物產(chǎn)量預(yù)估主要是獲取作物的田間生物量、株數(shù)等信息，對產(chǎn)量進(jìn)行預(yù)估。

2.6" 關(guān)鍵詞時序聚類分析

通過CNKI為平臺獲取無人機(jī)遙感的相關(guān)論文，使用文獻(xiàn)計量方法及借助CiteSpace軟件，可以得到關(guān)鍵詞時序圖譜，通過關(guān)鍵詞時序圖譜進(jìn)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(jù)網(wǎng)絡(luò)結(jié)構(gòu)和聚類的清晰程度，提供了2個指標(biāo)，分別是：模塊值（Q值）和平均輪廓值（S值）。這2個指標(biāo)為評判本文的圖譜繪制效果提供了依據(jù)，一般情況下，Qgt;0.3說明聚類結(jié)構(gòu)是顯著的，Sgt;0.7時，聚類的結(jié)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(rèn)為本研究所產(chǎn)出的知識圖譜是令人信服的。

在關(guān)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(guān)鍵指標(biāo)（#6植被指數(shù)）、研究方法（#1高光譜、#2深度學(xué)習(xí)、#5多光譜、#8數(shù)碼影像）和總體概述（#0無人機(jī)、#4遙感、#7遙感監(jiān)測）4種類型，研究方法標(biāo)簽較多，說明國內(nèi)關(guān)于無人機(jī)遙感在農(nóng)業(yè)上的應(yīng)用側(cè)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(jī)遙感在農(nóng)業(yè)中的研究和應(yīng)用領(lǐng)域2014—2023年發(fā)表的文獻(xiàn)進(jìn)行分析，以發(fā)現(xiàn)在該領(lǐng)域出現(xiàn)的頻次最高和持續(xù)時間最長的關(guān)鍵詞，即該領(lǐng)域在特定年份的研究熱點和重點，同時發(fā)現(xiàn)該領(lǐng)域的發(fā)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(guān)鍵詞圖譜，如圖7所示。

通過對高突顯值關(guān)鍵詞圖譜進(jìn)行分析，可以發(fā)現(xiàn)， 在2014—2023年，研究最早的農(nóng)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(jī)遙感在農(nóng)業(yè)中的研究和應(yīng)用領(lǐng)域的研究熱點是農(nóng)作物中氮素的含量。在2020—2023年，突顯值最高的是目標(biāo)監(jiān)測、監(jiān)督分類和機(jī)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(jī)器視覺、目標(biāo)檢測、深度學(xué)習(xí)等人工智能處理數(shù)據(jù)的方法與無人機(jī)遙感相結(jié)合，大量的人工智能相關(guān)的技術(shù)被應(yīng)用到無人機(jī)遙感在農(nóng)業(yè)中的研究中去。張妮娜等[15]利用無人機(jī)多光譜遙感影像，分析了4種機(jī)器學(xué)習(xí)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(jī)、隨機(jī)森林、反向傳播神經(jīng)網(wǎng)絡(luò)等3種機(jī)器學(xué)習(xí)方法構(gòu)建了矮林芳樟葉片精油產(chǎn)量預(yù)測模型，經(jīng)過與實際產(chǎn)量進(jìn)行比對，基于反向傳播神經(jīng)網(wǎng)絡(luò)的產(chǎn)量預(yù)測模型精度最高，為經(jīng)濟(jì)類作物的產(chǎn)量預(yù)測提供了技術(shù)支撐。

3" 結(jié)論

本文運用CiteSpace6.1.R6軟件以及文獻(xiàn)計量學(xué)的方法，基于CNKI數(shù)據(jù)庫近些年來無人機(jī)遙感在農(nóng)業(yè)中的研究和應(yīng)用相關(guān)的文獻(xiàn)，分析了年度發(fā)文量、作者發(fā)文量、機(jī)構(gòu)發(fā)文量和關(guān)鍵詞等，得到如下結(jié)論。

1）從發(fā)文量來看，2014—2021年，國內(nèi)學(xué)者發(fā)文量連續(xù)遞增，在2021年達(dá)到頂點，在2022年、2023年發(fā)文量有所放緩。

2）從作者分析來看，我國已經(jīng)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(wǎng)絡(luò)，二是以張智韜、韓文霆等為代表的作者合作網(wǎng)絡(luò)。但是其他作者合作網(wǎng)絡(luò)相對較小，說明國內(nèi)在無人機(jī)遙感技術(shù)在農(nóng)業(yè)中的研究領(lǐng)域仍需進(jìn)一步加強(qiáng)交流和合作。

3）從發(fā)文機(jī)構(gòu)來看，我國無人機(jī)遙感在農(nóng)業(yè)中的研究與應(yīng)用領(lǐng)域中，研究機(jī)構(gòu)多為高?；蚩蒲性核??？蒲性核?，國家農(nóng)業(yè)信息化工程技術(shù)研究中心研究較為廣泛和深入。高校中，西北農(nóng)林科技大學(xué)（包含西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院、西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院、西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點實驗室、西北農(nóng)林科技大學(xué)水土保持研究所）發(fā)文量最多，在無人機(jī)遙感在農(nóng)業(yè)中的研究和應(yīng)用中具有一定影響力。

4）從關(guān)鍵詞共現(xiàn)中看，通過總結(jié)和分析，作物生長狀況監(jiān)測和產(chǎn)量預(yù)估是研究重點。

5）從研究進(jìn)展與前沿分析來看，機(jī)器視覺、目標(biāo)檢測、深度學(xué)習(xí)等人工智能處理數(shù)據(jù)的方法同無人機(jī)遙感相結(jié)合是本領(lǐng)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(yīng)用到無人機(jī)遙感在農(nóng)業(yè)中的研究中去，為農(nóng)業(yè)的精細(xì)化管理、預(yù)測等提供有力的技術(shù)支撐。

值得注意的是，本文出于嚴(yán)謹(jǐn)度和可信度的考慮，將數(shù)據(jù)來源設(shè)定為中國知網(wǎng)收錄的北京大學(xué)圖書館所認(rèn)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(shù)量，因此不能夠完全呈現(xiàn)我國無人機(jī)遙感在農(nóng)業(yè)中的研究全貌。但總體而言，本文使用了文獻(xiàn)計量的方法，在樣本數(shù)量有限的情況下分析了我國無人機(jī)遙感在農(nóng)業(yè)中的研究情況，并分析了未來的發(fā)展趨勢，以期為未來無人機(jī)遙感在農(nóng)業(yè)中的研究領(lǐng)域提供一定的借鑒。

參考文獻(xiàn)：

[1] 石永磊，周凱，申鑫，等.基于無人機(jī)遙感的林木表型監(jiān)測進(jìn)展與展望[J].中南林業(yè)科技大學(xué)學(xué)報，2023，43（11）：13-27.

[2] 黃雨菲，路春燕，賈明明，等.基于無人機(jī)影像與面向?qū)ο蟆疃葘W(xué)習(xí)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(jī)多光譜影像數(shù)據(jù)構(gòu)建棉苗株數(shù)估算模型[J].中國圖象圖形學(xué)報，2020，25（3）：520-534.

[4] 梁宇哲，鄭榮寶，徐嘉源，等.基于Citespace的無人機(jī)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(xiàn)計量學(xué)的2001—2020全球農(nóng)用無人機(jī)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報，2021，37（9）：328-339.

[6] 盛強(qiáng)，鄭建明，劉江山，等.基于CiteSpace的內(nèi)表面缺陷檢測研究進(jìn)展與趨勢[J].光譜學(xué)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(jī)國內(nèi)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(shù)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(xué)期刊被引半衰期分析研究[J].云南師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2006（4）：127-130.

[10] 胡根生，張學(xué)敏，梁棟，等.基于加權(quán)支持向量數(shù)據(jù)描述的遙感圖像病害松樹識別[J].農(nóng)業(yè)機(jī)械學(xué)報，2013，44（5）：258-263，287.

[11] 宋清潔，崔霞，張瑤瑤，等.基于小型無人機(jī)與MODIS數(shù)據(jù)的草地植被覆蓋度研究——以甘南州為例[J].草業(yè)科學(xué)，2017， 34（1）：40-50.

[12] 羅哲，唐邇丹.我國人才政策的演變趨勢與發(fā)展方向——基于CiteSpace知識圖譜分析[J].軟科學(xué)，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(xué)學(xué)研究，2015，33（2）：242-253.

[14] 張婷婷，鄭彬.我國金融支持農(nóng)業(yè)產(chǎn)業(yè)化的可視化研究——基于CiteSpace的文獻(xiàn)分析[J].中國林業(yè)經(jīng)濟(jì)，2023（5）：79-83.

[15] 張妮娜，張珂，李運平，等.中國南方典型濕潤山區(qū)植被類型的無人機(jī)多光譜遙感機(jī)器學(xué)習(xí)分類研究[J].遙感技術(shù)與應(yīng)用，2023，38（1）：163-172.

[16] 魯向暉，楊寶城，張海娜，等.基于無人機(jī)多光譜遙感的矮林芳樟葉片精油產(chǎn)量反演[J].農(nóng)業(yè)機(jī)械學(xué)報，2023，54（4）：191-197，213.