農業低空經濟應用場景拓展與技術動態

中圖分類號：S25 文獻標識碼：A 文章編號：2095-5553（2025）10-0008-13

Abstract：Agriculturallow-altitudeeconomy，asanemergingeconomicform，isdrivingthetransformationof traditional agricultural industrial systems.Agricultural droneshavesignificantlycontributedtoenhancingagricultural productivity， promoting greendevelopment，andensuringfoodsecurityservingasthecorecariers ofthis economy.This papersystematically reviews current applications of agricultural drones in scenarios including remotesensing and maping，plant protection spraying，andseeding，whileextending thediscussion totheirexpandedappications ininspectionand monitoring，disaster response，ecologicalrestoration，bait dispensing，polinationand seed production，harvesting and pruning，as wellascargo transportation.Buildingonthisanalysis，thepaper examines keycommon technologies withintheagriculturallow-altitude technology system-covering energysuply，communicationnetworks，environmentalperception，and decision-making control-summarizes limitations in currenttechnologicalapplications，and outlines future development trends.

Keywords：agricultural low-altitude economy；agricultural drones；application scenarios；commonality analysis

0 引言

傳統農業面臨勞動力短缺、生產效率低下及資源分配不均等多重挑戰，嚴重制約了農業的可持續發展。據預測，到2050年全球糧食需求將較當前水平提高 50% ，但依在全球人口持續增長與城市化加速發展的背景下，靠擴大耕種面積所實現的增產量卻不足 5%^[1，2] 。農業現代化通過集成應用機械化、信息化等現代科學技術，顯著提高農業生產效率與競爭力，成為應對上述挑戰、實現農業高質量可持續發展的重要路徑[3]。

農業低空經濟作為一種新興經濟形態，在農業現代化進程中展現出巨大應用潛力。其中，農用無人機作為農業低空經濟的核心裝備，能夠高效、精準、靈活地執行多樣化農業生產任務。近年來，農用無人機的應用領域已逐步從傳統的植保飛防拓展至遙感測繪、精準播撒、載重運輸等多個方向，不僅有效提高農業生產效率，顯著降低勞動力成本，也為傳統農業轉型升級提供了重要的技術支撐。在政策層面的積極推動下，我國農業低空經濟已進人快速發展階段[47]。自2020年以來，中央和地方的農機補貼政策持續向高效、智能與綠色化的農用無人機傾斜，進一步刺激了市場需求的快速增長。相關研究預測，農用無人機產業的快速增長階段將至少持續至2030年，期間市場規模將持續擴大，產業鏈布局將逐步完善[8-10]

基于當前農業低空經濟的發展現狀，本文將圍繞農用無人機的應用場景及技術發展動態展開分析，深入梳理其在不同場景中的具體應用現狀及技術特點，探討進一步拓展的潛在應用領域，進而剖析支撐上述應用的關鍵共性技術與未來研究趨勢。

1農用無人機規模化應用場景

當前農用無人機產業已形成較為成熟且經產業化驗證的規模化應用場景，主要涵蓋三大技術方向：（1）遙感測繪技術，以高精度地理信息采集為核心，通過多光譜遙感、三維建模等技術手段實現農田數字化與精細化管理；（2）低空植保施藥技術，以變量施藥方法為核心，利用精準導航與作業執行機構，實現農藥的靶向與高效噴灑；（3）農資精量播撒技術，以無人機為搭載平臺，實現種子、肥料等顆粒狀農資的精準投放[11-13]。上述技術方向逐步完成了從研發驗證到商業化部署，在部分區域和農作物種類中實現了規模應用。

1.1 作物遙感測繪

現代農業生產過程中，作物的生長影響因素涵蓋作物品種、土壤條件、光照強度、病蟲害、外力破壞及水、肥管理措施等多個方面。無人機平臺的低空遙感技術為上述因素的精準監測和管理提供了有效的解決途徑[14]。農用無人機搭載多光譜、熱紅外、激光雷達等遙感傳感器，可高效采集農田多維度信息，進而生成作物生長監測、病蟲害識別及土壤濕度分析等數字化處方圖[15-17]，為精準農業提供數據基礎。

無人機遙感技術通過高空俯視視角，能夠實現跨地形、多對象的高效監測作業，全面采集作物生長狀態及農田環境變化信息，精確識別病害發生誘因、評估染病風險等級并預測擴散趨勢。此外，無人機遙感測繪在產量預測領域的應用日益受到關注。現階段，多光譜與熱紅外遙感數據結合機器學習算法，已實現在水稻、棉花、茶葉等主糧及經濟作物中較高精度的產量預測建模和應用。目前該領域主要基于可見光圖像分析技術進行產量預估，將原始數據轉化為預測模型與管理工具[14，15]。然而，即使經典機器學習算法與深度學習算法顯著提升了原始遙感數據的信息轉化率，但在害蟲精準識別等更高精度遙感技術研究中尚未取得實質性突破[16]

未來遙感測繪技術的研究將集中于進一步提高遙感數據采集與分析精度、拓展農業監測應用領域，持續增強遙感技術在農業作物精準管理中的實用性與應用廣度。

1.2 低空植保施藥

低空植保技術在農業低空經濟領域發揮重要作用，有效緩解農業生產中勞動強度高、作業效率低下的問題[18]。通過無人機搭載高精度噴灑系統，融合智能導航與變量控制技術，可實現針對不同農業地形與作業條件的飛行路徑規劃與噴灑量精準控制，從而保障藥液的高效均勻覆蓋。

目前，植保無人機在作業實踐中表現出顯著的高效率、低藥液浪費等優勢。隨著霧化效果和藥液覆蓋均勻性不斷提升，無人機植保應用場景已從傳統大田作業逐步擴展至果園、林地等復雜環境領域[18-20]。產業實踐顯示，現階段商用植保無人機系統普遍具備大容量藥箱 ≥15L 及高效噴灑機構（作業效率 ≥3.33hm²/h， 等技術特點，其中部分大型無人機藥箱最大容量可達75L ，作業效率最高可實現 19hm²/h ，能夠有效滿足規模化農田植保需求。

無人機植保應用的核心需求在于降本增效，技術發展趨勢應朝著智能化、精準化與高效協同作業的方向深入推進。盡管當前無人機植保技術已相對成熟，但未來仍需圍繞無人機平臺載重與續航能力提升、藥液霧滴噴灑機理模型構建、噴灑執行機構的優化設計、多機協同作業策略與決策算法研究等方面進一步深入，以滿足更高層次的農業生產需求。

1.3 低空農資播撒

低空農資播撒是指利用無人機搭載專用播撒設備，在預設航線引導下，精準控制農資播撒的量與空間位置，以實現肥料、種子等固態農資的精確投放，具體應用包括顆粒肥料播撒、種子撒播與點播等作業。當前領先企業推出的商業化農用無人機解決方案已具備較高精準性和適應性，可有效應對復雜農田環境，播撒作業效果表現出均勻性和一致性。

無人機播撒技術的關鍵性能指標[21]可歸納為3個核心維度：精準性、高效性與智能化水平。其中，在肥料、稻種等顆粒狀物料的播撒過程中，如何提升物料沉積分布的均勻性、提高作業效率并實現播撒裝置的輕量化，是當前技術攻關的重點與難點[22-24]。而作業的智能化與自主性，則主要體現在決策控制系統的算法研發與系統集成能力上。

基于當前技術發展現狀，該領域未來研究可重點聚焦兩方面：一是加強無人機平臺的算法能力與決策系統構建，進一步提升無人機智能水平；二是持續優化播撒裝置的結構設計與功能模塊[25.26]，增強技術平臺在普適性和特殊作業場景的表現。

2農用無人機應用場景拓展

盡管遙感測繪、植保施藥與農資播撒已形成較為成熟的商業化應用模式，但農用無人機技術的應用邊界仍在持續拓展，正沿著多功能融合與跨領域協同的路徑快速演進。根據技術成熟度與實施場景差異，依據技術成熟度與應用場景特征，目前農用無人機前沿場景的拓展與探索可歸納為3類：（1）農業遙感監測技術向生態環境與災害管理領域拓展；（2）農資撒播技術向生態治理領域延伸；（3）無人機平臺在水果采摘、授粉制種、修剪疏枝及載重運輸等傳統農業勞動替代領域的深入應用。

2.1農業遙感監測拓展

2.1.1環境與災害監測

相比于面向作物生長狀態的農情遙感監測，環境與災害監測更側重于對農業生態系統及其外部干擾因素的感知、識別與響應，監測對象包括自然生態區、非耕地資源與突發災害。該類應用場景中，低空遙感平臺具備靈活性與高時空分辨能力，廣泛覆蓋農田、草原、森林、水體等多類型生態區域。通過集成多源傳感器與后端數據處理算法27]，可對鼠害、蝗災、赤潮、極端氣象、地質災害等生物、氣候與地質擾動進行動態監測、風險評估與趨勢預測，進而有效降低農業生產系統的生態風險與災害損失。

此外，相比于農情遙感關注數據獲取精度，環境與災害遙感更依賴后端算法的處理能力。隨著深度學習與多模態融合分析的快速發展，已有研究利用改進的深度卷積神經網絡模型實現了對森林山火災情的精準識別，識別準確率達 95.8%^[28] 。結合無人機平臺，災情預警分析技術可支撐災前隱患預警、災時應急響應及災后損失評估[29.30]，增強防災減災的韌性與效率。

2.1.2 自主巡檢

自主巡檢強調農用無人機在環境監測作業中的自主執行能力。該技術通過無人機與機場平臺的緊密協同，實現周期性廣域巡查，實時監測環境異常狀況，自主判斷并精準識別監測目標，從而顯著提高巡檢效率與目標識別精度，構建環境監測的自動化閉環管理模式[31]。

自主巡檢技術的主要特征包括：（1）基于邊緣計算的實時環境異常檢測；（2）融合多模態傳感器數據的精準目標識別算法；（3）支持任務動態決策的自主路徑規劃系統。目前，自主巡檢技術的成熟應用場景主要集中于電力線路、鐵路巡查等領域[32-34]，而在農業領域的應用尚處于探索與起步階段。鑒于其技術特征與農業環境監測需求高度契合，將該技術遷移至農田監測、漁業水域監控、水源地保護等典型農業相關場景中，有望顯著提升農業領域環境監測的綜合效率與精度。現有實踐案例[35-37]表明，在水產養殖排污、水源地環境巡檢及海事監管等應用場景中，自主巡檢技術表現出較人工巡檢更高的目標識別精度、更快的響應速度和更高的作業效率，具備較強的工程可行性及應用前景。

2.2 生態環境干預

生態環境干預是指將無人機撒播技術向生態治理領域拓展，進而重塑傳統生態工程的實施模式。該技術體系以空間智能化為核心，充分利用無人機平臺的高機動性，系統集成精準投放、智能感知、自主決策等關鍵技術模塊，并已在生態修復、生物防治和餌料投放等應用場景形成低空與地面相協同的作業模式。

從技術原理角度分析，其拓展性主要體現在3個維度：（1）空間維度，通過無人機低空作業突破地形可達性限制，實現崖坡、濕地等特殊地貌的精準干預；（2）時間維度，通過裝備自主化縮短應急響應周期，顯著提高生態治理的時效性；（3）效能維度，利用變量控制技術提升物資投放效率，實現經濟效益與生態效益的協調統一。

當前生態環境干預技術的發展呈現出兩個主要趨勢：（1）通過多光譜遙感融合、仿生抓取等創新技術不斷拓寬應用場景邊界；（2）利用數字孿生技術構建“監測一模擬一干預一評估”的生態治理全周期管理閉環。這些趨勢表明，生態治理模式正逐步從傳統經驗驅動轉向數據驅動，為農業及其他生態領域的復雜問題治理提供了新型技術路徑。

2.2.1 生態修復

農用無人機播撒技術在生態修復領域的拓展應用，包括荒漠化防治、礦山生態恢復及災后森林植被重建等多個方面，成效良好。相比于傳統設備及人工作業方式，該技術具備作業受環境干擾小、能夠有效突破地形限制及顯著降低作業成本等優勢。已有研究[38-41]表明，無人機生態修復技術體系顯著提高了生態治理的效率，在礦山生態修復等工程中使單位面積作業成本明顯降低，同時與多種輔助手段配合使用能夠有效縮短生態植被的恢復周期。

生態修復無人機作業技術體系主要通過4個環節構成完整的閉環管理流程：（1）利用遙感測繪技術獲取高精度的地形與植被本底信息；（2）采用仿地飛行技術，確保無人機在復雜地貌條件下的穩定作業能力；（3）通過精準播撒控制系統，確保種子和肥料等生態修復物資的空間分布精度；（4）依靠基于多源數據融合的決策算法動態優化播撒參數。該技術體系以“感知—決策一執行”的實時聯動機制為核心，顯著提高了生態修復作業中植被的成活率，強化了固土及生態保護效能，并在荒漠化治理、邊坡生態修復等應用場景中實現了生態效益的有效量化。

2.2.2 生物防治

生物防治是農用無人機播撒技術在綠色農業中的重要拓展方向，核心在于實現對生物防治劑的精準、高效釋放。該技術的發展重點主要集中于投放裝置與釋放裝置的結構設計與協同優化。其中，投放器的主要功能是確保生物防治物料從無人機平臺穩定、均勻地投放至目標區域；而釋放器則需保障防治劑的生物活性與釋放效率，特別是在復雜或極端環境條件下仍能維持較高的釋放性能。

以赤眼蜂投放為應用案例42，其系統研發需同時滿足兩方面關鍵技術要求：（1）具備自主航跡規劃與作業調度能力，實現自標區域的智能覆蓋；（2）優化投放器與釋放器的協同設計，確保赤眼蜂等生物防治劑的有效釋放率與空間分布均勻性。整體技術目標在于構建集感知、決策、控制于一體的作業閉環系統，從而提高生物防治的時效性、覆蓋精度和生物劑的利用效率。

2.2.3 餌料投放

基于無人機平臺的餌料投放技術43已有部分水產養殖領域應用案例，其具有提高投餌效率、降低勞動強度及實現餌料精準均勻投放等優勢。該技術依托精準投放系統，在預設飛行路線與參數控制下，能夠將餌料高效、均勻地撒布于指定區域，適用于大面積、高密度的水產養殖場景。例如在蝦塘投餌實踐中，無人機平臺可在半天內完成約 33.33hm² 養殖區域的飼料均勻投放，較傳統人工方式在效率、均勻性與經濟效益方面均表現出顯著優勢。

餌料投放系統的關鍵技術要素包括：（1）精準控制投放量與投放位置的餌料投放系統；（2）作業路線決策與路徑優化算法；（3）適應不同載荷與任務需求的飛行姿態調節算法；（4）平臺結構設計與能源系統優化，以提升單架次作業能力與續航性能。這些模塊共同決定了投放作業的覆蓋效率、投放精度及無人機系統的綜合作業能力。

除水產營養餌料的投放外，無人機在農業有害生物防治中的毒餌投放亦為重要的拓展應用方向，主要面向鼠害、兔害等動物的生態控制[44.45]。此類應用在投餌系統的基礎上，需集成高精度引導系統，如基于圖像識別技術的目標錨定模塊，配合可調控投放量的變量投餌裝置與智能化決策算法，以優化藥劑投放精度。該系統的設計目標為實現農田鼠害的實時監測、活動規律識別與擴散趨勢預測，進而建立“識別一投放一追蹤一反饋”一體化的閉環管理流程，提升防治的精度與時效性，從而保障農田生物群落的動態穩定與作物產量安全。

2.3 其他應用場景

除前述場景外，當前研究與實踐正逐步拓展至水果采摘、修剪疏枝、輔助授粉等精細化農業作業場景，以及載重運輸等對平臺穩定性和政策協調提出更高要求的新興產業方向。

2.3.1 水果采摘

無人機技術在水果采摘領域的拓展應用，主要是利用無人機平臺搭載專門設計的末端采摘機構，并輔以針對特定采摘場景優化的控制系統，實現目標果實的精確采收。相比于傳統地面機械臂采摘裝備存在的工作范圍受限、靈活性不足，以及振動采收裝備造成水果損傷率與雜質率高等缺陷，無人機平臺的低空作業方式能夠有效規避上述問題。

無人機水果采摘系統由飛行平臺、采摘執行機構與控制系統3部分組成，各組件協同完成采摘任務。飛行平臺作為系統的基礎載體，其技術核心在于保障平臺結構的穩定性與動力系統的可靠性。通過優化硬件結構與動力系統設計，提高無人機載荷能力，利用冗余升力實現采摘過程中精準的懸停與穩定移動，從而有效抵御側向風場干擾與采摘過程中的瞬時載荷變化。

采摘執行機構的功能在于與目標水果進行精確物理交互，完成采摘動作。其核心技術難點在于通過結構優化減少機構自身對環境與傳感器的干涉作用，降低作物冠層對設備的干擾，并最大限度減少對視覺、激光雷達等傳感器的遮擋效應。末端執行器需根據不同水果特征進行差異化設計，常見方案包括多軸機械抓取機構、夾剪一體化機構或氣動吸取機構等。執行機構的設計質量與優化程度直接決定水果采摘的最終效果與質量。

控制系統是水果采摘系統的核心部分，通過多維度控制策略實現無人機采摘作業全流程的精準執行。具體包含目標交互模塊與飛行控制模塊兩部分。已有研究表明，目標交互系統通常采用視覺感知方法，要求同時實現高精度識別與設備輕量化設計。通過實時識別與反饋機制，精準錨定采摘目標位置，引導采摘執行機構完成采摘動作。飛行控制模塊則根據環境感知信息實時調整無人機的姿態，兼顧平臺安全性與作業效率，同時減少風場擾動與平臺本身運動對采摘精度的影響。由于無人機飛行速度較快，且作業環境中存在多種擾動因素，控制系統的核心挑戰是實現快速響應的決策控制機制。針對上述挑戰，Kumar等[46提出了一種位置映射系統，建立視覺識別結果與無人機實時位置的映射關系，實現垂直農業場景下蘋果的精準采摘；Chen等4則提出精度更高的速度映射系統，以龍眼串果果梗為采摘目標，建立視覺識別與無人機移動速度的實時映射關系，實現了高精度的無人機水果采摘。

綜上，無人機平臺的低空作業優勢使其可有效克服地面采摘裝備的作業局限性，提高作業靈活度。此外，多無人機協同與多設備協作的方案48顯著提升了作業效率，特別適用于規模化果園及復雜環境的水果采摘任務。當前，水果采摘無人機的技術挑戰主要集中于目標果實的快速識別技術、無人機精準懸停與抗干擾控制技術，以及適應不同水果特性的末端執行機構設計。

2.3.2 修剪疏枝

修剪疏枝作業是果樹精細化管理中的關鍵環節，可優化樹冠結構，改善通風透光條件，從而提高果實品質和產量并減少病蟲害發生。基于無人機平臺的修剪作業利用其高機動性可快速抵達目標枝梢區域，高度契合高大樹木的精準作業場景。

當前應用中，通過掛載修剪裝置與枝稍識別系統，無人機可在強光、弱光、冠層稀疏或密集等多種光照與枝葉結構條件下執行枝梢疏除任務[49-51]。該系統的核心技術要素主要包括：目標枝梢的快速識別與定位算法、平臺懸停的動態穩定控制能力，以及修剪執行機構在操作過程中對外力擾動的魯棒性設計。整體技術架構與水果采摘系統相似，均依賴于“感知一決策一執行”的多模塊協同機制，實現穩定、高效的自動化作業流程。

2.3.3 輔助授粉

無人機平臺可利用旋翼產生的下洗風場對水稻、小麥等作物進行輔助授粉制種。當前技術難點在于掌握旋翼無人機授粉的流場特性[22]，探究不同機型田間風場規律和花粉在母本廂行內的分布情況，研究旋翼轉速、旋翼數量與位置對下洗風場分布的影響、匹配作物種植模式的行比和不同機型的參數，以及如何實現高航時的定高、定速、定航線、定寬飛行控制模式[52-54]

2.3.4 載重運輸

根據國家郵政局公布的數據[55，2024年全國快遞件1750.8億件，同比增長 21.5% ，快遞業務收入1.4萬億元，同比增長 13.8% ，國內快遞業務量農村地區占比超過 35% 。農村地區快遞業務量的高占比表明，農村地區快遞服務網絡正在加快下沉。無人機載重運輸技術是該物流體系的重要一環[56]，目前國內部分地區已啟動無人機物流運輸試點，逐步探索其在農村、山區等復雜環境中的運行模式與可行性，為農村寄遞最后一段寄送服務實現有效拓展。

無人機載重運輸技術核心研究方向包括：結合低空空域優勢，開發適用于多場景的載重結構設計與運載形式；優化能源系統與動力裝置，提升續航能力與飛行穩定性；構建適應載重飛行的姿態控制與路徑規劃算法，以有效應對運輸過程中的載重限制與飛行擺動問題。隨著相關技術持續突破，無人機有望在復雜地形條件下實現安全、高效的物流作業，進一步提升農資物料與農產品的流通效率，增強農業供應鏈的時效性與柔性支撐能力。

3農用無人機關鍵技術

基于上述農用無人機的應用現狀和場景拓展，其作業性能依賴于一系列底層關鍵技術。因此，深入分析農用無人機作業關鍵技術，聚焦能源供給與管理、低空網聯、飛行環境感知，以及智能決策與控制等技術模塊。

3.1 能源供給與管理

當前商用無人機按動力類型分為油動、電動及其他能源驅動形式[57]，其中電動無人機憑借結構簡單、使用便捷、維護成本低等優勢，已成為當前市場的主導類型。農用無人機作為通用無人機技術在農業領域的延伸，考慮到作業續航時間和載重能力的特殊需求，其能源供給與能耗管理技術需進行差異化改進。

在電池技術方面，鋰電池因具有較高安全性且原材料供應鏈體系穩定，仍為當前無人機市場中應用最廣泛的電源類型。受限于鋰電池的能量密度，電源系統整體質量與體積偏大。現階段采用鋰電池的商用無人機續航平均時間為 40min ，在執行大面積農田作業任務時，需頻繁更換電池，從而影響作業連續性與整體效率。針對上述局限，固態電池因采用固態電解質結構，在安全性、工作溫度區間和理論能量密度方面具備顯著優勢，成為解決傳統鋰電池瓶頸的重要替代方向。目前部分企業已研制出能量密度超過 400Wh/kg 的固態電池雛形，理論上可實現無人機平臺續航能力的數倍提升，且具備更優的環境適應性與循環壽命。盡管其在材料成本控制、電極界面穩定性等方面仍面臨工程難點，但在航空無人系統領域的應用前景正日益受到重視。此外，為突破續航瓶頸，部分企業正積極探索以氫燃料電池為代表的新型動力系統，憑借其更高的能量密度，有望實現更長時間的穩定飛行[58]。當前，包括中國、英國、韓國等在內的多家企業已推出基于氫燃料電池的多旋翼無人機，部分機型續航時間超過 2h 最大有效載荷可達 25kg^[59] 。盡管該類技術在性能上展現出顯著優勢，但仍面臨儲氫系統體積大、儲能密度不足以及系統動態響應能力較弱等工程瓶頸，限制了其在農用無人機領域的規模化部署。

除推進電池類型創新外，部分研究也從能源獲取與管理策略層面探索續航能力的提升路徑。通過在無人機平臺集成太陽能電池板構建光電混合供能系統，或引入由太陽能電池、鋰電池與超級電容構成的復合儲能體系；此外，還有研究提出激光引導供能系統，包括高功率激光發射、定位引導及機載光電轉換模塊等技術路徑，嘗試延長無人機航時。基于上述方法，徐偉誠[61] Khan^[62] 等在太陽能供電或太陽能一二次電池混合供電領域展開研究；黃開63提出了激光供能增加無人機群續航時長的方案。

在作業層面，由于無人機能源仍為受限資源，能耗管理成為延長任務時間與提升系統效率的重要方向。相關研究主要集中在作業能耗建模、功耗優化分配與能效路徑規劃等方面。李繼宇等[64基于白盒建模方法構建了多旋翼農用無人機的能耗模型，并通過實測修正參數提升預測精度，為作業任務規劃提供能耗估算依據。在能耗模型建立的基礎上，可針對其中細分功能模塊的構建能耗、功率輸出效果等相關的加權獎勵函數，引人強化學習模型對無人機作業過程的能耗優化問題進行求解。通過能效系數建模，范葉滿等[65]設計模擬退火算法實現山區環境下的最優路徑規劃，試驗結果顯示，該方法可在飛行速度為 2m/s， 不同負載條件下分別節約最高達 30.16% 的常規作業能耗與 32.04% 的實時變化負載作業能耗。

現階段軟件層面對功耗模塊以及無人機作業方式的協調可有效提升能耗效率，但無人機的續航瓶頸仍主要受限于電源系統本身。隨著未來電池技術和無線供能等關鍵領域的突破，農用無人機的續航能力有望得到顯著改善，為其在大尺度、多場景農業作業中的應用提供更強支撐。

3.2低空網聯通信技術

低空網聯通信技術作為低空空域通用基礎設施的重要組成部分，具備良好的跨領域適應性，可有效支撐農業低空作業中設備互聯、信息傳輸及調度控制等核心環節的需求。該類通信系統能夠對農業場景中的感知終端、作業無人機及管理平臺等實現穩定、靈活的通信連接，進而推動農業生產的信息化與智能化。

隨著5G/6G通信技術發展，傳統面向地面用戶的二維通信服務模式正在向三維立體通信體系演化。通過部署如多旋翼無人機及低軌衛星等空中移動通信節點，可構建空地融合的低空通信網絡，顯著提升通信系統在復雜農業環境中的覆蓋范圍與響應能力。在無人系統網絡化、數字化與智能化持續演進的背景下，低空網聯通信技術的發展已成為關鍵支撐路徑之一。其核心技術體系主要包括3個方面：（1低空通信立體覆蓋增強技術，旨在實現復雜三維空間內的高效信號傳輸與動態感知覆蓋；（2）低空組網與移動性管理機制，用于解決高速移動節點在動態拓撲結構中的鏈路維護與切換控制問題；（3）低空通信抗干擾與穩定性保障機制，重點應對密集通信環境下的信號沖突、鏈路干擾與頻譜資源管理等問題[66，67]。

在提升低空通信的立體覆蓋性能方面，當前研究普遍采用將無人機作為空中移動基站的策略，構建動態可調的通信拓撲結構。結合6G系統架構，可通過引入無蜂窩網絡架構以及可重構智能表面（RIS）等前沿技術，有效增強通信系統對三維空間的覆蓋能力。研究表明，圍繞無人機與RIS之間的位置關系優化部署策略，或通過動態調整無人機在三維空間中的坐標及路徑損耗因子，均可在不顯著增加系統復雜度的前提下，顯著提升通信系統的覆蓋廣度與能效表現。Abdel-Basset等6設計了一種增強型智能優化算法，用于提升6G架構中無人機移動基站的空間覆蓋率。試驗結果表明，該方法在滿足通信約束條件的基礎上，有效減少了實現既定覆蓋率所需的基站數量，從而提升了網絡部署的成本效益；Shakoor等[69則進一步從高度與路徑損耗補償因子出發，優化無人機在三維空間中的部署策略，顯著提升了通信網絡的空間覆蓋性能與吞吐能力。

在低空組網的移動性管理方面，由于無人機終端具有高速移動特性，常需與多個空中基站頻繁建立與切換通信鏈路，從而引發網絡頻繁切換甚至鏈路中斷的風險。為保障通信系統的連續性與穩定性，需在網絡規劃中重點優化鏈路切換頻率、頻譜利用效率以及切換過程中的中斷概率等關鍵性能指標。當前相關研究主要聚焦于提升網絡服務的可用性、連續性與可靠性。Azari等[針對蜂窩網絡下行鏈路中的服務性能展開分析，研究了同時為空中與地面用戶提供服務的條件下，不同網絡密度配置對用戶體驗的影響；Meer等[71]則提出了一種基于服務可用性的鏈路切換決策機制，通過降低切換帶來的鏈路延遲，有效提升上行鏈路的通信穩定性，尤其適用于動態環境下的低空無人系統通信需求。

此外，現階段無人機通信形式以空地通信為主，其干擾類型分為無人機與地面基站之間的上行鏈路干擾、地面基站向無人機的下行鏈路干擾以及無人機集群內部的同頻干擾3類。為提升通信穩定性，亟須針對不同干擾類型開發高效的干擾抑制與隔離機制，其中信道自適應調度被認為是重要的技術路徑之一。Li等[72]提出一種自適應干擾消除方法，其中每個地面基站可基于信道條件自適應地解碼來自無人機的通信內容，以此應對空對地同頻干擾。Liu等3則從空間域角度出發，構建了鏈路信噪比與無人機空間位置之間的映射關系，將傳統信噪比約束轉化為空間距離約束，并結合頻譜資源的多信道分配策略，構建鏈路間的干擾隔離機制。該方法在保障網絡最小信噪比的前提下，顯著提升了空地通信系統的抗干擾能力。

隨著6G網絡體系的逐步完善與規模化部署，以及該網絡體系在傳輸速率、覆蓋范圍與通信時延等關鍵性能指標上的提升，將進一步推動低空網聯系統在農業等應用場景中的深度融合與高效運行。

3.3 飛行環境感知

飛行環境感知技術是農用無人機自主避障的基礎，需在復雜農業作業場景下實現高精度識別障礙。按障礙物特征可將其分類為微小型、中小型、大型，無特征規律障礙物，前3類多為靜態結構，如電線、樹枝、房屋等；后者包括動態目標（如飛禽、行人）和表面反光或紋理模糊物體（如水體、大棚薄膜），具有顯著不確定性。當前農用無人機感知技術中仍以微小型障礙和無特征規律障礙識別為技術難點[74]

針對微小型與無規律障礙識別的難點，研究人員圍繞感知傳感器及障礙檢測方法持續開展探索[75]。由于單一傳感器難以滿足復雜環境下的感知需求，近年來多傳感器融合技術逐漸成為研究重點，涵蓋向量數據、點陣數據與特征數據等多類型信息的融合策略。其中，向量數據融合主要基于IMU、GNSS等傳感器輸出，通過濾波算法對旋轉角、速度等狀態信息進行估算與校正，以抑制傳感器誤差和解算漂移。點陣數據融合則多依賴于可見光相機、LiDAR、紅外熱像儀等成像設備，通過數據混合或數據堆疊實現多源信息融合。前者通過設定權重進行加權疊加，生成更具判別力的綜合信息；后者則將多通道圖像數據直接拼接以豐富信息維度，盡管不產生新信息，但可增強模型表達能力。需強調的是，兩種方法都要求各傳感器針對同一目標的成像點在空間上對齊，確保融合效果具備有效性與一致性。

基于上述方法，Donati等采用卡爾曼濾波方法，將無人機機載GPS、慣性測量單元（IMU）超聲波傳感器數據與三維低復雜度地圖信息相結合。張博等[77]提出融合毫米波雷達與視覺相機的感知系統，通過坐標系轉換完成空間信息對齊，分別提取障礙物的距離與圖像特征，提升避障決策準確性。張紅蕾等[78]結合改進貝葉斯算法，將二維激光雷達與深度相機生成的點云信息進行融合，彌補激光雷達在特定方向的感知盲區，增強環境感知完整性。

在特征數據融合方面，常規方法通過指標計算從原始感知數據中提取光譜、紋理、結構、溫度等特征并加以融合。基于紋理與結構特征的融合方法可用于障礙物識別，但較依賴專家經驗，且特征選擇與回歸算法設計增加了系統復雜性。近些年來，深度學習方法的引入為特征融合提供了新的路徑。其通過模型訓練自動提取障礙物特征，可突破傳統融合方式對數據類型和處理流程的限制，提升識別精度與系統適應性，逐漸成為該領域的重要研究方向[79]。Singla等[80]提出一種深度學習強化網絡，將帶有深度信息的圖片輸人帶有注意力機制的強化學習網絡，利用歷史觀測信息迭代訓練，從而提高障礙物識別精度。Wang等[81]引人YOLOv3深度學習算法檢測無人機飛行過程中遇到的障礙物，利用深度相機獲取障礙物類別、輪廓和三維空間位置等屬性。

經過十余年發展，無人機感知微小靜態障礙物已實現較高技術精度。然而，對于形態不固定、特征不穩定的動態或復雜表面障礙物，仍存在感知瓶頸。隨著傳感器靈敏度提升及感知算法的持續優化，農用無人機對非結構化障礙的感知能力有望進一步加強。

3.4智能決策與控制

農用無人機智能決策與控制系統是智慧農業的重要技術支撐，能夠根據任務目標自主規劃執行路徑與作業流程，并結合低空通信網絡與機載感知模塊，實時獲取作業環境、機體狀態及任務進度等關鍵參數，實現對各功能子系統的動態調度與最優控制。應用案例有基于無人機場的周期性自主巡檢、無人機集群的協同作業以及與其他農業智能體的多機協同任務等。當前，農用無人機智能決策系統主要基于經典控制策略、啟發式算法、機器學習與深度學習等方法開展推理與執行。決策系統關聯航線規劃、飛行避障、故障診斷等任務模塊；控制層面則聚焦于飛行器位姿的自適應調控與精確執行。

在農用無人機航線規劃與避障方面，系統需基于任務要求與環境感知信息，動態生成最優飛行路徑，在飛行過程中識別并規避潛在障礙物。現階段相關研究聚焦于航線規劃與避障算法的優化，如經典算法、元啟發式算法、深度學習算法等[82]，經典算法基于確定性啟發策略，為特定問題設計局部優化機制，目標在于快速生成可行解，盡管不保證全局最優，但在結構清晰的任務場景中表現出較高的計算效率，典型代表包括A算法、D*算法等[83.84]；元啟發式算法則提供一種與問題無關的全局搜索框架，通過模擬自然演化或群體行為以實現對解空間的廣域探索，強調局部最優與全局最優之間的動態平衡，具備一定的隨機性與自適應性，適用于復雜路徑優化任務，如遺傳算法、粒子群優化算法、神經網絡算法等[85]，通過改進上述算法在復雜環境下提升了路徑規劃效率與魯棒性。此外，在深度學習方法方面，路徑決策的強化學習框架逐漸成為研究熱點。Sonny等8基于Q—learning算法，提出一種具備靜態與動態避障功能的無人機路徑規劃方法，并引人最短路徑優先排序原則。滕菲等[8則基于深度強化學習構建動態避障模型，通過引入改進的近端策略優化算法（PPO）與碰撞檢測獎勵函數，有效提升系統對障礙邊界的感知精度與路徑安全性。

在故障診斷方面，農用無人機需具備系統的健康管理能力，能夠在遭遇環境威脅或機載系統異常時，及時向上位機或操作終端發出預警，必要時依據預設安全閾值自主接管飛行控制系統，并執行風險規避操作，如自動返航或緊急降落。現有研究包括設計觀測器與卡爾曼濾波器等經典方法[88.89]，以及基于專家經驗與深度學習的智能診斷法。傳統方法如卡爾曼濾波器與故障觀測器模型，依賴于對系統狀態變化的實時估算，可實現對部分故障征兆的早期識別。然而，該類方法對系統建模精度與噪聲假設存在較強依賴，難以應對復雜工況下的非線性干擾。近些年來，以知識驅動和數據驅動相結合的智能診斷方法逐漸興起。Kladis等[90]通過圖論工具和偽布爾表達式來建立多源信息約束關系，用于推斷故障潛因，雖顯著提升診斷精度，但對規則系統構建者的經驗依賴較強；Ahmad等91基于Transformer框架提出一種面向傳感器異常檢測的深度學習方法，能自動建模多維時間序列中的關聯模式，在多類故障情形下展現出良好性能，但在數據獲取成本與復雜環境下模型泛化能力方面仍面臨挑戰。

此外，在基于無人機的自適應控制研究中，重點在于實現系統在非結構化環境中的穩定運行。該過程依賴無人機對內部狀態和外部擾動的感知能力，通過調節控制策略以抵消系統不確定性與外部干擾，從而確保運行狀態精確跟蹤任務目標，如在水果采摘、修剪疏枝等高精度作業場景，姿態控制的穩定性與響應能力是保障操作精度與執行效率的關鍵因素。當前相關研究主要集中于自適應控制算法的設計，楊永琳等[92]提出基于反演方法的動態逆控制器實現對預設飛行軌跡的穩定跟蹤；姜雪瑩等[93]構建基于自適應滑模控制的姿態調節算法增強無人機在干擾環境下的懸停穩定性。

當前，農用無人機智能決策與控制系統已形成經典算法與深度學習等新興算法融合的技術體系，在路徑規劃、故障診斷以及運行狀態自適應調節等方面取得顯著進展。隨著輕量化決策模型與控制理論的迭代發展，未來無人機智能決策系統將能夠在更復雜的作業場景下高效率作業。

4展望

系統梳理并總結農業低空經濟領域的規模化應用場景及拓展方向，首先回顧農用無人機在農情遙感、植保作業和施肥播種等規模化應用領域的技術現狀，隨后深入探討無人機技術向巡檢監測、災害應對、生態修復以及采摘、修枝、授粉作業替代等領域的應用延伸，并對相關領域無人機的關鍵共性技術進行分析。

從關鍵技術層面來看，能源技術制約了無人機大規模應用。現階段研究集中于能耗管理策略和無線供能等技術，以期有效延長無人機續航時間，但總體上仍顯著受限于電池能量密度的提升速度。繼能源問題之后，通信技術是無人機應用的另一關鍵挑戰。目前低空網聯通信技術的研究重點主要包括提升三維空間的信號覆蓋強度、數據傳輸效率及通信系統的抗干擾能力等方面，但實際應用仍高度依賴通信基礎設施的建設及低空通信標準的制定。在環境感知技術方面，當前技術方案已能夠較為精準地識別電線等微小型障礙物，但面對無規律特征障礙時仍存在明顯的感知不足，這需要進一步提高傳感器靈敏度以及優化多源數據融合算法。決策與控制技術的研究現狀呈現經典算法優化與前沿人工智能算法并行發展的特征，面臨的主要挑戰包括高效數據采集方法和動態復雜環境下控制系統的魯棒性問題。

針對農用無人機在能源、通信、感知以及決策與控制技術領域的研究進展及現存局限性，未來的發展可著重從四個方面展開：（1）加強高能量密度電池技術的研發，持續優化能耗管理系統；（2）積極推動低空智能網聯通信技術與通信服務產業的融合發展，合理布局低空通信基礎設施；充分運用物聯網技術，實現無人機與其他農業裝備之間的位置、速度等信息共享和實時通信；（3）進一步提升環境感知傳感器的精度與響應效率，構建多傳感器數據融合的復合識別算法；（4）提高經典算法在特定應用場景下的計算效率，同時推進面向復雜動態環境的智能決策與控制算法的研究與應用。

除無人機自身的技術進步外，下述因素對農業低空經濟產業發展同樣至關重要：（1）政策體系與行業標準化建設：政府持續通過補貼優惠政策、低空空域開放等措施，有效推動農業低空經濟的發展。未來，伴隨應用場景的不斷拓展和技術成熟度的提高，覆蓋研發、生產、應用及管理全流程的行業標準體系建設將逐步完善。（2）產業協同與生態體系建設：農業低空經濟的發展有效促進無人機制造、傳感器技術、通信技術以及數據處理與分析等多產業領域的深度協同。在技術進步過程中，以農用無人機為核心的農業低空經濟生態體系正在形成，包括無人機地面站、通信定位中繼站、數據服務平臺和裝備維護中心等地面支撐設施，將為農業現代化提供更為完善的技術支撐體系。

綜上，以農用無人機為核心的農業低空經濟及相關技術體系，不僅是推動農業現代化的重要動力，也是實現鄉村振興與農業可持續發展的關鍵途徑。未來，伴隨技術創新、政策扶持與應用場景的協同發展，農業低空經濟在農業領域中的戰略地位和應用價值將持續提升。

參考文獻

[1］Food andAgricultureOrganisation ofthe United Nations.The future of food and agriculture：Trends and challenges[EB/OL].https：//www.fao.org/fsnforum/ resources/reports-and-briefs/future-food-and-agriculturetrends-and-challenges，2017.

[2]The Global Network Against Food Crises.2O25Global report onfood crises[EB/OL].https：//www.fsinplatform. org/grfc2025，2025.

[3］國務院公報．中共中央國務院關于積極發展現代農業扎 實推進社會主義新農村建設的若干意見[EB/OL]. https：//www. gov. cn/gongbao/content/2oo7/content_ 548921.htm，2006—12—31.

[4］喬金亮.強化現代農業基礎支撐- —2022年中央一號文 件述評之二 [EB/OL].https：//www.gov. cn/xinwen/2022—02/25/content_5675552. htm，2022- 02—25.

[5］新華社．國務院印發《“十四五\"推進農業農村現代化規 劃》[EB/OL]. https：//www.gov.cn/xinwen/2022— 02/11/content_5673141.htm，2022—02—11.

[6]國務院，中央軍委．無人駕駛航空器飛行管理暫行條 例[EB/OL]. htps：//www.gov. cn/zhengce/content/ 202306/content_6888799.htm，2024—09—03.

[7］王偉中．政府工作報告一 ——2024年1月23日在廣東省第 十四屆人民代表大會第二次會議上[EB/OL]. https：//www. gd. gov. cn/gkmlpt/content/4/4341/post_ 4341257.html#45，2025—01—27.

[8]新華社．“低空經濟”發展一年間［EB/OL]. https：//www. gov. cn/yaowen/liebiao/202502/content_ 7004451. htm，2025—02—19.

[9]Fortune Business Insights.Agriculture drone market size， share amp; industry analysis：Report ID：FBI1O2589 [R]. Pune ： Fortune Business Insights， 2025.

[10］國務院辦公廳．國務院辦公廳關于促進通用航空業發展 的指導意見[EB/OL]. https：//www.gov.cn/zhengce/ content/2016—05/17/content_5074120.htm，2024-09—03.

[11]Liu Y，Fan Y，Feng H，et al.Estimating potato above ground biomass based on vegetation indices and texture featuresconstructedfromsensitivebandsofUAV hyperspectral imagery [J]. Computers and Electronics in Agriculture，2024，220：108918.

[12]何勇，王月影，何立文，等．低空經濟政策和技術在農業 農村的應用現狀與前景[J]．農業工程學報，2025， 41（8）：1-16. He Yong，Wang Yueying，He Liwen，et al. Current status and prospects of low-altitude economy policies and technologiesinagricultureandruralareas[J]. Transactions of the Chinese Society of Agricultural Engineering，2025，41（8）：1-16.

[13］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. Li Jiyu，Hu Xiaodan，Lan Yubin，et al. Research advance on worldwide agricultural UAVs in 20ol—2020 basedon bibliometrics [J].Transactions of the Chinese Society of Agricultural Engineering，2021，37（9）： 328-339.

[14］朱姜蓬．農用多光譜低空遙感多旋翼無人機系統開發及 作物長勢監測應用研究[D]．杭州：浙江大學，2023. Zhu Jiangpeng. Development of agricultural multi-spectral low-altitude remote sensing multi-rotor unmanned aircraft system and its application on crop growth monitoring [D]. Hangzhou： Zhejiang University，2023.

[15] Da H， Li Y， Xu L，et al. Advancing soybean biomass estimation through multi-source UAV data fusion and machine learning algorithms [J]． Smart Agricultural Technology，2025，10：100778.

[16]Subeesh A，KumarSP，ChakrabortySK，etal.UAV imagerycoupleddeeplearningapproachforthe development of an adaptive in-house web-based application for yield estimation in citrus orchard [J]. Measurement. 2024，234：114786.

[17]Kouadio L，El Jarroudi M，Belabess Z，et al. A Review on UAV-based applications for plant disease detection and monitoring[J].Remote Sensing，2023，15（17）：4273.

[18］蘭玉彬，陳盛德，鄧繼忠，等．中國植保無人機發展形勢及 問題分析[J].華南農業大學學報，2019，40（5）：217—225. Lan Yubin，Chen Shengde，Deng Jizhong，et al. Development situation and problem analysis of plant protection unmanned aerial vehicle in China [J].Journal of South China Agricultural University，2Ol9，40（5）： 217-225.

［19］薛秀云，楊振宇，梁馨琪，等.霧化網格在果樹植保噴霧中 的應用與試驗[J].農業工程學報，2022，38（18）：1—10. Xue Xiuyun，Yang Zhenyu，Liang Xinqi，et al. Application and experiments of the atomization mesh used on the plant protection spraying in orchards [J]． Transactions of the Chinese Society of Agricultural Engineering，2O22，38（18） ： （20 1-10 ：

[20］胡淑芬，曹昕奕，鄧勇杰，等．植保無人機飛行參數對油 茶授粉霧滴分布及坐果率的影響[J]．農業工程學報， 2023，39（20）：92—100. Hu Shufen，Cao Xinyi，Deng Yongjie，et al. Effects of the flight parameters of plant protection drone on the distribution of pollination droplets and the fruit setting rate of camellia [J]. Transactions of the Chinese Society of Agricultural Engineering，2023，39（20）： 92-100.

[21]NY/T3881—2021，遙控飛行播種機質量評價技術規 范[S].

[22］何偉灼，劉威，姜銳，等.無人機點射式水稻播種裝置控制系 統設計與試驗[J].農業工程學報，2022，38（18）：51—61. He Weizhuo，Liu Wei，Jiang Rui，et al.Control system design and experiments of UAV shot seeding device for rice[J].Transactions of the Chinese Societyof Agricultural Enginering，2022，38（18）：51-61.

[23] Zhou H，Yao W，Su D，et al. Application of a centrifugal disc fertilizer spreading system for UAVs in rice fields[J]. Heliyon，2024，10（8）： 29837.

[24]Xunwei W，Zhiyan Z，Boqian C，et al. Distribution uniformity improvement methods of a large discharge rate disc spreader for UAV fertilizer application[J]. Computers and Electronics in Agriculture，2024， 220：108928.

[25]廣州極飛科技有限公司．撒播器、撒播裝置及植保設 備［P].中國專利：CN209834003U，2019－12—24.

[26］張青松，張愷，廖慶喜，等．油菜無人機飛播裝置設計與 試驗[J].農業工程學報，2020，36（14）：138—147. Zhang Qingsong，Zhang Kai，Liao Qingxi，et al. Design and experiment of rapeseed aerial seeding device used for UAV[J]． Transactions of the Chinese Society of Agricultural Engineering，2020，36（14）：138—147.

[27]Rohi G，Ejofodomi O T，Ofualagba G．Autonomous monitoring，analysis，and countering of air pollution using environmental drones[J]. Heliyon，202O，6（1）： 03252.

[28] Zheng S，Zou X，Gao P，et al． A forest fire recognition method based on modified deep CNN model[J]. Forests， 2024，15（1）： 111.

[29] Suzuki T，Shiozawa S，Yamaba A，et al. Forest data collection by UAV lidar-based 3D mapping：Segmentation of individual tree information from 3D point clouds [J]. International Journal of Automation Technology，2021， 15（3）：313-323.

[30］王宇唯，馬旭，譚穗妍，等．無人機遙感與地面觀測的多 模態數據融合反演水稻氮含量[J].農業工程學報， 2024，40（18）：100—109. Wang Yuwei，Ma Xu，Tan Suiyan，et al. Inverting rice nitrogen content with multimodal data fusion of unmanned aerial vehicle remote sensing and ground observations [J]. Transactions of the Chinese Society of Agricultural Engineering，2024，40（18）：100—109.

[31]JinX，Luo Z，Shi J，etal.Two-layer intelligent deployment of capsule airports and unmanned aerial vehicles for provid ingemergency communication services [J]. Expert Systems with Applications，2024，238：121795.

[32]Yang L，Fan J，Liu Y，etal. A review on state-of-the-art power line inspection techniques [J]. IEEE Transactions onInstrumentation and Measurement，202O，69（12）： 9350-9365.

[33] Liu K，Liu M，Tang M，et al. Power inspection UAV task assignment matrix reversal genetic algorithm [J]. Cognitive Robotics，2024，4：245-258.

[34]Chen J，Liu Z，Wang H，et al.Automatic defect detectionof fasteners onthe catenary support device using deep convolutional neural network [J]. IEEE Transactions on Instrumentation and Measurement， 2017，67（2）： 257—269.

[35］廣東海事局．“空中鷹眼\"賦能巡航新模式廣州新沙海事處 無人機精準查獲排污船[EB/OL].https：/gd.msa.gov. cn/25a7cf34838c33ldfa99113dcf4a60e9/e51b9cf916214dac aOd04fle7df59bbc.jhtml，2025—02—11.

[36］生態環境局.更高更廣更精準市生態環境局開 展無人機專項巡查[EB/OL].https：//sthjj.gz.gov. cn/gkmlpt/content/10/10200/post_10200856.html#644， 2025-04-07.

[37］國務院辦公廳．國務院辦公廳關于加強人河入海排污口 監督管理工作的實施意見[EB/OL].https：//www.gov. cn/ zhengce/ zhengceku/ 2022—03/02/ content_5676459. htm，2022-03－02.

[38]Wang R，Sun Y， Zong J，et al． Remote sensing application in ecological restorationmonitoring：A systematic review[J].Remote Sensing，2O24，16（12）： 2.204—2204

[39]RobinsonJM，HarrisonPA，Mavoa S，et al. Existing and emerging uses of drones in restoration ecology [J]. Methods in Ecology and Evolution，2022，13（9）：1899—1911.

[40]Buters T M，Bateman P W，Robinson T，et al. Methodological ambiguity and inconsistency constrain unmanned aerial vehicles as a silver bullet for monitoring ecological restoration[J]．Remote Sensing， 2019， 11（10）： 1180.

[41]Ridge J T，Johnston D W. Unoccupied aircraft systems （UAS） for marine ecosystem restoration[J]. Frontiers in Marine Science，2020，7438.

[42］郭長樂，丁力，梁振普，等.基于無人機的赤眼蜂卵投放 系統設計與試驗[J].河南農業大學學報，2023，57（5）： 764—775. Guo Changle，Ding Li，Liang Zhenpu，et al. Design and experiment of a precise delivery system for Trichogramma eggs based on unmanned aerial vehicle [J]. Journal of Henan Agricultural University，2023，57（5）：764—775.

[43］沈啟揚，朱虹，于慶旭，等.河蟹養殖智能化投餌裝備適 用性能試驗研究[J].中國農機化學報，2022，43（12）： 51—59. Shen Qiyang，Zhu Hong，Yu Qingxu，et al. Experimental research on applicable performance of intelligent feeding equipment for river crab culture [J]. Journal of Chinese Agricultural Mechanization，2022，43（12）：51—59.

[44]楊麗艷，賀有龍，羅雪云，等.基于無人機低空投餌技術 的高原鼠兔防控效果研究[J].青海畜牧獸醫雜志，2024， 54（1）：35-42，56. Yang Liyan，He Youlong，Luo Xueyun，et al．Study on the population control effectiveness of plateau pika based on low-altitude baiting technology by unmanned areial vehcles （UAV）[J].Chinese Qinghai Journal of Animal and Veterinary Seiences，2024，54（1）： 35－42，56.

[45]花立民，柴守權．中國草原鼠害防治現狀、問題及對 策[J]．植物保護學報，2022，49（1）：415—423. Hua Limin，Chai Shouquan.Rodent pest control on grasslandsin China： Current state， problemsand prospects [J]. Journal of Plant Protection，2022，49（1）： 415-423.

[46]KumarA，Behera L．Design，localization，perception， and control for GPS-denied autonomous aerial grasping and harvesting [J].IEEE Robotics and Automation Leters， 2024，9（4）：3538-3545.

[47] Chen H，Wu K，Lin H，et al. A real-time vision guidance method for autonomous longan picking by the UAV[J]. Computers and Electronics in Agriculture，2O25，229： 109735.

[48］滿忠賢，何杰，劉善琪，等．智能農機多機協同收獲作業控 制亡注與試驗「]宏業T積學2240（1） Man Zhongxian，He Jie，Liu Shanqi，et al. Method and test for operating multi-machine cooperative harvesting in intelligent agricultural machinery [J].Transactions of the Chinese Society of Agricultural Engineering，2O24，40（1）： 17—26.

[49］李君，姚中威，李燈輝，等．基于力矩平衡原理的無人機 除梢裝置及其控制方法［P]．中國專利：CN115843563A， 2024-06-07.

[50］李君，周浩波，周崢琦，等．一種無人機的平衡采摘及除 梢裝置［P].中國專利：CN116018951A，2023—04—28.

[51]李君，李燈輝，周崢琦，等．一種基于視覺定位的無人機 自動除梢裝置及其控制方法[P].中國專利： CN114995494A，2022-09—02.

[52］周志艷，鐘伯平，劉愛民，等.涵道風扇式高地隙雜交水 稻制種授粉機設計[J]．農業工程學報，2019，35（9）： 1-8. Zhou Zhiyan， Zhong Boping，Liu Aimin，et al. Design of ducted-fan pollination machine based on high-clearance chassis for hybrid rice[J].Transactions of the Chinese Society of Agricultural Engineering，20l9，35（9）：1-8.

[53]翁曉星，徐錦大，趙晉，等．多旋翼無人機輔助粳雜交 稻制種授粉研究[J]．中國農機化學報，2022，43（9）： 24-29. Weng Xiaoxing，Xu Jinda， Zhao Jin，et al. Study on seed production and pollination of Indica japonica hybrid rice assisted by multi-rotor UAV [J]．Journal of Chinese Agricultural Mechanization，2022，43（9）：24—29.

[54］張海艷，蘭玉彬，文晟，等.植保無人機旋翼風場模型與 霧滴運動機理研究進展［J]．農業工程學報，2020， 36（22）：1-12. Zhang Haiyan，Lan Yubin，Wen Sheng，et al. Research progress in rotor airflow model of plant protection UAV and droplet motion mechanism [J]．Transactions of the Chinese Society ofAgricultural Engineering， 2020， 36（22）： 1-12.

[55］國家郵政局．國家郵政局公布2024年郵政行業運行情 況[EB/OL].https：//www.mot.gov.cn/ tongjishuju/ youzheng/202501/ t20250124_4163116.html，2025一 01—20.

[56］民航局．“十四五\"航空物流發展專項規劃[EB/OL]. https：//www. gov. cn/ zhengce/ zhengceku/ 2022-02/ 16/content_5673982.htm，2022—02—16.

[57]李學龍．無人機續航能力[J]．中國科學：信息科學， 2023，53（7）：1233—1261. Li Xuelong. Endurance of unmanned aerial vehicles [J]. Scientia Sinica（Informationis），2023，53（7）：1233-1261.

[58]向錦武，馬凱，闞梓，等．氫能源無人機關鍵技術研究進 展[J].航空學報，2025，46（5）：261—290. Vinng Iinun MoKoi Kon 7i Daviav f technologies for hydrogenpowered unmanned aerial vehicles [J]. Acta Aeronautica et Astronautica Sinica， 2025，46（5）：261-290.

[59］張廣孟，李增山，陽柳，等．一種長航時多旋翼燃料電池 無人機的總體設計[J/OL]．航空動力學報，1-12 [2025-07—15]. Zhang Guangmeng，Li Zengshan，Yang Liu，et al.Overall design of long-endurance multi-rotor fuel cell UAV[J/OL]. Journal of Aerospace Power，1—12[2025—07—15].

[60］戴月領，賀云濤，劉莉，等．燃料電池無人機發展及關鍵 技術分析[J].戰術導彈技術，2018（1）：65—71. Dai Yueling，He Yuntao，Liu Li，et al.Development of fuel cell UAVand analysis of key technology[J].Tactical Missile Technology，2018（1）：65—71.

［61］徐偉誠，陳凱，張銘，等．基于太陽能的植保無人機續航 提升方案[J]．中國農業科技導報，2018，20（11）：62-68. Xu Weicheng，Chen Kai，Zhang Ming，er al. Life lifting scheme for plant protection UAV based on solar [J]. Journal of Agricultural Science and Technology，2018， 20（11）：62-68.

[62]Khan M A，Khan A，Ahmad M，et al. A study on flight time enhancement of unmanned aerial vehicles（UAVs） usingsupercapacitor-basedhybridelectric propulsion system（HEPS）[J]. Arabian Journal for Science and Engineering，2021，46：1179—1198.

[63］黃開．激光供能技術在無人機續航中的應用研究[D]．宜 昌：三峽大學，2020.

[64］李繼宇，張植勛，趙胤偉，等．農用多旋翼無人機作業能 耗白盒模型構建與試驗[J]．農業機械學報，2023， 54（8）：87-96. Li Jiyu， Zhang Zhixun， Zhao Yinwei，et al. Construction and experiment of white box model for energy consumption ofagriculturalmulti-rotorUAVoperation[J]. Transactions of the Chinese Society for Agricultural Machinery，2023，54（8）：87-96.

[65]范葉滿，沈楷程，王東，等．基于模擬退火算法的無人機 山地作業能耗最優路徑規劃[J]．農業機械學報，2020， 51（10）： 34-41. Fan Yeman， Shen Kaicheng，Wang Dong，et al. Optimal energy consumption path planning of UAV on mountain regionbased on simulated annealing algorithm [J]. Transactions of the Chinese Society for Agricultural Machinery，2020，51（10）：34—41.

[66］張學軍，劉法旺，張祖耀，等．低空智能網聯體系[J]．北 京航空航天大學學報，2025，51（6）：1793—1815. Zhang Xuejun， Liu Fawang， Zhang Zuyao， et al. Overview of low-altitude intelligent networked system [J] Journal ofBeijing University ofAeronauticsand Astronautics.2025.51（6）：1793—1815.

[67］夏泳，田洛．面向低空經濟的空聯網絡組網關鍵技術研 究綜述[J].重慶郵電大學學報（自然科學版），2024， 36（4）：619-632. Xia Yong，Tian Luo. Survey of key technologies for networking in air-connected networks for the low-altitude economy [J]. Journal of Chongqing University of Posts and Telecommunications（Natural Science Edition）， 2024，36（4）：619—632.

[68]Abdel-BassetM，Abdel-Fatah L，Eldrandaly KA，et al. Enhanced computational inteligence algorithm for coverage optimization of 6Gnon-terrestrial networks in 3D space[J]. IEEE Access，2021，9：70419—70429.

[69] Shakoor S，Kaleem Z，Do D T，et al. Joint optimization of UAV 3—D placement and path-loss factor for energy-efficient maximal coverage [J]. IEEE Internet of Things Journal， 2020，8（12）： 9776－9786.

[70]Azari M M，Rosas F，Pollin S.Cellular connectivity for UAVs： Network modeling， performance analysis， and designguidelines [J].IEEE Transactionson Wireless Communications，2019，18（7）：3366-3381.

[71]Meer I A，Ozger M，Schupke D A，et al. Mobility management for cellularconnected UAVs：Model-based versus learning-basedapproaches for service availability [J]. IEEE Transactions on Network and Service Management，2024，21（2）：2125-2139.

[72]LiP，Xie L，Yao J，et al.Cellular-connected UAV with adaptiveair-to-groundinterferencecancellationand trajectory optimization[J].IEEECommunications Letters，2022，26（6）：1368—1372.

[73]Liu K， Zheng J. UAV trajectory planning With interference awarenessinUAV-enabledtime-constraineddata collection systems [J]. IEEE Transactions on Vehicular Technology，2023，73（2）： 2799－2815.

[74］蘭玉彬，王林琳，張亞莉．農用無人機避障技術的應用現 狀及展望[J].農業工程學報，2018，34（9）：104—113. Lan Yubin，Wang Linlin，Zhang Yali.Application and prospect on obstacle avoidance technology for agricultural UAV[J]. Transactions of the Chinese Society of Agricultural Engineering，2018，34（9）：104—113.

[75]Ahmed S，Qiu B，Ahmad F，et al.A state-of-the-art analysisof obstacleavoidancemethodsfromthe perspective of an agricultural sprayer UAV'soperation scenario[J].Agronomy，2021，11（6）：1069.

[76]Donati C，Mammarella M，Comba L，et al. 3D distance filter for the autonomous navigation of UAVs in agricultural scenarios[J]. Remote Sensing，2022，14（6）：1374.

[77］張博，陳至坤，程朋飛．多傳感器結合的無人機障礙物識 別方法研究[J]．激光雜志，2021，42（2）：52—56. Zhang bo，Chen Zhikun，Cheng Pengfei. Study on the of Journal，2021，42（2）：52—56.

[78］張紅蕾，盛志超，葉林，等．基于多傳感器融合的無人機 自主避障方法[J]．激光雜志，2024，45（1）：229－235. Zhang Honglei， Sheng Zhichao， Ye Lin， etal. Autonomous obstacle avoidance method for UAV based on multi-sensor fusion[J].Laser Journal，2O24，45（1）： 229-235.

[79]王家亮，董楷，顧兆軍，等．小型無人機視覺傳感器避障 方法綜述[J].西安電子科技大學學報，2025，52（1）： 60-79. Wang Jialiang，DongKai，Gu Zhaojun，et al. Review of obstacle avoidance methods for small UAVs using visual sensors[J]. Journal of Xidian University，2O25，52（1）： 60-79 ：

[80]Singla A，Padakandla S，Bhatnagar S. Memory-based deep reinforcement learning for obstacle avoidance in UAV withlimitedenvironmentknowledge[J].IEEE Transactions on Intelligent Transportation Systems，2019， 22（1）：107—118.

[81]Wang D，Li W，Liu X，et al.UAV environmental perception and autonomous obstacle avoidance：A deep learning anddepth camera combinedsolution[J]. Computers and Electronics in Agriculture，2O2O，175： 105523.

[82]劉玄冰，周紹磊，肖支才，等．無人機避障方法研究綜 述[J].兵器裝備工程學報，2022，43（5）：40—47. Liu Xuanbing，Zhou Shaolei，Xiao Zhicai，et al. Review on UAV obstacle avoidance methods [J].Journal of Ordnance Equipment Engineering，2022，43（5）：40-47.

[83]Vachtsevanos G， Kim W， Al-Hasan S， etal. Autonomous vehicles： From flight control to mission planning using fuzzy logic techniques [C]. Proceedings of 13thInternationalConferenceonDigitalSignal Processing.IEEE，1997，2：977－981.

[84] Stentz A.Optimal and efficient path planning for partially-known environments [C]. Proceedings of the 1994IEEE International Conference on Robotics and Automation.IEEE，1994：3310—3317.

[85］趙暢，劉允剛，陳琳，等．面向元啟發式算法的多無人機 路徑規劃現狀與展望[J].控制與決策，2022，37（5）： 1102—1115. Zhao Chang，Liu Yungang， Chen Lin，et al. Research and development trend of multi-UAV path planning based on metaneunisuc aigoru [J」. 37（5）： 1102—1115.

[86] Sonny A，Yeduri S R，Cenkeramaddi L R. Q- learning-based unmanned aerial vehicle path planning with dynamic obstacle avoidance [J]. Applied Soft Computing， 2023，147：110773.

[87］滕菲，王迎春，姚永輝，等．基于深度強化學習的無人機 動態避障規劃［J/OL].北京航空航天大學學報， 1- 13[2025-06-01]. TengFei，WangYingchun，Yao Yonghui，etal.Dynamic obstacle avoidance planning for UAV based on deep reinforcementlearning [J/OL].JournalofBeijing University of Aeronautics and Astronautics，1—13[2025— 06-01].

[88] Zuo L，Yao L，Kang Y. UIO based sensor fault diagnosis and compensation for quadrotor UAV[C]. 2O20 Chinese Control And Decision Conference（CCDC）. IEEE，2020： 4052—4057.

[89]Skriver M，Helck J，Hasan A. Adaptive extended kalman filterforactuatorfaultdiagnosis[C].2O194th International Conference on System Reliability and Safety （ICSRS）. IEEE，2019：339-344.

[90]Kladis G P，Economou JT，KnowlesK，et al.Digraph matrix reliability analysis for fault assessment for A UAV platform application. A fault-tree analysis approach [C]. 2008 IEEE Vehicle Power and Propulsion Conference. IEEE，2008：1-6.

[91]Ahmad MW，Akram MU，Ahmad R，et al. Intelligent framework for automated failure prediction，detection，and classification of mission critical autonomous flights [J]. ISA Transactions，2022，129：355—371.

[92］楊永琳，李志宇，郭劍東．四旋翼無人機反演一動態逆控制 器設計與仿真[J]．電子設計工程，2018，26（12）：15—19，25. Yang Yonglin，Li Zhiyu，Guo Jiandong.Design and simulation of quad-rotor UAV controllerbasedon backstepping-dynamic inversion [J]. Electronic Design Engineering，2018，26（12）：15—19，25.

[93］姜雪瑩，蘇成利，徐亞鵬，等．四旋翼無人機飛行姿態的 自適應反演滑模控制（英文）[J].中南大學學報（英文 版），2018，25（3）：616-631. Jiang Xueying， Su Chengli，Xu Yapeng，et al. An adaptive backstepping sliding mode method for flight attitude of quadrotorUAVs[J]. Journal of Central South University，2018，25（3）： 616-631.