0 引 言
低空经济作为以低空飞行活动为核心的新兴经济形态，正加速融入农业农村领域，成为推动农业现代化与乡村振兴的重要引擎和农业新质生产力发展的重要切入点。其核心载体——无人机（Unmanned Aerial Vehicle, UAV），已广泛应用于农田信息获取、精准植保、播种施肥、灾害监测及农产品运输等作业，显著提升了生产效率和资源利用率［1］。中国首次提出低空经济概念后，农业低空经济也呈现规模化爆发态势：2024年全国植保无人机保有量达25.1万台，作业面积突破1.78× 106 km2［2］；浙江、四川等省份计划至2027年实现农用无人机保有量超1万台至1.5万台，并配套建设智能监测点与飞手培训体系［3, 4］。技术层面，无人机作业效率可达人工的20倍以上，且能节约成本约80%，有效突破了山区运输、病虫害防治、灾害监测等领域的传统生产瓶颈［5-8］。
在技术路径上，低空技术通过构建“空基-天基-地基”多尺度协同体系，弥补了现有农业在垂直维度与响应时效上的局限。这一架构可实现农田信息的厘米级分辨率感知与分钟级响应决策，为智慧农业模型提供高时空分辨率的数据支撑，有力推动了农业与人工智能（Artificial Intelligence, AI）、空天信息技术等领域的深度学科交叉［12］。《加快建设农业强国规划（2024—2035年）》提出“把农业建成现代化大产业”的目标具有显著现实意义，低空技术在其中扮演着关键角色。
农业低空经济以低空空域资源开发为核心，融合了现代农业技术与智能装备。其核心框架涵盖三大维度：一是低空经济体系，聚焦空域资源管理、作业规范制定及产业链协同，旨在构建“空基-天基-地基”融合的低空经济运行与管理体系；二是低空经济技术，包括无人机及机载装备、信息智能感知、精准作业与公共服务平台等核心技术与系统的研发与集成；三是低空经济作业场景，重点围绕智慧农场、智慧牧场、智慧渔业、智慧林业和智慧乡村5大典型场景。当前，智慧农场作为技术应用最为成熟的领域，其典型范式已形成体系，主要包括：作物全周期智能监测、精准农药变量喷洒、低空遥感三维建模，以及智能作业执行。
深化低空经济与农业的融合，不仅是形成新质生产力的关键路径，更为保障国家粮食安全、实现乡村全面振兴提供了强有力的科技支撑。因此，亟需在5大场景中深度挖掘并拓展无人机技术的多元化应用潜力，通过跨领域技术融合、场景化解决方案创新和标准化体系建设，加速构建覆盖农业生产全链条、服务乡村发展多维度的低空经济生态，为推进农业现代化与乡村振兴提供强有力的科技引擎。
1 农业低空经济文献检索与分析
1.1 文献检索策略与数据来源
其中2005—2010年年均发文量低于100篇，2005年初始文献仅61篇，2010年缓慢增至91篇，研究主题集中于无人机基础原理验证与遥感技术可行性探索。2011年成为重要转折点，年度发文量首次突破百篇（127篇），此后六年（2011—2016年）复合增长率达15.3%，多旋翼无人机技术的突破推动研究重心转向田间实证，2016年发文量增至240篇，较初期增长1.9倍。2017年后，伴随消费级无人机大规模商业化，文献量进入爆发式增长阶段：2017年突破400篇，2020年跨越千篇门槛（1 325篇），至2024年已达2 857篇，近8年累计贡献总文献量的83.6%。这一跃升趋势与传感器小型化、AI算法普及，以及空域管理政策体系完善密切相关，标志着农业低空经济从技术验证迈向规模化应用。
1.2 农业低空经济的典型应用场景
为更加深入地了解农业低空经济的应用场景，针对其技术特征，在已有文献检索基础上增加“核心概念+农业场景”双层关键词架构。核心概念层以“农业无人机”“低空经济”“UAV”“精准农业”为锚点，覆盖领域基础理论与技术框架，检索式为TS=（“UAV*” OR “Unmanned aerial vehicle*” OR “Drone*” OR “Aerial surveill*” OR “Low-altitude economy” OR “Near-ground”）。选取智慧农场、智慧牧场、智慧林业、智慧渔业，以及智慧乡村5个典型场景，精准聚焦农业生产实际需求，通过逻辑组配构建复合检索式。表1罗列了5种场景对应的检索关键词。以智慧农场为例，通过组合检索式AND TS=（“Smart farm*” OR “Precision agricultur*” OR “Digital farm*” OR “Intelligent agricultur*” OR “Automat* farm*” OR “Robot* farm*” OR “Smart agricultur*” OR “Crop disease” OR “Insect disease” OR “Yield” OR “Crop phenotyping”）聚焦在智慧农场作业的技术创新，强化农业场景下的相关应用研究。5大应用场景共检索到相关文献9 972篇，各场景年文献发布量如图2所示。其中与智慧农场相关的文献3 804篇，智慧牧场相关文献2 497篇，智慧林业相关文献535篇，智慧渔业相关文献773篇，智慧乡村相关文献2 363篇。
表1 农业低空经济典型应用场景与对应检索关键词Table 1 Typical application scenarios of agricultural low-altitude economy and corresponding search keywords |
| 应用场景 | 核心关键词 |
|---|---|
| 智慧农场 | Smart farm*， Precision agricultur*， Digital farm*， Intelligent agriculture*， Automat* farm*， Robot* farm*， Smart agricultur*， Crop disease， Insect disease， Yield， Crop phenotyping |
| 智慧牧场 | Livestock， Pasture*， Animal husbandry， Cattle/sheep monitoring， ranch， rangeland |
| 智慧林场 | Smart forest*， Forest management， Silvicultur*， Tree health， timber inventory |
| 智慧渔业 | Smart aquacultur*， Fish health monitoring， Aquatic farm*， water quality， Mariculture， Piscicultur*， Fish health |
| 智慧乡村 | Smart rural， Digital village， Rural development， Agricultural village |
1.2.1 智慧农场
文献检索结果显示，2000—2009年间低空经济在智慧农场领域的研究处于相对萌芽阶段，10年间仅13篇，关键定位词为“Precision agriculture”和“Identification”。该领域可追溯的最早文献发表于2002年，Scharf和Lory［13］根据航空照片校准玉米颜色以预测施氮需求。Thomson等［14］则探讨了农用飞机在精准农业中的应用潜力。其研究通过在农业喷雾飞机上搭载机载成像遥感系统，并利用视频制图系统对获取的数字视频图像进行连续地理配准，评估了全球定位系统/视频制图系统组合在21~420 m飞行高度下的定位精度可用性。Oberthür与Swain等［15, 16］的研究进一步拓展了应用场景，分别利用低空航空影像预测豆类作物产量、估算香蕉种植园的植株生长参数，以及监测水稻氮素处理变化，标志着低空平台在智慧农业应用探索的实质性开端。
2010—2019年相关研究的发文量呈现显著增长趋势，2018年首次突破年度百篇。这一阶段的研究对象日益多样化，技术方法亦日趋丰富。研究重点转向通过低空遥感平台集成多源传感器获取作物光谱反射率、植被指数、叶面积指数等信息，并引入机器学习、深度学习等智能算法进行特征提取与模型构建，实现了对农作物病虫害的智能判别、土壤关键养分含量的动态监测，以及作物产量的精准预测等目标。2020—2024年AI技术的蓬勃发展与深度融合，该领域研究的爆发式增长。年间总发文量达到3 116篇，占2000年以来总发文量的81.9%。此阶段的研究方法呈现多元化且不断迭代创新，如激光雷达（Light Detection and Ranging, LiDAR）与低空遥感数据的结合，研究内容则朝着高度精细化与智能化方向纵深发展，管理决策支持的应用范畴持续拓宽。这与表2中2021年关键词“Smart agriculture”、2023年关键词“Computer vision”，以及2024年关键词“UAV remote sensing”吻合。
表2 低空经济在智慧农场中的关键词及出现频次Table 2 Keywords and frequency of low-altitude economy in smart farms |
| 年份 | 频次 | 关键词 | 年份 | 频次 | 关键词 |
|---|---|---|---|---|---|
| 2002 | 55 | Parameters | 2016 | 215 | Classification |
| 2004 | 181 | Vegetation | 2017 | 291 | Leaf area index |
| 2005 | 481 | Remote sensing | 2018 | 338 | Machine learning |
| 2007 | 50 | Leaf area index | 2019 | 104 | Random forest |
| 2010 | 672 | Vegetation index | 2020 | 97 | Spectral reflectance |
| 2011 | 153 | Crop | 2021 | 111 | Smart agriculture |
| 2012 | 527 | Yield | 2022 | 58 | Object detection |
| 2013 | 851 | Precision agriculture | 2023 | 37 | Computer vision |
| 2014 | 194 | Index | 2024 | 16 | UAV remote sensing |
| 2015 | 269 | Biomass |
1.2.2 智慧牧场
低空经济在智慧牧场领域的研究热度呈现显著上升趋势，其年度发文量变化与智慧农场应用领域相似。自2013年起，文献年发表量开始持续增长，并于2018年首次突破100篇；2024年年度发文量已增至559篇。图3展示了2000—2024年间该领域研究的关键词聚类分析结果，共识别出10个主要聚类。对这些聚类词的分析可将研究焦点归纳为三大方向：一是应用场景，主要涉及放牧管理（#3 Hypoxia）、样点监测（#6 Sample point）与草场管理（#8 Grazed pasture）；二是技术方法，涵盖多光谱技术（#0 Multispectral）、航空摄影（#1 Aerial photography）、机器学习（#2 Machine learning）、无人机平台（#4 Unmanned aerial vehicles）、数字影像（#7 Digital imagery）及摄影测量（#9 Photogrammetry）；三是目标导向，以推动数字农业（#5 Digital agriculture）为核心目标。具体研究内容聚焦于利用上述技术方法，在智慧牧场场景中实现植被指数的精准提取、优化放牧管理策略［17, 18］、提升牧场火灾防控能力、预测地面生物量，以及水体监测等关键问题［19-21］。
1.2.3 智慧林业
此后十余年间，随着传感器性能持续提升、遥感技术日益精进、算法不断优化，以及AI技术的深度融合，该领域研究取得了显著突破。树种识别精度大幅提高，从最初的单一品种识别逐步发展至能对复杂混交林中的个体树木进行准确识别。研究内容的广度和深度也显著扩展，从早期单一的树种识别，逐步延伸至树木检测与参数提取（如树高、胸径、冠幅等）、地面生物量/木材体积估算、病虫害早期检测、物种精准识别与入侵植物监测，以及森林资源保护、生态修复和火灾实时监测等多元化方向［23］。与此同时，支撑林业调查的摄影测量软件工具也成为研究热点，Brach等［24］系统评估了林业应用中最常用的六种软件性能，包括AgisSoft Photoscan、DroneDeploy（San Francisco，CA， USA）、Pix4Dmapper（Pix4D S.A.， Lausanne， Switzerland）、APS（Menci Software S.r.l.， Arezzo， Italy）、PrecisionMapper（PrecisionHawk， Raleigh， NC， USA）和Maps Made Easy（Drones Made Easy， San Diego， CA， USA）。除软件性能本身外，研究还深入探讨了影响数据采集质量的关键飞行参数设置，如飞行高度对细节捕捉的影响［25］、影像重叠度对三维重建精度的作用［26, 27］、采集时间窗口对植被信息反映的优化［28］，以及空间分辨率对目标识别能力的要求［26］，这些研究共同推动了低空技术在智慧林业中应用的标准化与高效化。
1.2.4 智慧渔业
利用无人机进行成像监测水质是农业低空经济应用于水产养殖领域的一个相对新兴的研究方向。如图5所示，早期对于智慧渔业的研究集中在叶绿素、水质监测等方面，通过获取其底部反射率来实现。随着智能化进程的推进和渔业产业的发展，遥控潜水器被广泛用于养殖场监测。传统大型水产养殖场监测往往面临强度大、成本高昂的挑战，而随着技术进步，搭载于水下无人机或遥控潜水器的高分辨率相机（#0 Digital camera）等新型工具得以捕捉鱼类图像，用于研究其行为模式、生长状况及健康指数［29, 30］。这些技术通常融合AI与算法（#1 Deep learning），以自动检测鱼类疾病和寄生虫侵染；图像处理技术则用于解析鱼类外部症状，实现实时病原体检测，显著提升监测效率。
水产养殖领域主要采用三类无人系统：无人飞行器、自主水下航行器，以及无人水面航行器。然而，水下作业环境为航行器的导航与通信带来挑战，特别是受地理条件限制时。此外，适用于水下作业、能稳定捕获高质量鱼类图像的遥控潜水器设备的相对缺乏，成为制约图像采集效果的关键瓶颈。尽管存在这些技术限制，无人机系统凭借其有效降低运营成本与减少人力依赖的优势，正逐渐成为水产养殖场监测中具有显著效益的技术手段。
1.2.5 智慧乡村
智慧乡村作为农业低空经济的典型应用场景，其覆盖范围相比智慧农场、智慧牧场、智慧林业和智慧渔业等其他4个场景更为宽泛。该领域的研究延伸关键词包括“数字乡村”“乡村发展”“农业农村”和“智慧村庄”，且在检索时需辅以“物联网”“大数据”“AI”等支撑性技术术语。
如图6，低空经济在智慧乡村中的关键词聚类标签所示，当前阶段，以无人机系统、卫星图像和传感器技术为代表的技术正深刻变革传统农业生产方式。作为智慧乡村的核心支撑之一，智能农业被定义为信息和数据技术在复杂多因素农业系统中的优化应用［31］，其核心目标并非仅追求精确测量，而在于如何以“智能”方式利用所收集信息指导决策。在此背景下，农民能够借助智能手机、平板电脑等智能移动设备实时访问涵盖土壤与作物状态、灌溉、施肥、杂草、小气候，以及天气等的多维农业数据，从而摆脱对传统经验的依赖，转向基于可靠数据的精准决策与及时干预。更值得关注的是，农业低空经济在智慧乡村框架下的应用正持续向产业链后端延伸，农产品运输环节的低空物流创新已成为一个新兴且关键的应用方向，为优化乡村供应链、提升农产品流通效率提供了新的技术路径。
2 农业低空经济典型应用场景
农业农村作为国民经济的重要基础领域，具备空域资源丰富、应用需求多元、发展潜力显著的天然优势，为低空技术的集成应用提供了广袤的发展空间。近年来，得益于无人机、低空遥感、北斗导航、物联网与AI等关键技术的快速发展，低空经济不断向农业生产与农村建设深度渗透，构建起涵盖精准种植、林业监测、畜牧管理、水产养殖、生态保护、基础设施巡检、公共服务与应急响应等多个关键环节的多维应用体系。这一变革不仅重塑了传统农业的生产范式与经营模式，也极大提升了农村地区的数字化管理能力与风险应对水平。内容聚焦低空技术在农业农村中的典型应用，从智慧农场、牧场、林业、渔业和乡村5大板块展开系统分析（图7），剖析其在实际生产中的应用现状与成效案例，进一步展望其在促进乡村振兴与实现农业农村现代化中的广阔前景。
2.1 智慧农场
2.1.1 大田种植
低空经济在大田种植中的应用推动了传统农业向高效、精准方向转型。在耕地准备阶段，无人机结合高精度航拍、激光测距和三维建模技术，可快速生成农田数字地图，为农机路径优化与耕作节能提供数据支撑［32］。播种环节中，基于定位与智能控制系统的精量直播无人机技术，可实现不同间距的精准播种，有效提升均匀度与播种效率［33］。在作物管理方面，搭载多光谱或高光谱传感器的无人机可实时采集作物光谱信息，结合深度学习算法实现了病虫害早期识别与营养诊断，从而为靶向植保和变量施肥提供支持［34］。在植保作业中，具备自动避障功能的喷药无人机可根据病虫害分布图实现靶向施药，较传统方式减少农药使用量30%以上。除农药喷洒外，施肥、授粉等植保环节也均实现无人机作业，作业效果优异且效率显著提高［1］。此外，夜视巡检无人机的部署实现了24 h作物状态监测，提升了病虫害预警与作物异常识别能力。
2.1.2 设施种植
未来，在垂直农场场景中，无人机物流系统将与垂直种植架构深度融合，自动导航飞行器将在层架间自主穿行，承担种苗转运、采收运输等任务，有望使传统人工搬运效率提升3倍以上。在授粉环节，仿生微型授粉无人机预计将在番茄、草莓等作物中推广应用，通过模拟熊蜂飞行轨迹与震动频率实现精准、高效的授粉。水培系统的无人化运维也将进一步发展，自动采样装置将定期提取营养液样本并实时监测EC值、pH等关键参数，同时结合无人机巡检功能精准识别LED光源衰减区域，保障作物全生长周期的光照均匀性。这些技术的协同可以大幅降低设施农业的运营成本，同时实现高效可控的生产。
2.2 智慧牧场
2.2.1 畜牧生产管理
低空经济在智慧畜牧业中的应用主要体现在牲畜盘点、智能放牧、目标追踪及健康监测等关键环节，展现出显著的技术优势（图8）。在牲畜盘点环节，无人机视觉识别系统通过特征点算法实现群体快速统计，准确率达92%，计数效率提高15倍以上［39］。智能放牧系统依托具备自动巡航功能的无人机与地面基站协同运行，通过构建“电子围栏”能够有效引导牲畜在不同区域有序活动［40］。以澳大利亚北部牧区为例，配备热成像与声波驱赶装置的Mustering无人机系统可在2 h内完成500头牛的驱赶，成本较传统直升机作业下降60%，同时显著减轻牲畜应激反应。在健康监测方面，集成多光谱传感器与LiDAR的无人机平台能够实时获取牲畜生理与行为信息，配合行为分析算法，可以实现对母畜发情期等特征行为的精准识别［41］。未来，有望开发基于视觉定位与微力控制技术的疫苗注射无人机，实现对个体牲畜的自动识别与精准接种，为重大动物疫病防控提供高效智能化手段。
2.2.2 草场资源管理
草场资源管理已实现多维度智能化升级，逐步建立起完整的草场生态评估体系。在牧草生长监测方面，基于无人机多光谱技术的监测系统可实现牧场识别、物种分类、生物量估算和牧草营养成分分析［42］。将低空遥感数据与生产管理系统联动，无人机平台可动态预测牧草消耗趋势并计算最优载畜量，为草场轮牧与可持续管理提供科学决策支持，有效遏制草地退化［43］。在鼠害防治方面，无人机搭载高光谱传感器实现了鼠洞分布的高精度监测，其识别精度达到97%，为制定精准灭鼠措施和预防鼠疫暴发提供了可靠的技术支持［44］。内蒙古鄂托克旗草场的实地应用表明，具备药剂喷洒功能的无人机系统作业灵活、防治效率高，有效降低了人员接触农药的风险［45］。新西兰的牧场健康网络监测系统依托50个地面基站支持的无人机群，每日可采集约1.2万处牧场的植被指数、土壤墒情等关键指标，进而生成最优放牧方案［46］。
2.3 智慧林业
2.3.1 森林资源管理
近年来，低空遥感技术与深度学习的融合应用显著提升了森林监测效能。如图9所示，通过无人机获取高分辨率的正射影像，可实现林木类型识别、空间分布测量与面积估算，极大提升了复杂地形条件下森林资源调查的可靠性和效率［47］。搭载成像光谱仪的无人机为冠层叶片性状评估提供了新路径，相关研究在中国多气候区落叶松林中开展光合特性测定，为全球变化背景下森林碳循环动态监测及“双碳”目标实现提供了技术支撑［48］。在森林管理中，融合无人机LiDAR与多光谱扫描的地上生物量估测方法，提升了森林结构多样性监测的空间连续性与数据精度［49］。此外，高分辨率遥感影像结合AI算法已应用于林业病虫害早期预警，在森林蛀干害虫的监测防控中成效显著。在造林作业方面，北京市延庆区在“三北”防护林工程中首创无人机苗木运输模式，载荷40 kg的无人机单趟可投送十余株树苗，极大缩短运输时间并将苗木损伤率降低30%以上［50］。云南大理州开展的精准飞播造林试点，通过无人机投放经“包衣”处理的树种，推动森林覆盖率从39.33%提升至41.2%［51］。
2.3.2 生态保护应用
无人机技术在生态保护领域的应用正推动着生物多样性监测和生态系统管理的技术革新。在四川王朗自然保护区，无人机搭载红外热成像与多光谱传感器被用于大熊猫种群监测与反偷猎巡查，实现了非侵入式监测［53］。龙江森工林区已建立覆盖57 800 km2的无人机巡护网络，配备自动火情识别系统，显著提升了火险响应速度与巡护效率，大幅降低了盗伐案件的发生率［54］。在生态修复评估方面，无人机三维建模与卫星遥感技术融合，构建了红树林地上生物量累积速率评估体系，揭示了保护力度增强与生态恢复成效之间的正相关关系［55］。在松材线虫、松毛虫等森林有害生物防控中，采用无人机集群喷洒生物制剂构建了绿色、高效的生态友好型防治模式。
2.3.3 林下经济
随着低空经济与数字技术的深度融合，无人机及智能传感技术将为林下经济的精准管理、生态保护与产业增效开辟新路径。未来，基于多光谱/高光谱无人机的监测有望实现对人参、黄精等高价值林药作物的动态生长评估，结合机器学习模型优化采收决策，从而提升药材品质与产量。在珍稀菌类资源管理方面，配备高灵敏气体传感器的无人机可通过识别挥发性有机物实现松茸等目标菌类的空间定位，提升采集效率并减少生态干扰。针对附生类经济作物（如铁皮石斛）的精准种植管理，低空遥感与LiDAR技术结合可评估宿主树木承载力，并联动变量施肥系统优化种植密度与管理策略。同时，低空经济还将催生林区物流、产品溯源和智慧管控等新兴产业形态。尽管多数技术尚处于试验与示范阶段，但其高效、低扰的特性正为林下经济的可持续发展提供新思路。
2.4 智慧渔业
2.4.1 水产养殖应用
低空无人机技术正在重塑现代水产养殖的生产管理模式，通过多维数据采集与智能分析实现精准化养殖。在投喂管理方面，集成北斗定位与自适应控制系统的投饵无人机可根据鱼群密度、生长阶段等参数动态调节投喂量与路径，饵料利用率提升30%以上，有效降低了水体富营养化风险［56］。水质监测方面，配备多参数传感器的无人机能够快速采集水体光谱与图像数据，结合机器学习算法可以实现水质参数的监测，为养殖环境调控提供科学依据［57］。在鱼群管理方面，搭载热成像仪和高清摄像头的无人机能够在复杂光照条件下追踪鱼群活动，通过热力图分析评估鱼群健康状况，通过机器视觉识别和干预死鱼病例，减少疾病传播，最大限度地减少经济损失［58］。此外，结合航测影像与三维建模技术，可优化网箱布局，提升水体交换效率，为深远海养殖提供支持［59］。
2.4.2 渔业资源管理
低空遥感技术在渔业资源保护与可持续利用方面展现出独特价值。基于多光谱成像的无人机监测系统能够高效获取渔业资源分布数据，监测精度可达90%［60］。搭载热成像和多光谱传感器的无人机平台可以实现对海洋动物的动态监测，不仅能够获取物种、数量和行为特征等基础数据，还能通过遥感测量技术实现海洋动物形态参数的精确采集，为海洋动物的保护策略制定和种群管理提供更加全面、精准的科学依据。针对海洋生态系统监测需求，无人机低空遥感技术以其非接触、低干扰的特点，可实现对珊瑚礁和红树林等典型生态系统的高频率测绘与变化检测，广泛应用于生态系统健康评估与空间规划［61］。研究表明，无人机低空遥感在海洋生物灾害监测预警和生态恢复评估方面具有显著应用价值。同时，该技术还可有效监控保护区内的人类活动，为打击非法作业、保护濒危物种提供了新的技术手段［62］。
2.5 智慧乡村
2.5.1 乡村公共服务
在应急救灾方面，低空平台能够快速完成灾情侦察、人员搜救和物资投放任务，提升灾害响应的即时性和精准性。以2021年河南特大洪涝灾害为例，无人机在通信与交通受阻区域成功完成灾情侦察、物资投放与搜救信息传输，为应急指挥调度提供了实时支撑。同时，基建巡检作为农村基础设施维护的关键环节，也正被低空经济重新塑造。广西、贵州等地广泛部署无人机开展高压输电线路巡检作业，实现了线路状态的自动识别与缺陷预警，巡检效率提升达70%，有效降低了作业风险与人力成本［64］。
2.5.2 农村数字经济
依托无人机遥感、三维建模等技术，低空平台正在为农业农村经济注入新活力。在农产品销售方面，依托无人机航拍与直播融合的“空中带货”新模式正逐步兴起。通过高空视角展示作物生长环境、田间管理过程与产地风貌，提升了消费者的信任感与购买欲望。与此同时，无人机拍摄的高分辨率视频与虚拟现实技术（Virtual Reality，VR）全景图像，成为提升旅游吸引力和品牌形象的关键工具，有效助力乡村品牌建设与旅游热度的提升。在数字孪生乡村建设方面，无人机低空航拍可快速获取地形、地貌与地物信息，构建高度还原的三维乡村模型，涵盖道路、水体、农田与村庄建筑等多种要素，为农村基础设施监测、环境治理和土地利用提供了可视化的动态化管理手段［65］。此外，低空平台在微尺度气象监测中的应用也日益成熟。搭载气象传感器的低空飞行器可在村域范围内开展高时空分辨率的观测，获取风速、温湿度、气压、辐射等关键气象参数，为局部病虫害预警、精准灌溉和农村应急管理提供科学依据［66］。
2.5.3 乡村治理
在“科技赋能乡村治理”背景下，低空经济技术已成为推动治理体系转型升级的重要手段。在宅基地管理方面，无人机测绘已被广泛应用于宅基地确权登记和土地利用监管。通过高分辨率遥感影像和倾斜摄影测量技术，可快速精准估算宅基地面积，总体精度达95.8%，为不动产登记和用地管控奠定了技术基础［67］。未来，低空巡检平台将在违建巡查等领域发挥更大作用，搭载高清摄像与高精度定位模块的无人机将实现村域范围内的高频次、自动化航拍与数据比对，可快速识别新增建筑、非法扩建等现象，显著提升问题发现的时效性与空间覆盖能力。在乡村生态治理方面，秸秆禁烧监管将更加依托低空巡检系统，通过热成像、烟雾识别等技术实现全天候、全覆盖的监测［68］。此外，相关数据还可实时接入农业农村治理平台，助力构建覆盖监测、预警、处置全过程的一体化闭环管理体系。低空平台的深入应用，促使乡村治理模式从“人工管理”向“数据驱动、智能决策”加速转型，为基层治理现代化提供了前瞻性和可持续性的技术路径，持续释放低空经济在乡村治理中的价值潜力。
3 农业低空经济产业
低空经济产业尚处于发展初期阶段，但其在农业领域的系统化应用正不断催生出涵盖装备制造、飞行作业服务、空域保障与综合配套服务的多元化产业体系（图10）。近年来，在政策引导、市场需求增长与关键技术突破的共同推动下，中国农业低空经济产业体系初具雏形。尤其在农用无人机、飞行控制系统及多源传感信息采集等核心技术环节，自主研发能力持续增强，部分领域已具备国际竞争力。与此同时，围绕低空作业所需的空域管控、气象服务、检测认证及专业人才培养等支撑体系亦逐步完善，为农业低空技术的规模化推广与规范化运行提供了坚实基础。
3.1 农用低空装备制造产业
3.1.1 农用无人机
中国农业无人机制造产业处于全球领先地位，以深圳市大疆创新科技有限公司（DJI-Innovations, DJI）、广州极飞科技股份有限公司（简称极飞科技）为代表的企业占据重要市场地位。其中DJI农业无人机以T40为代表，最大载药量达40 kg，搭载离心喷头，实现精准高效的变量喷洒。T40采用四轴八旋翼设计，提升了喷洒效率与飞行稳定性。此外，具备毫米波雷达避障和实时动态差分定位技术（Real Time Kinematic, RTK），保障农业低空飞行安全与精准作业［69］。极飞科技以P100为代表机型，其载荷能力达50 kg，采用模块化智能喷洒系统，支持固态激光雷达地形跟随，配备RTK高精度导航技术。极飞无人机强调自主巡航、智能作业规划，广泛用于农业精准植保、农业信息采集等场景［70］。近年来随着农用无人机产业井喷式发展，中国民用航空局（Civil Aviation Administration of China, CAAC）对农业无人机适航认证要求日益严格，要求农用无人机符合适航审定程序，严格执行无人机系统适航管理办法，保证农业飞行器的安全性、可靠性［71］。同时，工业和信息化部也相继出台相关标准如《植保无人飞机技术条件》《农业无人机质量安全要求》等，对农业无人机的制造标准、技术参数、安全性能做出明确规定，促进无人机行业规范化发展［72］。
3.1.2 农用飞控系统
飞控系统是农业无人机高效稳定作业的核心，国内外知名企业竞争激烈，目前用于农业作业飞行且具有行业代表性的飞控主要有三种。（1）Pixhawk（PX4），开源飞控平台，以高度稳定的自主飞行算法与丰富的扩展接口广泛应用于农业植保、测绘领域［73］；（2）大疆A3与N3飞控系统，大疆自主研发的商用飞控系统，以高精度定位与自主避障技术著称，广泛用于农业作业领域［74］；（3）极飞Super X飞控系统，具有多传感器融合、自主巡航与实时障碍规避技术，确保复杂环境下农业作业的安全可靠性［75］。近年来浙江大学数字农业团队在自主研发飞控系统方面也取得重要成果，提出了“多模态传感器融合自主飞控系统”，融合RTK导航、视觉惯性融合及地形自适应跟踪技术，实现了无人机在复杂农田环境下自主导航与精准作业控制，相关技术已应用于复杂山区果园和水稻作业区，体现出强大的自主飞行与稳定性优势［76］。
3.1.3 农用无人机机载装备
机载装备制造逐渐由单纯植保设备拓展到农业信息感知装备，包括农业遥感和低空信息获取相关设备。具体表现为：（1）农业多光谱遥感设备通过集成5~10个波段的多光谱成像系统，实现对作物长势、养分状况及病虫害的精准监测与分析，成为农业信息化发展的关键装备［77, 78］。浙江大学数字农业团队研发的多光谱遥感装备，具备单镜头实现28波段精细化测量能力，通过机载轻量化设计并结合自研的自稳云台，实现农业作物病虫害早期监测、作物营养状态评估等，广泛用于玉米、小麦、水稻等作物的遥感监测研究［79］。（2）农业热红外遥感装备技术，低空热红外遥感机载装备能够实时获取作物冠层温度，广泛用于作物缺水诊断、农田水分精准管理、农业抗旱减灾中，逐渐成为现代农业遥感技术的重要补充［80］。（3）LiDAR低空探测技术，激光雷达技术正成为农业信息获取装备制造的重要方向。Livox Avia、Velodyne等低空激光雷达设备在农业三维结构建模、果树冠层特征提取、农田地形高程测绘中具有明显优势，且向着小型化、固态化、低成本方向快速发展［81, 82］。（4）高分辨率RGB可见光装备技术，高分辨率RGB可见光成像设备（如索尼Alpha、佳能高像素微单相机等）与计算机视觉、AI技术结合，广泛应用于农业田间监测、植株计数、杂草检测等精细农业任务，逐渐实现智能化升级［83］。（5）多传感器集成融合技术，随着农业生产智能化与精细化管理需求的增加，农业遥感设备逐渐由单一传感器向多传感器融合方向发展。通过搭载多光谱、热红外、LiDAR和可见光等多种传感器，实现数据融合、协同监测与诊断，为农业精准管理提供综合解决方案［84］。（6）智能边缘计算与AI驱动的数据处理装备技术，智能边缘计算设备与AI算法的应用，推动了机载设备由单纯的数据采集器向“空中智慧处理中心”的角色转变，实时处理与分析农业遥感数据，提升农业遥感装备的作业效率与实用性。农业遥感与低空信息获取相关装备技术逐渐成为农业机载装备制造产业的重要组成部分，其智能化、高精度、多功能的技术特征有效满足了现代农业向精准化、数字化、智能化转型的需求。
3.2 农用低空飞行服务产业
农业低空飞行服务产业涵盖了植保服务、测绘服务和物流服务。
3.2.1 低空植保服务
随着农业机械化和智能化水平的不断提高，植保无人机喷施作业正逐步成为病虫害防控中的主力方式。其具有效率高、安全性强、精准施药、节省农药等多重优势，特别契合当前各地推广“统防统治”与绿色防控融合的机制。据统计，2023年全国植保无人机服务企业超过1.5万家，服务面积达到近4×105 km2·次，同比增长15%［85］。植保无人机具备高效率的作业能力，单机单日喷施作业面积可达0.2~0.4 km2，有效解决了农村地区“人难找、药难打”的现实问题。尤其在病虫害暴发高峰期或防治“窗口期”极短的紧急情况下，无人机能够快速集中作业，实现应急防控“一喷到位”，大幅提升统防统治的时效性与覆盖率。同时结合RTK厘米级导航系统、智能变量控制系统与地形跟随等技术，无人机可根据作物生长状况、虫情分布和田块异质性开展变量精准喷施，避免重喷、漏喷与药液浪费，在保障防控效果的同时，实现农药减量增效。据实际测算，使用无人机进行统防统治作业的农户，平均农药使用量可减少30%~50%，同时显著降低了对土壤、水体和非靶标生物的污染风险［86］。此外，在“农机社会化服务”与“农业生产托管”政策支持下，植保无人机服务已广泛嵌入各类农机合作社、植保专业化服务组织中，形成了“统一药剂、统一作业、统一标准、统一管理”的病虫害统防统治服务体系，是低空飞行服务产业的主力军。
3.2.2 低空测绘服务
低空测绘服务正成为现代农业的重要组成部分。通过无人机搭载遥感设备进行农田地貌、土壤肥力、作物长势的监测与分析，可为精准农业提供数据支撑［87］。2023年，无人机测绘服务市场规模达35亿元，同比增长18%，尤其在东北和新疆等大规模农业生产地区广泛应用。
3.2.3 低空物流服务
农业无人机物流服务仍处于初步发展阶段，但发展潜力巨大。目前在一些山区、丘陵地区，农产品运输、农资配送逐渐采用无人机物流方式，实现了农资的快速高效配送。京东物流、顺丰等企业积极布局低空物流网络，逐步推动农业物流服务的规模化和商业化应用［88］。
3.3 农用低空保障产业
低空保障产业包括空域管理、气象服务、检测认证、维修保养和通讯服务等。
3.3.1 空域管理
中国空域管理服务逐步向智能化、数字化方向发展，“U云”等智能空域管理平台应运而生。这类平台能够实现无人机飞行计划的实时申报、飞行轨迹监控、飞行冲突预警等功能，大幅提升了低空空域的安全管理能力［89］。2023年，全国低空空域智能管理平台的市场规模达20亿元。
3.3.2 气象服务
低空经济中的气象服务对于农业生产至关重要。低空气象服务主要提供精准的农业气象信息，包括降水预测、风速风向监测、温湿度信息等，这些数据直接关系到飞行安全和农业生产决策。从春玉米智能节水灌溉到茶园百米级霜冻害预报，从无人机“一喷三防”到“双季早稻”冷害防控，中国气象局公布的十大典型农业气象适用技术勾勒出气象科技赋能现代农业的清晰轮廓［90］。
3.3.3 性能检测和维护
性能检测与维修保养服务是保障农用无人机长期稳定作业的基础环节，关系到喷洒作业安全、信息采集质量，以及农田生产效率。如表3所示，性能检测与维修保养服务可划分为两大类：（1）中国计量认证（China Metrology Accreditation, CMA）/中国合格评定国家认可委员会（China National Accreditation Service for Conformity Assessment，CNAS）认证机构和普通维修保养网点，属于配套支撑产业的重要组成部分。CMA + CNAS认证检测机构具备CMA、CNAS双资质，可开展飞行性能、电磁兼容、环境适应、抗风、防水、防振等整机飞行项目的全流程检测服务，也可提供电池性能测试、跌落/振动/盐雾等零部件环境适应项目检测服务；（2）普通性检测与维修服务网点，在农业主产区，乡镇级至地市级维修网点已达数千家，基本有厂家经销商或区域代理开设，提供基础硬件故障检修、飞行校准、传感器校正、喷洒性能检测、电池保养更换等服务，具有地理贴近、响应迅速、维护成本低、周转及时等优势，能满足农户日常使用需求，但规范化的管理和认证有待进一步加强。检测与维修保养体系需有双层支撑框架，即认证机构提供高标准检测支持，保障农业无人机作业质量与安全，为行业规范化把脉把关。普通维修网点覆盖广泛、响应迅速，扮演着产业循环中低成本且及时的维护者角色。两者相辅相成，共同支撑农业低空经济产业安全、规范、高效、一体化向前发展。
表3 农用无人机性能检测类型对比表Table 3 Comparative analysis of agricultural UAV performance detection types |
| 服务类型 | 数量规模 | 检测能力与项目 | 报告效力 | 应用价值 |
|---|---|---|---|---|
| CMA+CNAS认证机构 | 少数、覆盖主要城市区域 | 飞行性能、环境适应、电磁兼容、电池性能、硬件应力、数据链安全等 | 高，可用于司法、采购与补贴验证 | 为政府招标项目、高附加值农机提供性能背书；保障关键设备安全 |
| 普通维修网点 | 数千至上万家 | 常规通信接口检测、校时、动力系统常规测试 | 中低，偏向经验型 | 提供“及时且经济”的基础保障，适合农户低成本日常操作维护 |
3.3.4 通讯与保障
农业生产低空通信保障服务的重要性逐步凸显，5G通信、卫星通信等技术的普及提升了无人机作业通讯的稳定性和覆盖面，特别是在山区、丘陵地区，有效避免了信号盲区问题，确保了作业的顺畅与安全［91］。
3.4 综合服务产业
综合服务产业作为农业低空经济的重要支撑环节，涵盖培训教育、技术咨询、产业信息服务等多个方面，为行业发展提供了人才、知识和信息保障。
3.4.1 农业无人机技能培训教育
近年来，随着农业无人机在植保、测绘、播种等场景的广泛应用，农业无人机培训市场迅速扩展。全国登记在册的无人机培训机构已超过1 000家，主要集中在农业主产省份。总体来看，培训市场的发展主要体现在两个方面：
（1）培训机构资质情况。多数培训机构具有CAAC颁发的《民用无人驾驶航空器操控员训练机构合格证》，部分同时取得中国航空器拥有者及驾驶员协会（Aircraft Owners and Pilots Association of China, AOPA）培训认证，具备开展植保类执照培训与考核的资格［92］。
（2）培训内容与业务拓展。培训内容涵盖：无人机基础操作（起降、航线规划等）、植保飞防技能（变量喷洒、避障等）、飞控系统调试与日常保养、安全飞行与法规知识、简易维修与故障排查技能，部分机构已与植保服务企业、无人机制造商联合，开展“培训+推荐就业”一体化服务，助力农村地区实现飞手职业转型［93］。
3.4.2 农业低空技术咨询
农业低空技术咨询服务旨在为农户、飞防队提供专业作业方案设计、无人机选型建议、作业效能评估与智能调度配置等。据相关研究数据显示，该类服务年市场规模已达约8亿元，主要面向规模农业经营主体、农机合作社及服务外包企业［94］。部分头部平台结合农业大数据、遥感信息系统，已开展如“托管飞防服务”“年度植保管家”等定制服务，为农业提供全生命周期的空中作业解决方案。
3.4.3 产业信息服务
该类服务主要依托互联网平台提供农业低空经济相关的政策法规、市场动态、技术趋势等内容，帮助产业主体及时掌握信息、制定决策。其中，较为典型的服务模式有两类：
（1）“滴滴式”无人机作业中介平台。近年来兴起的无人机作业中介平台（如“慧飞智服”“极飞云作业”等）借鉴“滴滴打车”模式，实现了“农户下单-飞手响应-平台监管-作业评价”的闭环机制［89］。这些平台已覆盖全国30多个省份，并与地方农业农村局建立合作机制。
（2）“无人机经济人”服务角色。随着市场化深入发展，一种新兴的乡村服务者角色——“无人机经济人”正在崛起。他们通常活跃于农资流通与服务前线，承担多重角色：农药与飞防方案推荐代理，无人机租赁与二手设备撮合，飞手招聘与作业资源调度，以及保险、分期贷款、维修转介等服务撮合。该角色类似“农业经纪人”的空中作业升级版本，在降低交易成本、增强服务匹配方面发挥了关键作用。
4 农业低空经济的未来发展趋势
随着数字农业、智能制造与低空空域管理制度的逐步完善，农业低空经济正成为推动农业现代化和乡村振兴的重要力量。低空技术与农业场景的深度融合，不仅重塑了农作物种植、植保、监测、物流等传统作业模式，也为资源高效配置与绿色可持续发展提供了技术路径。面向未来，农业低空经济的发展将呈现出平台系统集成化、应用场景多元化、智能作业自主化、监管机制精细化与发展理念绿色化的总体趋势。
从技术演进角度看，农业低空装备将加速迈向平台化和模块化方向发展，通过融合飞控系统、多源传感器和农业模型，实现“感知-决策-执行”一体化作业闭环。AI、大数据与图神经网络等技术的引入，将显著提升无人机的自主飞行能力和作物识别精度，使其更适应复杂地形与动态农业环境，逐步实现“机群自治”而非单机操控。同时，农业低空技术将拓展至低碳环保、智能育种与农村物流等多场景，服务链条不断延伸，推动农业生产从局部信息化走向全程智能化。在政策层面，伴随低空空域逐步开放，国家将加快推进分级分类、实时动态的空域管理机制，构建与低空经济相适应的法规体系与运行平台。在理念引导上，农业低空经济将更加注重绿色低碳发展，通过精准变量施用和电动无人机等手段降低碳排放强度，兼顾生态环境保护与产出效益。
为顺应上述发展趋势，推动农业低空经济高质量发展，亟需从制度、技术、基础设施与人才等多维度协同发力。首先，应完善政策法规体系，尽快出台农用低空经济管理与作业标准，明确空域分类审批流程与作业安全边界，降低应用门槛并提高监管效能。其次，应加强核心技术攻关，围绕飞控算法、感知融合、数据安全与远程调度等关键环节开展协同创新，建立健全涵盖设计、制造、作业、检测的标准体系。第三，要健全基础设施与服务平台，建设无人机起降点、作业服务网络、应急维修与保险支持系统，提升产业整体运营效率。第四，建议在重点农业省份开展区域示范，探索“合作社+飞防队伍”“企业+农服平台”等多元服务模式，形成可复制推广的典型经验。第五，应加快人才培养与复合型队伍建设，推动高校与企业共建低空智能装备相关专业与实训基地，支持基层人员技能提升。最后，还需强化金融支持，设立专项发展基金，引导社会资本投入农业低空领域，推动保险产品、信贷工具与风险控制机制创新，提升产业抗风险能力。
综上所述，农业低空经济正处于由技术突破向产业融合迈进的关键阶段。通过统筹战略规划与机制创新，强化底层技术与配套体系建设，将有助于构建中国特色农业低空经济发展模式，为农业现代化提供新动能、为乡村振兴注入新活力。
