旋耕作业中田面地形与耕深一体化测量方法及其在精准农业中的应用价值

本文创新性提出旋耕作业中田面地形与耕深一体化测量方法（FS-TBLSM），结合定向自适应网格化（DAG-PT）与样本近似高斯过程回归（SA-GPR）算法，实现静态RMSE＜15.00 mm、动态RMSE＜20.00 mm的高精度测量，减少50%田间作业次数，为精准整地、播种深度控制及产量评估提供关键技术支撑。

　　

¹亮点概述

基于旋耕机作业特性，本研究提出田面与耕底层地形同步测量方法（FS-TBLSM），通过定向自适应平面地形网格化（DAG-PT）布设网格点，并采用样本近似高斯过程回归（SA-GPR）算法估算网格点处的田面高程与耕深。验证试验表明，FS-TBLSM方法在三个轴向的静态均方根误差（RMSE）均低于15.00毫米，动态RMSE低于20.00毫米，证实该方法具备优异的动态跟踪能力。

²静态测量精度

通过Wilcoxon符号秩检验分析各轴向误差分布，并绘制误差箱线图展示偏态特征与异常值。采用最大绝对误差（MAE）、平均绝对误差（AAE）和均方根误差（RMSE）作为精度评价指标，95%置信区间下的统计结果验证了测量值的可靠性。

³测量方法对比

现有田面地形与耕深测量方法主要包括遥感与车载两类。遥感方法易受光照、风速及飞行高度影响，精度通常低于车载方法；现有车载方法的RMSE普遍控制在20毫米以内。耕深测量中，接触式与非接触式方法存在高达500毫米的垂直对齐误差，且缺乏坐标信息整合能力。本研究的一体化方法显著克服了上述局限性。

⁴结论

FS-TBLSM结合DAG-PT与SA-GPR算法，实现了田面地形与耕深的一体化高精度测量。该方法单次作业即可完成测量，减少50%田间作业次数，节约燃油消耗15.57千克/公顷，并为整地作业中的基准高度设定、土方量计算与路径规划提供关键输入，同时支持播种深度的主动控制与产量评估参考。