《Smart Agricultural Technology》:Spatial Methodology for Unmanned Aerial Spraying Systems Performance Evaluation in Vineyards
编辑推荐:
摘要专业翻译
针对葡萄园中无人机航空喷雾系统(Unmanned Aerial Spraying Systems, UASS)的作业性能,研究人员提出并验证了一种三阶段空间化评估方法学。该方法学整合了飞行前有效喷雾幅宽的标定、基于无人机系统(UAS)冠层制图的冠
摘要专业翻译
针对葡萄园中无人机航空喷雾系统(Unmanned Aerial Spraying Systems, UASS)的作业性能,研究人员提出并验证了一种三阶段空间化评估方法学。该方法学整合了飞行前有效喷雾幅宽的标定、基于无人机系统(UAS)冠层制图的冠层体积空间变异性表征,以及飞行后基于空间设计的水敏纸(Water Sensitive Paper, WSP)采样框架。研究在意大利撒丁岛巴德西(Badesi)一处Vermentino di Sardegna品种葡萄园中开展,试验面积2304 m2,共设置33个采样点、66张WSP,分别置于冠层上层(1.60 m AGL)与下层(0.70 m AGL)。研究结果表明:冠层体积与下层冠层喷雾沉积之间存在显著负相关关系(覆盖面积ρ = ?0.55,液滴密度ρ = ?0.59),表明冠层越茂密的区域下层喷雾穿透越差;单一的平均沉积值无法揭示局部欠处理与过处理区域的空间分布特征;有效喷雾幅宽(4.2 m,基于15%覆盖阈值确定)与航迹间距(2 m,约50%重叠率)应在田间尺度试验前基于实测数据确定,而非依赖制造商默认参数。该方法学的创新之处不在于引入新的传感或沉积测量技术,而在于将UAS冠层制图、WSP空间采样与地统计分析方法整合为一条可重复的标准化工作流程,为UASS在葡萄园中的作业参数优化、性能比较及田间应用提供了一种实用的空间化评估工具。
论文解读
一、研究背景与问题
无人机航空喷雾系统(Unmanned Aerial Spraying Systems, UASS)在农业植保领域的应用正在快速扩展,其优势在于降低操作人员暴露风险、进入陡峭或坡地田块作业,以及提升农药施用的及时性。在葡萄园等高价值作物中,冠层结构、行距几何和地形条件对喷雾沉积和冠层穿透能力具有显著影响。然而,尽管UASS平台商业可及性不断提高,农户和技术人员兴趣日益增长,其实际应用仍受限于缺乏标准化、透明且空间显式的田间作业性能评估程序。
现有文献中,UASS在果园和葡萄园中的喷雾性能研究多聚焦于飞行高度、前进速度、喷嘴类型、流量和航迹间距等参数对沉积质量的影响,但存在几个关键缺口:其一,多数研究以平均沉积值描述喷雾性能,无法揭示局部欠处理或过处理区域,也无法反映冠层穿透限制或喷雾沉积与冠层体积之间的定量关系;其二,空间分析方法在葡萄园植保中的应用主要集中于地面机械的变量施药(Variable-Rate Application, VRA),冠层信息仅作为施药前的处方输入,而非作为施药后UASS性能评估的诊断工具;其三,目前尚无研究提出一套完整、可复制的空间化UASS喷雾性能评估方法学,能够整合飞行前有效喷雾幅宽标定、施药前冠层制图与冠层体积计算、施药后基于空间设计的WSP采样,以及喷雾性能指标与冠层结构之间的定量关系分析。
二、研究内容与意义
针对上述方法学空白,研究人员开发并验证了一套三阶段UASS农药喷雾性能评估协议,并在意大利撒丁岛巴德西(Badesi)一处传统管理的3公顷葡萄园中进行了田间试验。试验区域为11个连续行(57–67行)的Vermentino di Sardegna品种,面积28.8 × 80 m(2304 m2),坡度约6.3%。该协议整合了飞行前喷雾特性标定、飞行中沉积采样和飞行后空间分析,旨在为研究人员、农户、技术人员和操作人员提供一种实用且可及的标准流程。其方法学创新不在于引入新的传感或沉积测量技术,而在于将UAS冠层制图、WSP空间采样和地统计分析整合为一条可重复的工作流,将冠层结构信息转化为作业决策工具。
三、关键技术方法
研究人员采用了以下几项主要技术方法:其一,在萨萨里大学创新农业跨部门中心(IA Center)搭建8 m长、0.70 m高的木质结构模拟葡萄架生产铁丝,在结构上每隔20 cm布置一张水敏纸(Water Sensitive Paper, WSP),共41张,UASS以3 m AGL高度、3 m s-1速度垂直穿越结构三次,通过覆盖面积、液滴密度、数量中值直径(Number Median Diameter, NMD)和体积中值直径(Volume Median Diameter, VMD)四个指标表征喷雾横向分布剖面,并以最大覆盖值的15%作为有效喷雾幅宽阈值;其二,采用DJI Matrice 350 RTK无人机搭载P1 RGB全画幅45百万像素传感器,以60 m AGL高度、智能倾斜采集模式获取葡萄园影像,通过Agisoft Metashape软件生成数字表面模型,在QGIS中基于冠层高度模型(Canopy Height Model, CHM)技术计算冠层体积(m3 m-2),以5 × 5 m多边形网格平均后转换为质心点,在ArcMap中通过普通克里金(Ordinary Kriging)插值和K-means聚类划分三个冠层体积均质区;其三,在田间设置33个采样点(每行3个,偶数行位于第18、33、53株,奇数行位于第26、47、63株),每个采样点在冠层上层(1.60 m AGL)和下层(0.70 m AGL)各放置一张WSP,共66张,采用棋盘式交错布局以覆盖行内和行间空间变异;其四,WSP图像通过研究人员自研的自动化分析工具(WSP_Scan,开源于GitHub)进行液滴检测与特征提取,应用展布因子校正后计算四项性能参数;其五,统计分析采用Spearman秩相关(因Shapiro–Wilk检验显示数据偏离正态分布)、K-means聚类(以树状图和轮廓系数确定聚类数k)和普通克里金插值(高斯模型,变程13.09 m,12个滞后距,滞后距6 m)。
四、研究结果
4.1 有效喷雾幅宽标定结果
喷雾幅宽标定试验显示,WSP覆盖面积和液滴密度沿8 m采样线呈钟形分布,在中心WSP处达到峰值并向两端递减,与四旋翼下方喷嘴布置一致。NMD范围为40–110 μm,三次飞行间变异有限,表明雾化性能稳定;但NMD从第1张到第41张WSP呈明显递增趋势。VMD在两侧边缘(位置1–10和31–41)对称下降至100–200 μm基线水平。NMD与VMD横向剖面的分化行为提示存在气动分选效应,可能由从右向左的微尺度侧风或多旋翼下洗流不对称交互所致。基于15%覆盖阈值确定的4.2 m有效喷雾幅宽,结合田间冠层宽度平均值0.63 ± 0.17 m,研究人员将航迹间距设为2 m,提供约50%的重叠率以保证均匀覆盖。
4.2 冠层体积空间变异性
UAS遥感监测和普通克里金插值生成了冠层体积连续变异图,K-means聚类和轮廓分析确认研究区域内存在三个空间上可区分的冠层体积均质区。克里金交叉验证显示平均预测误差0.00047,均方根误差0.048,平均标准化误差0.011,均方根标准化误差0.88,平均标准误差0.054,交叉验证回归函数为y = 1.159257x ? 0.040430,表明插值模型具有可接受的预测精度。
4.3 相关性分析
Spearman秩相关矩阵分析发现,冠层体积(Can_m3_A25)与下层冠层两个WSP指标之间存在显著负相关:覆盖面积(L_cov_sur,ρ = ?0.55)和液滴密度(L_drops_cm,ρ = ?0.59),表明采样位置冠层体积越大,下层喷雾沉积越低。上层冠层变量也呈现一致但较弱的负相关(H_cov_sur,ρ = ?0.44;H_drops_cm,ρ = ?0.54)。Moran's I空间自相关检验显示,冠层体积本身在短距离内存在显著正空间自相关(k = 2时I = 0.45,p = 0.005),而WSP沉积变量的空间自相关不显著,表明相关分析中观测独立性问题对主要结论的影响有限。
4.4 聚类分析
K-means聚类分别应用于冠层体积与各WSP沉积变量的配对组合,通过树状图分析和轮廓系数确定各配对的聚类数k。聚类结果显示,冠层体积与下层喷雾沉积的关系中可识别出局部均质组,这些组与先前由克里金图划分的三个冠层体积区具有空间一致性,进一步验证了冠层体积对下层喷雾沉积的调控作用。
五、讨论与结论
讨论部分指出,平均沉积值确实掩盖了局部欠处理和过处理区域的空间分布特征,这一发现强调了空间化评估的必要性。研究还指出,非RTK GPS的定位精度限制可能导致实际航迹间距偏离名义2 m间距,天气站数据因无法下载而无法事后验证风速、温度等环境条件对沉积的影响,这些均为本研究的局限性。此外,WSP沉积数据因采样密度较低(2304 m2内33个点)不满足可靠地统计插值的最低要求,因此未对WSP变量进行克里金插值。
研究结论可归纳为:本研究开发并验证了一套三阶段UASS喷雾性能空间化评估方法学,整合了飞行前喷雾幅宽标定、UAS冠层制图和飞行后WSP空间采样分析。该方法学在意大利撒丁岛Vermentino di Sardegna葡萄园中成功应用,证实了冠层体积与下层喷雾沉积之间的负相关关系,揭示了平均沉积值对局部欠处理区域的掩盖效应,并证明了基于实测数据确定有效喷雾幅宽和航迹间距的可行性。该方法学为UASS在葡萄园中的标准化性能评估、作业参数优化和田间应用指导提供了可复制的技术框架,是迈向可靠、经济、可重复的UASS田间喷雾性能评估程序的第一步。