田志偉 薛新宇 徐 陽 楊風波 孫 竹

(農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機械化研究所， 南京 210014)

0 引言

植保無人機作業(yè)過程中旋翼產(chǎn)生的下洗氣流對噴灑效果影響很大[1]，主要體現(xiàn)在對霧滴產(chǎn)生挾帶輸運效應，影響其空間分布結果；對作物冠層產(chǎn)生擾動作用，影響霧滴沉積在作物上的最終位置。因此成為當前研究的熱點問題。

由相關文獻可知，關于無人機下洗氣流對霧滴分布影響的報道較多，但下洗氣流所引起的作物冠層變化特征研究卻少有報道[2-4]。無人機屬于低空作業(yè)，在防治小麥、水稻、棉花等作物病蟲害時一般作業(yè)高度為2～3.5 m、作業(yè)速度為2～5 m/s[5-6]，這種情況下旋翼下洗氣流有到達地面的條件。當其向下推進至作物冠層處時，將引起冠層擾動，形成冠層渦旋，處于渦旋中的植株往往劇烈擺動，葉片發(fā)生翻轉(zhuǎn)，理論上認為可有效促進霧滴的穿透性能，增加植株中下層和葉片背面的霧滴沉積量，這對棉蚜、稻飛虱、小麥白粉病等分布在植株中下部及葉片背面的病蟲害防治具有積極意義。李繼宇等[7]通過試驗也證實了這一點，研究表明，冠層擾動區(qū)域形態(tài)對霧滴粒徑分布有顯著影響，明顯的植株擾動形態(tài)有助于促進霧滴穿透性能。因此，冠層擾動區(qū)域即是霧滴的靶標區(qū)域，決定了霧滴的期望沉積位置[8]。

植保無人機旋翼型號、數(shù)量、布置方式不同均會造成下洗氣流強度和分布規(guī)律不同，所以各自引起的冠層擾動區(qū)域也存在差異。揭示不同機型引起的冠層擾動區(qū)域特點，有助于理解無人機的作業(yè)特征，可為優(yōu)化霧滴沉積效果和施藥系統(tǒng)提供理論依據(jù)。在作業(yè)過程中，冠層擾動區(qū)域的位置是連續(xù)變化的，作物擺動也是動態(tài)的，因此很難通過物理測量方法直接獲取該區(qū)域的特征信息。本文通過航拍方式采集不同無人機作業(yè)影像數(shù)據(jù)，對各機型引起的冠層擾動區(qū)域特征進行分析，以P20型植保無人機為對象，采用機器視覺技術探索不同作業(yè)速度下的冠層擾動區(qū)域變化規(guī)律。

1 不同機型的作物冠層擾動區(qū)域特征分析

分別于2018年和2019年在江蘇省建湖縣昊田谷物種植農(nóng)民專業(yè)合作社小麥田，通過航拍方式采集不同機型無人機常規(guī)作業(yè)參數(shù)(高度1.5～3 m，速度3～5 m/s)下的作業(yè)影像數(shù)據(jù)。首先對比無人機懸停時的冠層擾動區(qū)域特征，無自然風影響的情況下，該區(qū)域均位于無人機正下方。如圖1所示，單旋翼無人機引起的冠層擾動區(qū)域與多旋翼無人機相比有較明顯的差異，由于旋翼位于機身正上方，受機身阻礙作用下洗氣流引起的冠層擾動區(qū)域呈現(xiàn)“環(huán)狀”，即機身正下方的作物不受干擾。多旋翼植保無人機的旋翼均勻布置在機身周圍，旋翼正下方基本無遮擋，各旋翼產(chǎn)生的下洗氣流之間首先會相互干涉，隨后疊加聚合，形成統(tǒng)一的強勁氣流俯沖下來，導致作物冠層出現(xiàn)圓形的擾動區(qū)域，區(qū)域內(nèi)的所有植株劇烈擺動，向四周撲倒。就擾動區(qū)域面積而言，單旋翼無人機動力源多為油動，整機質(zhì)量相對偏大，因此需要較大的旋翼來滿足其升力需求，大旋翼產(chǎn)生的氣流更強勁，加之機身的阻礙發(fā)散作用，所以引起的冠層擾動區(qū)域面積大于多旋翼無人機。

作業(yè)過程中，無人機與作物冠層具有一定高度，當下洗氣流從旋翼推進至冠層處時無人機已經(jīng)前進了一段距離，因此出現(xiàn)了冠層擾動區(qū)域相對無人機滯后的現(xiàn)象，同時，受空氣阻力作用，下洗氣流會被削弱，所以冠層擾動區(qū)域相對于懸停時變小且形狀不規(guī)則。作業(yè)時無人機飛行姿態(tài)包括前進和倒退兩種，由圖2可知，單旋翼無人機前進時，尾管的阻礙和尾翼氣流的干擾作用導致旋翼下洗氣流被嚴重削弱，冠層擾動程度明顯降低且不規(guī)則；無人機倒退時，機頭部位對下洗氣流影響小，冠層擾動區(qū)域較大，呈U狀分布包裹機頭，植株擺動劇烈。王昌陵等[9]研究表明，3WQF80-10型單旋翼植保無人機倒退飛行方式的作業(yè)效果更好，底部采樣點處的霧滴沉積數(shù)量較多，因為倒退飛行姿態(tài)的下洗氣流更強勁，因此促進了霧滴沉積。多旋翼無人機結構對稱性較好，旋翼分布均勻，所以前進和倒退2種飛行姿態(tài)對冠層擾動區(qū)域的影響較小，以圖2中的P20型無人機為例，兩種飛行方式下冠層擾動程度、擾動區(qū)域大小和形狀基本一致。

此外，多旋翼無人機不同機型中，隨著旋翼越小，布置間距越大，各旋翼產(chǎn)生的下洗氣流強度和聚合效果降低，最終造成冠層擾動效果不明顯，如JF01-20型植保無人機，通過圖3可知該機型作業(yè)時作物冠層僅出現(xiàn)微小擺動，并無明顯的渦旋區(qū)域。

2 作業(yè)速度對冠層擾動區(qū)域的影響

植保無人機應用過程中通常飛行高度很少改變，而為提高作業(yè)效率飛行速度設置差異較大，1～8 m/s范圍內(nèi)均有報道[10-11]。無人機快速前進時冠層擾動區(qū)域會滯后，但具體特征未知，其與無人機飛行速度之間的關系依舊不明確，這對于優(yōu)化施藥系統(tǒng)和無人機噴灑性能是一個極大的阻礙。因此以具有代表性的P20型四旋翼植保無人機為對象，采用機器視覺方法探索不同作業(yè)速度對作物冠層擾動區(qū)域的影響。參考常規(guī)作業(yè)參數(shù)，飛行高度保持2 m不變，分別采集3、4、5、6 m/s飛行速度下的影像數(shù)據(jù)進行研究。

2.1 無人機作業(yè)影像采集

2019年4月2日通過航拍方式采集植保無人機作業(yè)影像數(shù)據(jù)。航拍地點為宜昌市農(nóng)業(yè)科學研究所試驗基地，試驗田面積0.5 hm2，作物為小麥，此時處于拔節(jié)期，平均株高20 cm。植保無人機為廣州極飛科技有限公司生產(chǎn)的P20型電動多旋翼植保無人機(2018款)，該機有效噴幅3 m，采用離心霧化方式，4個噴頭分別安裝在旋翼正下方，單位面積噴灑量設置為12 L/hm2，噴頭霧化霧滴粒徑為120 μm，噴灑液為自來水。其作業(yè)高度1～10 m、作業(yè)速度1～8 m/s范圍內(nèi)可調(diào)。

航拍無人機機型為大疆精靈4，續(xù)航時間約30 min，最大可承受風速10 m/s，懸停精度垂直±0.1 m，水平±0.3 m。相機鏡頭參數(shù)為FOV 94° 20 mm，有效像素1 200萬，支持單幅拍攝、多幅連拍及定時拍攝等，云臺俯仰角范圍-90°～ 30°，云臺和相機一體化設計保證了相機在運動中也能捕捉到穩(wěn)定流暢的影像。

試驗期間用Kestrel4500型氣象站(美國Nielsen-Kellerman公司)測得自然風速為0～1.80 m/s，溫度19.40～25.70℃，相對濕度為43.20%～48.90%，氣象環(huán)境較為穩(wěn)定，符合作業(yè)要求。航拍方式如圖4所示，植保無人機沿規(guī)劃好的單條路徑進行噴灑作業(yè)，航拍無人機懸停在植保機側方拍攝，懸停高度3 m。為保證圖像景深一致和兩機作業(yè)安全，拍攝時兩架飛機相距30 m且保持不變，每個作業(yè)速度進行多次影像數(shù)據(jù)采集，視頻幀速率為120 f/s。植保無人機另一側設有標志物，為避免斜視角度所引起的計算誤差，計算冠層擾動區(qū)域滯后距離時選取標志物、植保無人機和航拍機三點一線處的視頻幀。此外，P20無人機的作業(yè)高度設置以起飛點為基準，為確保實際作業(yè)高度為2 m，無人機起飛地點高度與小麥冠層平齊。

2.2 冠層擾動區(qū)域提取

對獲取的無人機作業(yè)影像數(shù)據(jù)進行預處理，截取清晰穩(wěn)定的片段。程序編寫使用Python語言，配合OpenCV計算機視覺庫實現(xiàn)目標區(qū)域的識別和提取。經(jīng)嘗試發(fā)現(xiàn)，試驗環(huán)境背景復雜，包含樹木、房屋等物體，噪聲大，加之試驗田小麥長勢不均，顏色深淺不一，通過圖像背景分割、二值化、中值濾波法等基本處理辦法很難提取旋翼下洗氣流對作物冠層的擾動區(qū)域，而動態(tài)視頻中小麥植株擺動劇烈，該區(qū)域十分明顯。在視頻幀序列中冠層擾動區(qū)域和無人機都是移動的，因此對圖像中特征區(qū)域的提取問題轉(zhuǎn)化為對視頻幀序列中移動物體的識別和提取。

移動物的識別方法主要包括幀間差分法、背景減法和光流法。幀間差分法借助視頻序列連續(xù)的特征，對時間上連續(xù)的2幀或3幀圖像進行差分運算，不同幀對應的像素點相減，判斷灰度差的絕對值，當絕對值超過一定閾值時便判斷為運動目標，從而實現(xiàn)目標的檢測功能[12]。該算法對視頻質(zhì)量要求較高，背景中微小變動都會被判斷為移動物。如圖5a所示，采用幀間差分識別方法，結果表明背景的稍微變動(如樹枝微小擺動)導致錯誤率很高。背景減法(Background subtraction)是當前運動目標檢測技術中應用較為廣泛的一類方法，其基本思想和幀間差分法相類似，都是利用不同圖像的差分運算提取目標區(qū)域。與幀間差分法不同的是，背景減法不是將當前幀圖像與相鄰幀圖像相減，而是將當前幀圖像與一個不斷更新的背景模型相減[13]。該算法基于視頻流背景基本靜止不變的假設，事實上，由于陰影、光的反射以及環(huán)境中任何其他變化都可能導致算法失效。圖5b中采用Mixture of Gaussians(MOG2)背景減法進行前景和背景分割，結果表明無人機快速移動以及背景復雜的情況下分割效果不理想，噪聲較多。

光流法是利用圖像序列中像素在時間域上的變化以及相鄰幀之間的相關性來計算相鄰幀間物體運動信息的一種方法[14-15]?；谙噜弮蓭g的目標物像素強度保持不變的假設，t時刻位于(x,y)處的強度為I(x,y,t)，一個目標像素在相鄰兩幀間移動了(Δx,Δy)，耗時Δt，可得到基本約束方程[16]

I=(x,y,t)=I(x+Δx,y+Δy,t+Δt)

(1)

利用泰勒級數(shù)公式可將其展開為

(2)

其中，H是泰勒級數(shù)展開式的高階項，基于相鄰幀之間目標像素位移很小的假設，H無窮小，因此可默認為0，則有

(3)

對Δx、Δy、Δt求時間的導數(shù)得到

(4)

Vx、Vy——目標像素在x和y軸方向上的速度分量，未知量

可以通過求解Vx和Vy來判斷像素是否發(fā)生位移。因未知量個數(shù)多于約束方程個數(shù)，所以求解時需要引入其他約束條件。Lucas-Kanade算法是較常用的一種求解方法，該方法假設與目標像素相鄰的所有像素都具有相同的移動，因此選擇一個以目標像素為核心的3×3大小的計算窗口，在這個窗口當中有9個像素點均滿足公式(4)，此時該問題變成了使用9個點求解兩個未知量。光流法又分為稀疏光流和密集光流。稀疏光流選擇一個感興趣的特征(如邊角)來跟蹤它的速度向量，在軌跡追蹤方面應用較多。密集光流將計算每一幀每個像素的光流向量，計算速度較慢，但能提供更準確和更密集的結果，適用于運動目標分割應用。本節(jié)旨在識別不斷變化的作物冠層擾動區(qū)域，因此選用密集光流法。光流法計算誤差主要發(fā)生在運動邊緣、灰度梯度變化小及大尺度圖像運動的區(qū)域，因此通常采用平均角誤差來衡量算法的精度，平均角誤差是整個光流場角誤差的平均值，指測試光流與真實光流之間的夾角[17-18]。文獻[19]對比了9種經(jīng)典光流算法的精度，結果表明Lucas-Kanade算法在100%密集光流計算過程中平均角誤差為2.47°，表現(xiàn)優(yōu)異，而其它算法平均角誤差最大達到91.71°，因此選用Lucas-Kanade算法提取冠層擾動區(qū)域計算結果可靠。由圖5c可看出，該算法對背景的去除效果較好，能準確識別運動的無人機和冠層擾動區(qū)域，對復雜背景干擾具有良好的魯棒性。

通過光流法識別出冠層擾動區(qū)域和無人機位置后，對這兩個區(qū)域進行橢圓擬合，獲取形心點以備冠層擾動區(qū)域滯后距離計算。首先對圖像進行灰度化處理，如圖6a所示。其次進行高斯模糊來減少噪聲。高斯模糊也叫高斯平滑，其模糊過程為圖像與正態(tài)分布做卷積運算，將每個像素重新賦值，所賦的值等于周邊像素的平均值。為了使模糊效果更加平滑，在計算周邊像素平均值時根據(jù)它們與中心點的距離來分配不同的權重，距中心點越遠的像素權重越小，計算像素點權重的高斯函數(shù)為

(5)

式中σ——正態(tài)分布標準偏差

x、y——橫軸和縱軸方向上的計算范圍半徑

周邊計算范圍越大，這些像素平均值越小，則模糊效果越強烈。本文計算范圍設置為5×5，圖像模糊效果如圖6b。之后對圖像進行二值化處理，閾值起始值設為15，最大值為255，結果如圖6c。利用Canny邊緣檢測算法計算特征區(qū)域輪廓，無人機快速前進時，冠層擾動區(qū)域呈近似橢圓形分布，為獲取該區(qū)域和無人機相對位置關系，通過橢圓擬合冠層擾動區(qū)域和無人機區(qū)域，擬合時設置閾值過濾掉噪聲點并提取橢圓形心(圖6d)。橢圓曲線擬合過程可描述為[20]：一組2維數(shù)據(jù)點集合P={Xi}(i=1,2，…，n)，Xi的坐標為(xi,yi)；由向量m參數(shù)化的曲線族C(m)；定義δ(C(m),X)為點X到曲線C(m)的距離。求解mmin，使得偏差函數(shù)

(6)

達到全局最小，此時的曲線即為最優(yōu)擬合橢圓。

2.3 冠層擾動區(qū)域滯后距離計算

如圖7所示，試驗期間自然風速較小，所以冠層擾動區(qū)域位于無人機正后方。得到無人機和冠層擾動區(qū)域形心后，使用電子測量軟件Ruler可測得角α，無人機飛行高度h=2 m已知，根據(jù)公式

L=htanα

(7)

可計算出不同作業(yè)速度下冠層擾動區(qū)域相對于無人機的水平滯后距離。每個速度取9幅視頻序列進行處理。要使無人機旋翼下洗氣流使葉片翻轉(zhuǎn)過來后霧滴能及時落在葉片背面，則需要保證冠層擾動區(qū)和霧滴沉積區(qū)間距a接近0，這樣才能有效促進霧滴穿透性。

作業(yè)時，無人機實際飛行高度會有所波動，以h=2 m的基準計算冠層擾動區(qū)域滯后距離會產(chǎn)生相應的誤差。試驗后導出無人機作業(yè)日志中的GPS航線記錄數(shù)據(jù)，如圖8所示，無人機進入航線和離開航線時飛行高度設置為5 m，作業(yè)時高度在2 m附近有微小波動，計算得到3、4、5、6 m/s作業(yè)速度下的高度相對誤差分別為1.01%、1.43%、0.21%、1.80%，總體上不超過2%，說明以作業(yè)高度為基準計算冠層擾動區(qū)域滯后距離是可行的。

變異系數(shù)用來表述一組數(shù)據(jù)的離散程度。對于冠層擾動區(qū)域滯后距離，可用來反映不同速度下多次測得滯后距離的波動性。數(shù)值越小說明測得的數(shù)據(jù)越穩(wěn)定。

2.4 結果與分析

圖9a為無人機不同作業(yè)速度下所采集的原始圖像，從上到下依次為3、4、5、6 m/s。通過光流法計算不同作業(yè)速度下無人機和冠層擾動區(qū)域，如圖9b所示，彩色區(qū)域代表隨著視頻幀序列變化而產(chǎn)生位移的像素點，黑色區(qū)域為沒有位移的像素點，即背景區(qū)域。色彩越鮮艷，說明位移越顯著。

圖9c為無人機和冠層擾動區(qū)域輪廓特征的橢圓擬合和形心提取結果，可以看出，無人機飛行速度越快，冠層擾動區(qū)域滯后越嚴重。同時，該區(qū)域大小和形狀受速度變化影響很大，速度低時，該區(qū)域較為集中，呈近似圓形分布，色彩鮮艷，說明小麥冠層擺動劇烈；速度高時，該區(qū)域呈長條狀分布，顏色變淺，說明植株擺動較小。由此可見，植保無人機飛行速度過快對下洗氣流的削弱作用很大，快速前進時，下洗氣流受到向后的空氣阻力作用，垂直方向上的速度有所損失。

根據(jù)公式(7)計算冠層擾動區(qū)域滯后距離，4個作業(yè)速度水平下各取9個視頻幀序列進行處理并計算，結果如表1所示，可以看出，冠層擾動區(qū)域滯后距離與無人機作業(yè)速度成正比關系，當速度從3 m/s增加至6 m/s時，冠層擾動區(qū)域平均滯后距離分別為1.77、2.71、3.61、4.31 m。根據(jù)無人機實際作業(yè)高度誤差換算可得到滯后距離的絕對誤差分別為0.02、0.04、0.01、0.08 m。對滯后距離與速度之間的關系進行回歸分析，得出y=0.858 5x-0.738 8，R2=0.875 4。

表1 不同作業(yè)速度下冠層擾動區(qū)域滯后距離Tab.1 Lag distance of canopy disturbed area at different flight speeds m

計算不同作業(yè)速度下冠層擾動區(qū)域滯后距離變異系數(shù)。3、4、5、6 m/s時分別為7.41%、8.56%、8.84%、11.75%，隨著無人機飛行速度增加變異系數(shù)加大，說明多次影像數(shù)據(jù)測得的冠層擾動區(qū)域滯后距離波動變大。無人機飛行速度過快導致旋翼下洗氣流被削弱，所以很難抵抗自然風帶來的影響，作業(yè)時測得自然風速為0～1.80 m/s，平均為0.96 m/s，間斷性的自然風導致下洗氣流到達冠層處的位置不穩(wěn)定。飛行速度較慢時，下洗氣流強勁，不容易受自然風干擾，所以得到的冠層擾動區(qū)域滯后距離波動小。旋翼下洗氣流強勁，一定程度上可以抵抗自然風的影響，從而增加霧滴的抗飄移性能[21]。另一方面，下洗氣流也會對霧滴產(chǎn)生運輸效應，能脅迫霧滴沉降，改善穿透性，然而速度過快時將無法實現(xiàn)這一目的，這也是一些參數(shù)優(yōu)化研究得出無人機低速作業(yè)時霧滴沉積效果較好的原因之一[22-23]。綜上，無人機噴灑時作業(yè)速度不宜過快。

3 討論

有研究表明無人機旋翼下洗氣流有助于促進霧滴的穿透性和分布均勻性[24]。然而當無人機飛行速度過快時，下洗氣流會被嚴重削弱，各旋翼產(chǎn)生的下洗氣流間最佳聚合位置升高[25]。對于霧滴而言，這種情況下下洗氣流將不會對其沉降產(chǎn)生促進效果，反而可能引起“卷揚效應”[3]，加劇霧滴的漂移。就作物冠層擾動情況而言，飛行速度過快時下洗氣流“疲軟”，在作物冠層上掃掠而過，該區(qū)域呈長條狀分布，植株擺動幅度小，只有較少的葉片發(fā)生翻轉(zhuǎn)，因此對霧滴沉積在植株中下層和葉片背面的促進效果有限。從側面說明，植保無人機旋翼下洗氣流若能有效改善霧滴穿透性能，需要滿足3個條件：①有足夠的氣流強度來保證霧滴被輸運至作物冠層處。②有足夠的氣流強度擾動作物冠層，使其擺動、葉片翻轉(zhuǎn)。③霧滴流最終沉積位置和冠層擾動區(qū)域位置要重合，從而保證下洗氣流使植株擺動、葉片翻轉(zhuǎn)時霧滴恰好及時沉積在葉片背面和植株中下層。

本文研究發(fā)現(xiàn)，無人機飛行速度對旋翼下洗流氣強度削弱作用很大，因此，要滿足上述條件①和條件②，保證足夠的氣流強度，降低無人機作業(yè)速度即可。條件③需要保證冠層擾動區(qū)域位置和霧滴流沉積位置重合，這一點實際上較難滿足。無人機懸停時，霧滴流和冠層擾動區(qū)域均位于無人機正下方，當無人機快速前進時，兩區(qū)域均會滯后，然而，由于不同粒子在空氣中運動時速度衰減程度不同，氣流衰減較快，速度損失大，而霧滴衰減慢，速度損失小，導致其最終到達作物冠層處的位置不同，這就造成葉片翻轉(zhuǎn)過來后霧滴沒能及時沉積在背面。在使用觸殺劑防治病蟲害時，靶標區(qū)域較多的霧滴沉積數(shù)量是保證良好防治效果的前提，因此消除作物冠層擾動區(qū)和霧滴沉積區(qū)之間的間距，使得兩區(qū)域重合是未來重點研究方向。

通過外界干預促使作物冠層擾動區(qū)和霧滴沉積區(qū)重合有2個主要途徑：優(yōu)化無人機施藥系統(tǒng)，使霧滴沉積區(qū)域平移至冠層擾動漩渦中，這一點實施起來難度較大；擴大冠層擾動區(qū)域面積，使其主動包裹霧滴沉積區(qū)域，冠層擾動區(qū)域面積受無人機機型和作業(yè)參數(shù)影響，機型對其影響體現(xiàn)在旋翼大小和排布方式上，旋翼越大、排布越分散則冠層擾動區(qū)域就越大，這是機身的固有特性，是難以改變的。作業(yè)過程中，不同的載重量、飛行速度和高度均會影響無人機旋翼下洗氣流推進至作物冠層處時的強度，從而導致冠層擾動程度不同，面積也會有差異，因此通過調(diào)節(jié)作業(yè)參數(shù)來獲得較大的冠層擾動區(qū)域是一個可行的方法。本文著重討論了冠層擾動區(qū)域的滯后特性，未對該區(qū)域的面積進行研究，不同作業(yè)參數(shù)與冠層擾動區(qū)域面積關系仍舊是未知的，哪些參數(shù)組合能夠取得較大的冠層擾動區(qū)域還有待深入研究。

4 結論

(1)單旋翼和多旋翼植保無人機下洗氣流所引起的作物冠層擾動區(qū)域特征有明顯差異。懸停時，單旋翼無人機的冠層擾動區(qū)域呈環(huán)狀，面積較大；多旋翼無人機的呈圓形，面積較小。因受機身不對稱結構影響，單旋翼無人機在前進和倒退兩種飛行姿態(tài)下的冠層擾動區(qū)域特征不同。前進時，冠層擾動程度小且不規(guī)則，倒退時，冠層擾動區(qū)域面積較大且呈U狀分布包裹機頭；多旋翼無人機2種飛行姿態(tài)下冠層擾動區(qū)域面積和形狀基本一致。此外，旋翼小、布置分散將會減弱下洗氣流對冠層的擾動程度。

(2)作業(yè)速度對冠層擾動區(qū)域特征有顯著影響。速度低時，該區(qū)域較為集中，呈近似橢圓形分布，植株運動劇烈；速度高時，下洗氣流掃掠而過，該區(qū)域呈長條狀分布，植株擺動很小。當P20型植保無人機速度為3、4、5、6 m/s時，冠層擾動區(qū)域平均滯后距離分別為1.77、2.71、3.61、4.31 m。擾動區(qū)域滯后距離和無人機飛行速度成正比，對兩者關系進行回歸分析得出y=0.858 5x-0.738 8，R2=0.875 4。

(3)速度為3、4、5、6 m/s所對應的冠層擾動區(qū)域滯后距離變異系數(shù)分別為7.41%、8.56%、8.84%和11.75%，說明速度越快無人機下洗氣流對自然風的抵抗力越弱，冠層擾動區(qū)域位置不穩(wěn)定，因此不能有效抑制霧滴漂移。