油菜機械直播作業廂面地表粗糙度測量與分析

劉立超，張青松,2，肖文立,2，魏國粱，高麗萍，廖慶喜,2

油菜機械直播作業廂面地表粗糙度測量與分析

劉立超1，張青松1,2，肖文立1,2，魏國粱1，高麗萍1，廖慶喜1,2※

（1. 華中農業大學工學院，武漢 430070；2. 農業農村部長江中下游農業裝備重點實驗室，武漢 430070）

油菜機械直播后種床整理質量是影響油菜成苗率的關鍵要素。針對目前油菜機械直播種床廂面粗糙度測量和數據處理方法不能完全反映地表真實情況的現實問題，該文提出一種基于激光雷達掃描技術的區域地表粗糙度現場測量和量化方法，通過測量裝置可快速獲取油菜直播廂面幅寬內的地表高程三維數據。基于油菜機械直播作業特性，對采集的作業廂面高程數據進行去傾斜趨勢和去邊坡趨勢處理，降低了廂面傾斜和邊坡特征對粗糙度計算的影響。對不同空間采樣間隔和不同采樣角度截面數據的粗糙度統計結果表明：170 mm采樣間隔下的平均均方根高度和均方根高度平均誤差均高于5 mm采樣間隔下的計算結果；在垂直機組前進方向0°、45°和90°三個方向上地表截面高程數據的均方根高度最大差值和相關長度最大差值分別為7.69 mm和25.14 mm，且帶有種溝等結構化特征的油菜種床廂面存在明顯的各向異性。以不同大小區域的滑動取樣窗口進行局部粗糙度量化的統計結果表明：當窗口寬度為廂面幅寬和0.5倍時，窗口長度大小不低于1.2 m可使均方根高度的標準差穩定在0.27 mm以內，而通過對每個取樣窗口進行單獨去傾斜趨勢處理可消除地表局部傾斜對粗糙度計算的影響。研究結果可為油菜機械直播作業廂面粗糙度測量和量化方法提供參考依據。

土壤；粗糙度；激光雷達；油菜機械直播；特征分析

0 引 言

長江中下游地區是中國主要的冬油菜種植區，近年來隨著油菜機械化生產技術的發展，該地區油菜機械化播種作業水平逐年提升[1]。油菜機械直播可大幅提高生產效率，實現節本增效。受長江中下游地區土壤質地和墑情條件影響，機械直播后種床廂面整理效果成為影響油菜播種成苗率的關鍵要素[2]。

油菜直播作業廂面質量包括廂面平整效果、碎土率和種溝質量等，這些因素均會對油菜出苗和后期生長造成一定影響。廂面質量可用廂面地表粗糙度進行定量評價，目前對于油菜播種后種床廂面粗糙度的測量手段還較為傳統[3-4]，接觸式測量方法由于采樣樣本量不足導致測量數據無法準確反映地表真實狀況。隨著地表觀測技術的發展，多種非接觸式地表高程測量方法在農業耕作和微波遙感領域得到廣泛運用[5]。其中攝影測量和激光測量是非接觸式地表高程測量的主流應用技術，攝影測量技術通過線采樣[6-7]和面采樣[8-9]的方式可獲取連續地表高程數據，其測量精度受光照強度和陰影環境影響，多適用于尺度變化較小的地表高程測量場合[10]；激光測量技術主要將單點激光傳感器[11-12]或線結構光傳感器[13-14]安裝在單個或正交直線導軌上，通過控制傳感器沿導軌移動完成單截面或平面區域地表高程數據采集，其測量精度與傳感器選型直接相關。受導軌結構尺寸限制，激光測量技術應用于平面區域采樣時單次覆蓋面積一般低于2 m2。其他非接觸式測量技術如多視角紅外光譜[15]、陰影分析[16-17]、聲波測量[18]、雷達圖像[19]等，相比于激光和攝影測量，在地表高程測量方面并沒有體現出明顯優勢，因此未得到廣泛的應用。

油菜機械直播種床廂面在土壤工作部件的作用下呈現種溝等結構化特征，且粗糙度受種溝等特征影響表現為各向異性。因此，廂面粗糙度測量和處理方法的合理性均會影響粗糙度的客觀評價。現有研究成果表明測量范圍是影響粗糙度計算準確性的重要因素，由于地表存在空間異質性，采樣長度[20-21]、采樣數量[7]和采樣區域大小[22]的選取均會對測量結果產生影響。此外，對測量數據的預處理也是影響粗糙度計算結果準確性的關鍵因素，去除數據傾斜趨勢對于較大斜坡地表粗糙度計算結果的準確性至關重要[23]，而通過去傾斜趨勢無法消除的地表結構化彎曲特征同樣影響粗糙度計算的最終結果[24]。由此可見，相比油菜機械直播地表高程數據采集方法的重要性，測量數據的前處理方法同樣重要。

本文針對現有非接觸式地表粗糙度測量方法存在單次測量覆蓋面積較小的問題，提出一種基于地面激光雷達的油菜直播作業廂面粗糙度現場測量方法，借助測量系統快速獲取油菜種床廂面幅寬內地表三維坐標，通過對油菜種床廂面的特征分析及合理的數據預處理，使數據計算結果能夠準確評價油菜種床廂面粗糙度，以期為油菜機械直播后廂面作業質量的定量評價提供參考依據。

1 材料與方法

1.1 測量對象

本文主要研究長江中下游地區油菜機械直播后廂面粗糙度特征，因此選取該地區油菜機械直播后的作業廂面作為測量對象。目前適用于長江中下游地區機械直播的油菜聯合播種機具分為2類：一類是具有旋耕部件的油菜聯合直播機[25]，另一類是帶有主動旋轉開溝裝置的油菜免耕直播機[26-27]，受該地區地塊大小限制，2類直播機作業幅寬均為2 m左右，去除用于排水的畦溝寬度，油菜種床廂面幅寬約為1.6 m。油菜聯合直播機采用耕播集成理念，一次作業完成旋耕、播種、施肥、覆土和開溝等工序；而油菜免耕直播機利用主動旋轉開溝裝置，在分土板約束下將溝內土壤均勻覆蓋到種床廂面，免去旋耕作業工序，屬于保護性耕作方式。

為獲取不同類型油菜種床廂面粗糙度參數，本文選用華中農業大學工學院研制的2種不同結構形式的油菜直播機[25,27]播種作業后的種床廂面為測量對象，如圖1所示。由于2種油菜直播機結構形式和作業原理的差異，其作業后種床廂面特征存在一定區別。油菜免耕播種作業對土壤擾動小，主動式開溝裝置能夠使廂面與畦溝形成明顯分界，進而使廂寬范圍內保持原有地表平整狀態；而油菜聯合直播機作業時由于旋耕機和被動式開溝犁的交互作用，會在種床廂面與畦溝連接部位形成傾斜邊坡，使種床廂面與畦溝的邊界模糊，且種床廂面最外側2行油菜均播于邊坡上，若不考慮種床廂面邊坡的影響，則會對粗糙度的計算結果造成較大誤差。

圖1 兩種油菜直播機及其作業后地表形態

1.2 種床廂面粗糙度測量裝置

種床廂面粗糙度測量裝置主要包括激光雷達（SICK LMS511-10100 PRO，掃描角度190°，測距分辨率1 mm，采樣角度分辨率0.166 7～1°，采樣頻率25～100 Hz）、直線導軌（北京時代超群電器科技有限公司，節距3 mm，帶輪齒數24）、步進電機（北京時代超群電器科技有限公司，步距角1.8°）、驅動控制器、支架和便攜式計算機等，如圖 2所示。激光雷達安裝在直線導軌的滑塊上，在步進電機帶動下沿導軌直線移動，其有效移動距離為2 m，驅動控制器通過獲取編碼器信號實現步進電機閉環控制及柔性啟停，便攜式計算機通過串口和以太網分別與驅動控制器及激光雷達連接，并通過上位機測量軟件實現人機交互、與驅動控制器通訊及接收、存儲激光雷達采集的數據。對測量數據進行誤差補償及坐標轉換，即可得到完整的地表三維高程數據。

激光雷達以線掃描方式對待測地表進行數據采樣，測量過程中步進電機間歇運轉帶動激光雷達沿導軌一端移動到另一端，上位機測量軟件控制激光雷達在步進電機各間歇停止位置開啟數據采樣，同時以極坐標形式返回各測量點距激光雷達掃描中心的距離數據。測量裝置的空間采樣間隔與激光雷達掃描方向采樣分辨率及垂直掃描方向的采樣間距有關。如圖2所示，在1位置時激光雷達單幀采樣數據與地表截面形成的測量曲線用1表示，其相鄰數據點的橫向間距d可表示為

式中l為激光雷達掃描中心距測量地表水平線0的垂直距離，mm；θ為點掃描位置的掃描角度，rad；為采樣角度分辨率，rad。

當激光雷達從1位置沿箭頭方向移動到2位置，其間歇移動距離Δ與步進電機轉動角度的對應關系為

注：*表示經過去邊坡處理后的粗糙度計算數據。數據為均方根高度±標準差以及相關長度±標準差。

Note: * represents the roughness calculation data with the slope trend processing. The data formats are root mean square height±standard deviation and correlation length±standard deviation.

對比油菜聯合直播機消除邊坡趨勢前后的粗糙度參數可以發現，邊坡趨勢對垂直作業方向的均方根高度影響最大，去除邊坡趨勢前后的均方根高度數值最大相差24.0%，而相關長度在去邊坡趨勢處理后在3個方向上均有減小，去趨勢前后最大相差31.5%。去邊坡趨勢處理提高了粗糙度計算結果的正確性。

需要明確的是，雖然油菜免耕直播機相較于油菜聯合直播機作業廂面具有較小均方根高度數值，但是兩者具有不同的作業原理，其橫向比較的結果不能作為2種油菜直播機后續成苗率和生長狀況的評價依據，同一種類型油菜直播機的粗糙度對比才具有指導意義。

2.3 種床廂面各向異性分析

根據前述分析可知，2種油菜直播機作業廂面粗糙度參數在3個不同方向上存在明顯差異，為進一步研究不同方向上的粗糙度分布特征，對測得的1組油菜免耕直播機作業地表高程數據進行變角度插值處理，得到181組截面數據，每組截面數據對應地表長度為1.4 m，角度間隔為1°，圖中直角坐標系軸與機組作業方向垂直，軸與機組作業方向平行，原點在圓周中心，如圖 8a所示。

對插值后的圓形區域數據進行粗糙度統計，結果如圖8b、8c所示：在角度分布為垂直機組作業方向90°左右的區域，由于截面方向沿著種溝分布的方向，均方根高度數值明顯小于平均值14.03±2.66 mm，而其他角度分布區域的截面均跨越種溝，使得均方根高度數值較大。同樣，各截面的相關長度也受到種溝特征的影響，存在明顯各向異性，相關長度的均值為71.96±21.50 mm。相比于均方根高度的有序平緩變化，相關長度的變化受種床廂面高程分布特征影響更為明顯，其標準差為均方根高度標準差的8倍，且在垂直機組作業方向90°左右的區域，相關長度受地表局部凸起或坑洼影響產生部分無序的數值跳變，表明地表局部特征對相關長度參數有較大影響。由此可見，油菜機械直播后種床廂面粗糙度在不同角度截面的分布具有一定規律性，存在均方根高度和相關長度明顯大于或小于其平均值的扇區，這些扇區即是地表粗糙度各向異性的標志。

圖8 地表粗糙度均方根高度和相關長度的各向異性

2.4 不同區域面積大小粗糙度計算結果分析

由于粗糙度的計算結果與所選取的截面方向密切相關，且高度依賴于選取截面的尺度大小，為消除方向因素對均方根高度計算結果的影響，采用區域數據進行粗糙度參數計算。為研究區域大小對粗糙度的影響規律，依據隨機抽樣方法，對廂面測量區域進行不同窗口大小的數據區域劃分（圖9）。

以油菜聯合直播機作業廂面為研究對象，取窗口寬度的大小等級分別為種床廂面寬度的1、0.5和0.25倍，得到3組不同寬度窗口尺寸，每組寬度尺寸下的窗口長度范圍為0.2～2 m，長度間隔梯度為0.2 m，且每個尺寸窗口在測量區域內隨機抽取50個樣本，局部均方根高度的計算結果為50個窗口區域的均方根高度均值，相關長度為所有窗口長度方向上地表輪廓數據計算結果的均值。

每組窗口寬度固定時，粗糙度隨窗口長度變化的統計結果如圖10所示。可以看出，消除傾斜趨勢的均方根高度總比未消除趨勢的數值小，其最大差值為1.05 mm，可見在全尺寸廂面內進行的去趨勢處理并不能消除局部的傾斜特征，且窗口區域選取的尺寸越小，去趨勢前后的均方根高度數值差異越明顯。

注：L、W分別為窗口寬度和種床廂面寬度，mm。下同。

從3組不同窗口寬度的局部均方根高度統計趨勢和標準差數據可以看出，3組均方根高度數值均隨著窗口長度的增加呈現先增后緩慢減小的變化趨勢；當窗口寬度為廂面幅寬和0.5倍廂面幅寬時，窗口長度不低于1.2 m可使均方根高度計算結果的標準差穩定在較小值，此時，廂面幅寬和0.5倍廂面幅寬對應的均方根高度標準差大小分別不高于0.17 mm和0.27 mm，在窗口寬度為0.5倍廂面幅寬時均方根高度的標準差不高于0.27 mm，也表明油菜聯合直播機作業后均方根高度在廂面左右兩半區域具有較好的一致性；而在0.25倍的廂面幅寬時，窗口長度需要達到1.6 m均方根高度的標準差才會減小到0.47 mm以內。

相比于均方根高度計算結果在不同窗口長度下的變化，相關長度在2 m的廂面長度區域內并未趨于較小穩定值，且在0.5倍廂面幅寬和0.25倍廂面幅寬時，其標準差受廂面長度的影響較小，均保持在較高水平，只有窗口寬度與廂寬一致時，相關長度的標準差才會隨著窗口長度的增加逐漸減小。從消除趨勢前后的3組相關長度和標準差數據中可以看出，去趨勢處理后，標準差數值均低于未去趨勢的標準差，且標準差的差值大小與去趨勢前后相關長度差值大小的變化趨勢對應。

圖10 均方根高度和相關長度與取樣窗口大小的關系

在油菜直播作業的廂面粗糙度現場測量中，由于現有測量裝置在覆蓋面積上的局限，為減小測量區域選取對粗糙度量化誤差的影響，可考慮在廂面寬度方向選取半個幅寬作為區域測量的寬度，同時為使不同采樣區域的粗糙度計算誤差較小，應在廂面長度方向滿足1.2 m以上的測量距離。

3 結 論

1）該文基于激光雷達掃描技術實現了油菜直播廂面全幅寬范圍內不高于10 mm分辨率的區域地表高程數據采集，通過對油菜機械直播種床廂面特征分析，確定了采集數據的預處理方法，減小了廂面傾斜和邊坡特征對粗糙度計算結果的影響。

2）對不同采樣間隔和不同角度截面數據的粗糙度統計結果表明：170 mm采樣間隔下的平均均方根高度和均方根高度平均誤差均高于5 mm采樣間隔下的計算結果；在垂直機組前進方向0°、45°和90°三個方向上，地表截面高程數據的均方根高度最大差值和相關長度最大差值分別為7.69 mm和25.14 mm，且帶有種溝等結構化特征的油菜種床廂面存在明顯的各向異性。

3）以不同大小區域的滑動取樣窗口進行局部粗糙度量化的統計結果表明：當窗口寬度為廂面幅寬和0.5倍時，窗口長度不低于1.2 m可使均方根高度的標準差穩定在0.27 mm以內，而通過對每個取樣窗口進行單獨去傾斜趨勢處理可消除地表局部傾斜對粗糙度計算結果的影響。

由于篇幅限制，本文在對廂面地表各向異性分析和不同區域大小對粗糙度計算結果影響的分析中均只選取了1種油菜直播機的作業廂面作為分析對象，且由于測量裝置結構限制，在作業方向上單次只完成2 m的采樣距離，對局部粗糙度的計算形成一定約束，后續可考慮加長測量范圍或進行拼接測量以獲取更大區域的連續地表高程數據。

[1] 農業部南京農業機械化研究所. 2017年中國農業機械化年鑒[M]. 北京：中國農業科學技術出版社，2017.

[2] 廖慶喜，雷小龍，廖宜濤，等. 油菜精量播種技術研究進展[J]. 農業機械學報，2017，48(9)：1－16. Liao Qingxi, Lei Xiaolong, Liao Yitao, et al. Research progress of precision seeding for rapeseed[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(9): 1－16. (in Chinese with English abstract)

[3] 劉曉鵬，張青松，肖文立，等. 稻油輪作區驅動圓盤犁對置組合式耕整機設計與試驗[J]. 農業機械學報，2017，48(12)：33－41. Liu Xiaopeng, Zhang Qingsong, Xiao Wenli, et al. Design and experiment on symmetrical driven disc plows combined tillage machine for rice-rapeseed rotation area[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48 (12): 33－41. (in Chinese with English abstract)

[4] 張青松，肖文立，廖慶喜，等. 油菜直播機深淺旋組合式種床整備裝置的設計與試驗[J]. 華中農業大學學報，2016，35(4)：121－128. Zhang Qingsong, Xiao Wenli, Liao Qingxi, et al. Designing a deep-shallow rotary tillage device of direct rapeseed seeder[J]. Journal of Huazhong Agricultural University, 2016, 35(4): 121－128. (in Chinese with English abstract)

[5] 江沖亞，方紅亮，魏珊珊. 地表粗糙度參數化研究綜述[J]. 地球科學進展，2012，27(3)：292－303. Jiang Chongya, Fang Hongliang, Wei Shanshan. Review of land surface roughness parameterization study[J]. Advances in Earth Sciences, 2012，27(3): 292－303. (in Chinese with English abstract)

[6] 李俐，王荻，潘彩霞，等. 基于神經網絡與決策樹的土壤粗糙度測量[J]. 農業工程學報，2015，31(14)：132－138. Li Li, Wang Di, Pan Caixia, et al. Soil surface roughness measuring method based on neural network and decision tree[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(14): 132－138. (in Chinese with English abstract)

[7] 陶浩然，陳權，李震，等. 近景攝影測量提高裸露地表粗糙度測量精度[J]. 農業工程學報，2017，33(15)：162－167. Tao Haoran, Chen Quan, Li Zheng, et al. Improvement of soil surface roughness measurement accuracy by close-range photogrammetry[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(15): 162－167. (in Chinese with English abstract)

[8] Gilliot J M, Vaudour E, Michelin J. Soil surface roughness measurement: A new fully automatic photogrammetric approach applied to agricultural bare fields[J]. Computers & Electronics in Agriculture, 2017, 134: 63－78.

[9] Jensen T, Karstoft H, Green O, et al. Assessing the effect of the seedbed cultivator leveling tines on soil surface properties using laser range scanners[J]. Soil and Tillage Research, 2017, 167: 54－60.

[10] Snapir B, Hobbs S, Waine T W. Roughness measurements over an agricultural soil surface with structure from motion[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 96: 210－223.

[11] 蔡祥，孫宇瑞，林劍輝，等. 基于激光反射的土壤表面粗糙度測量裝置設計與試驗[J]. 農業機械學報，2010，41(1)：70－76. Cai Xiang, Sun Yurui, Lin Jianhui, et al. Design of a laser scanner for characterizing soil surface roughness [J]. Transactions of the Chinese Society of Agricultural Machinery, 2010, 41(1): 70－76. (in Chinese with English abstract)

[12] Jiang C, Lu Z, Zhou J, et al. Evaluation of fractal dimension of soft terrain surface[J]. Journal of Terramechanics, 2017, 70: 27－34.

[13] 李宗南，陳仲新，王利民，等. 基于紅外結構光三維技術的土壤表面粗糙度測量[J]. 農業工程學報，2013，29(21)：137－142. Li Zongnan, Chen Zhongxin, Wang Limin, et al. A measuring method of soil surface roughness using infrared structured light 3D technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(21): 137－142. (in Chinese with English abstract)

[14] 劉潔，楊曉菊，廖宜濤，等. 基于線結構激光傳感器的土壤表面粗糙度測量方法研究[J]. 農業工程學報，2019，35(3)：134－140. Liu Jie, Yang Xiaoju, Liao Yitao, et al. Study on soil surface roughness measuring method based on line structured light sensor[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(3): 134－140. (in Chinese with English abstract)

[15] Croft H, Anderson K, Kuhn N J. Reflectance anisotropy for measuring soil surface roughness of multiple soil types[J]. Catena, 2012, 93: 87－96.

[16] Moreno R G, Requejo A S, Alonso A M T, et al. Shadow analysis: A method for measuring soil surface roughness[J]. Geoderma, 2008, 146(1/2): 201－208.

[17] Denis A, Stevens A, Van Wesemael B, et al. Soil organic carbon assessment by field and airborne spectrometry in bare croplands: accounting for soil surface roughness[J]. Geoderma, 2014, 226/227(4): 94－102.

[18] Oelze M L, Sabatier J M, Raspet R. Roughness measurements of soil surfaces by acoustic backscatter[J]. Soil Science Society of America Journal, 2003, 67(1): 241－250.

[19] Aubert M, Baghdadi N, Zribi M, et al. Analysis of TerraSAR-X data sensitivity to bare soil moisture, roughness, composition and soil crust[J]. Remote Sensing of Environment, 2011, 115(8): 1801－1810.

[20] Lu Z X, Nan C, Perdok U D, et al. Characterisation of soil pro?le roughness[J]. Biosystems Engineering. 2005, 91(3): 369－377.

[21] Mattia F. On the soil roughness parameterization problem in soil moisture retrieval of bare surfaces from synthetic aperture radar[J]. Sensors, 2008, 8(7): 4213－4248.

[22] Jesús álvarez-Mozos, Verhoest N E C, Larranaga A, et al. Influence of surface roughness spatial variability and temporal dynamics on the retrieval of soil moisture from SAR observations[J]. Sensors, 2009, 9(1): 463－489.

[23] Zheng X M, Zhao K, Li X J, et al. Improvements in farmland surface roughness measurement by employing a new laser scanner[J]. Soil and Tillage Research, 2014, 143: 137－144.

[24] Haubrock S N, Kuhnert M, Chabrillat S, et al. Spatiotemporal variations of soil surface roughness from in-situ laser scanning[J]. Catena, 2009, 79(2): 128－139.

[25] 田波平，廖慶喜，黃海東，等. 2BFQ-6型油菜精量聯合直播機的設計[J]. 農業機械學報，2008，39(10)：211－213. Tian Boping, Liao Qingxi, Huang Haidong, et al. Design of 2BFQ-6 precision planter for rapeseed[J]. Transactions of the Chinese Society for Agricultural Machinery, 2008, 39(10): 211－213. (in Chinese with English abstract)

[26] 吳明亮，官春云，湯楚宙，等. 2BYF-6型油菜免耕直播聯合播種機田間試驗研究[J]. 農業工程學報，2007，23(11)：172－175. Wu Mingliang, Guan Chunyun, Tang Chuzhou, et al. Experimental research on 2BYF-6 type no-tillage rape combine seeder in paddy stubble field[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23 (11): 172－175. (in Chinese with English abstract)

[27] 華中農業大學. 稻茬田油菜免耕精量直播機：中國專利，201810178346. 9[P]. 2018-11-02.

[28] Nyquist H. Certain topics in telegraph transmission theory[J]. Transactions of the American Institute of Electrical Engineers, 1928, 47(2): 617－644.

[29] Philip M, Moritz S, Ralf L. Decomposing dual scale soil surface roughness for microwave remote sensing applications[J]. Remote Sensing, 2012, 4(7): 2016－2032.

[30] Bretar F, Arab-Sedze M, Champion J, et al. An advanced photogrammetric method to measure surface roughness: Application to volcanic terrains in the Piton de la Fournaise, Reunion Island[J]. Remote Sensing of Environment, 2013, 135: 1－11.

[31] 李曉潔，趙凱，鄭興明. 基于激光三角法的地表粗糙度測試儀的研制[J]. 農業工程學報，2012，28(8)：116－121. Li Xiaojie，Zhao Kai，Zheng Xingming. Development of surface roughness tester based on laser triangulation method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(8): 116－121. (in Chinese with English abstract)

[32] 秦寬，丁為民，方志超，等. 復式耕整機耕深與耕寬穩定性分析與試驗[J]. 農業工程學報，2016，32(9)：1－8. Qin Kuan, Ding Weimin, Fang Zhichao, et al. Analysis and experiment of tillage depth and width stability for plowing and rotary tillage combined machine[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 1－8. (in Chinese with English abstract)

Measurement and analysis of surface roughness of rapeseed mechanized direct seeding operation

Liu Lichao1, Zhang Qingsong1,2, Xiao Wenli1,2, Wei Guoliang1, Gao Liping1, Liao Qingxi1,2※

(1.,,430070,;2,,430070,)

The quality of seedbed after seeding such as soil surface leveling, soil-breaking rate and seed furrow preparing and so on, are the main factors affecting the seedling rate of rapeseed. A good seedbed is a necessary condition for uniform seedling emergence, increasing the rate of subsequent seedlings and promoting the homogeneity of plants after sowing. In view of the fact that the measurement and data processing methods of rapeseed seedbed surface roughness under mechanized direct seeding cannot fully reflect the real soil surface condition, a method of measuring and quantifying roughness surface area by using laser radar scanning technology is proposed in this paper. The main components of the measuring device are the lidar, linear guide, stepper motor, portable computer and other components. The device can quickly acquire soil surface data in three dimensions through the whole working width of direct seeding machine. The surface roughness data of rapeseed combined direct seeder and no-tillage direct seeder after operation were used to detect the effect of two kinds of seedbed operation on seedbed surface. The characteristics of rapeseed direct seeding process were analyzed, three-dimensional digital modeling and detrend processing of ground data after two kinds of direct seeders were carried out by using MATLAB. The least square method was utilized to eliminate the inclined tendency of seedbed surface, the fourth order polynomial was applied to remove the slope trend in the width direction of the soil surface of rapeseed combined direct seeder. The root mean square (RMS) height and the correlation length were involved as evaluating parameters to analyze the data. Statistical results of roughness parameters for different spatial sampling intervals and different angles cross-section data showed that the average RMS height and RMS height mean error of 170 mm sampling interval were all higher than that of 5 mm sampling interval, the average RMS height of the 170 mm sampling interval was 2.2 mm higher than that of the 5 mm sampling interval, the corresponding correlation length was around 1.8 times the latter; and the RMS height and the correlation length error of the 170 mm sampling interval were higher than that of the 5 mm sampling interval. The maximum difference of RMS height and correlation length of surface elevation data were 7.69 and 25.14 mm respectively in the three directions of 0, 45 and 90 degrees in the forward direction of vertical unit, and there was obvious anisotropy on the surface of seedbed with structural characteristics such as seed trench. Statistical results of local roughness quantification using sliding sampling windows in different size regions showed that when the window width is 0.5 times the compartment width, the standard deviation of RMS height can be stabilized within 0.27 mm if the length of the window is not less than 1.2 m, and the influence of local surface tilt on the roughness calculation can be eliminated by the trend treatment of the tilt of each sampling window. The results can provide reference for the measurement and quantitative analysis of surface roughness in rape direct seeding operation.

soils; roughness; laser radar; rapeseed mechanized direct seeding; characteristic analysis

2019-04-22

2019-06-04

公益性行業（農業）科研專項（201503118-06）；國家油菜產業技術體系專項(CARS-12)；湖北省農業科技創新行動項目

劉立超，博士生，主要從事農業裝備設計與測控研究， Email：llchao2012@163.com

廖慶喜，教授，博士生導師，主要從事油菜機械化生產技術與裝備研究，Email：liaoqx@mail.hzau.edu.cn

10.11975/j.issn.1002-6819.2019.12.005

S237

A

1002-6819(2019)-12-0038-10

劉立超，張青松，肖文立，魏國粱，高麗萍，廖慶喜. 油菜機械直播作業廂面地表粗糙度測量與分析[J]. 農業工程學報，2019，35(12)：38－47. doi：10.11975/j.issn.1002-6819.2019.12.005 http://www.tcsae.org

Liu Lichao, Zhang Qingsong, Xiao Wenli, Wei Guoliang, Gao Liping, Liao Qingxi. Measurement and analysis of surface roughness of rapeseed mechanized direct seeding operation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(12): 38－47. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.12.005 http://www.tcsae.org