植保无人飞机喷雾防治小麦赤霉病雾滴沉积量的气象影响因子分析及预报模型构建

徐敏 周晴晴 杨荣明 徐忆菲 高苹

摘要

為阐明不同气象条件对植保无人飞机防治赤霉病过程中冠层雾滴沉积的影响规律，采用大疆T40四轴八旋翼植保无人飞机在不同麦区进行喷雾施药处理，利用诱惑红示踪剂、聚酯卡、水敏纸等采集雾滴，计算雾滴沉积量和覆盖率，并对实时记录的田间气象条件进行分级，其中温度分为A1（10℃≤T＜20℃）、A2（20℃≤T＜30℃）、A3（30℃≤T＜40℃）等级，相对湿度分为B1（30%≤RH＜50%）、B2（50%≤RH＜70%）、B3（70%≤RH＜90%）等级，风速分为C1（0 m/s≤V＜1.6 m/s）、C2（1.6 m/s≤V＜3.4 m/s）、C3（3.4 m/s≤V＜5.5 m/s）等级。应用方差分析、主效应多重比较等统计方法，揭示不同气象等级组合条件对雾滴沉积量和覆盖率的影响趋势，并基于气象因子构建沉积量和覆盖率的预报模型。结果表明：温度、相对湿度、风速对雾滴沉积量的有利程度按等级排序分别为：A1≥A2＞A3、B3＞B2＞B1、C1≥C2＞C3。不同气象等级对覆盖率的影响规律与对沉积量的影响规律基本一致，其中相对湿度对雾滴覆盖率和沉积量影响显著，温度和风速的交互作用对覆盖率也具有显著影响。基于气象因子构建的冠层上层雾滴沉积量和覆盖率预报模型准确率分别为88.15%、82.82%，均方根误差分别为0.030 μL/cm2、1.33%，具有较高的可信度，可应用于植保飞防气象预报服务。研究结果对植保无人飞机适时开展药剂喷洒作业、提高防治效果、减轻农药对农田生态环境的污染具有参考作用。

关键词

气象条件; 植保无人飞机; 沉积量; 覆盖率

中图分类号：

S 435.121.45

文献标识码： A

DOI： 10.16688/j.zwbh.2023451

Analysis of meteorological factors affecting the droplets deposition in the prevention and control of wheat scab by unmanned aerial vehicle and construction of deposition prediction models

XU Min1，2*， ZHOU Qingqing3， YANG Rongming4， XU Yifei1， GAO Ping1，2

（1. Climate Center of Jiangsu Province， Nanjing 210019， China; 2. Jintan National Climate Observatory，

Changzhou 213200， China; 3. Nanjing Agricultural Mechanization Research Institute， Ministry of Agriculture

and Rural Affairs， Nanjing 210014， China; 4. Plant Protection and Plant Quarantine Station of

Jiangsu Province， Nanjing 210036， China）

Abstract

To clarify the influence of different meteorological conditions on droplets deposition within the canopy in the prevention and control of wheat scab by unmanned aerial vehicle （UAV）， the Dajiang T40 fouraxis eightrotor UAV was used to spray fungicides solution in the different wheat areas. The deposition amount and coverage rate of fungicide droplets were collected and calculated using allure red tracer， polyester card， watersensitive paper， etc. Field meteorological factors were recorded in realtime and categorized as follows： temperatures were classified as A1 （10℃≤T＜20℃）， A2 （20℃≤T＜30℃）， A3 （30℃≤T＜40℃）; relative humidity was classified as B1 （30%≤RH＜50%）， B2 （50%≤RH＜70%）， B3 （70%≤RH＜90%）; wind speed was classified as C1 （0 m/s≤V＜1.6 m/s）， C2 （1.6 m/s≤V＜3.4 m/s）， and C3 （3.4 m/s≤V＜5.5 m/s）. Statistical methods such as analysis of variance and multiple comparisons of main effects were used to uncover the trends in the impact of different combinations of meteorological levels on droplets deposition and coverage rate. Prediction models for deposition amount and coverage rate were constructed based on meteorological factors. The results showed that the favorable order of different temperatures， relative humidity， and wind speed levels on droplets deposition was A1≥A2>A3， B3>B2>B1， C1≥C2>C3， respectively. The influence of different meteorological levels on coverage rate and deposition was basically consistent， with relative humidity having a significant impact on droplets coverage rate and deposition， and the interaction between temperature and wind speed also imposed a significant impact on coverage rate. The accuracies of the upperlayer droplets deposition amount and coverage rate predicted by the models constructed based on meteorological factors were 88.15%， 82.82%， with a root mean square error of 0.030 μL/cm2 and 1.33%， respectively. These models demonstrate high reliability and can be applied to meteorological forecasting services for plant protection using UAV. These research findings provide valuable guidance for the timely fungicide spraying operations by UAV for plant protection， enhancing prevention and control effects and reducing fungicide pollution in the agricultural ecological environment.

Key words

meteorological conditions; unmanned aerial vehicle for plant protection; droplets deposition; coverage rate

近年来，植保无人飞机发展迅速，与传统的手动喷药和地面动力机械喷药方式相比，植保无人飞机低空喷洒农药具有作业效率高、喷雾均匀、不伤农作物等优点，更重要的是可以有效减少农药的使用次数及使用量，提高农药有效利用率，减轻农药对农田生态环境的污染，目前已经成为农作物病虫害防治的首选施药方式，是一项适应现代农业、现代植保需求的重要新型技术［1］。据农业农村部农业机械化管理司统计，2021年我国植保无人飞机保有量97 931架，同比增长39.22%，在植保机械中的占比越来越大［2］。

植保无人飞机的施药效果会受到作业参数、环境因子等一系列条件的影响［3］。在作业参数优化方面，针对不同防治对象不少学者利用植保无人飞机进行田间施药试验，以沉积率和沉积变异系数等作为评估指标，研究了不同作业参数、不同机型下雾滴沉积分布规律及与作物冠层间的互作关系和农药防治效果，为确定合理的飞行高度、作业速度、有效喷幅、喷液量、助剂类型等参数奠定了扎实的基础。如：陈盛德等［4］研究了飞行高度和飞行速度等参数对水稻叶片上雾滴沉积分布的影响;陈奕璇等［5］详细比较了单旋翼、四旋翼、六旋翼无人飞机与3种地面植保机械喷施雾滴在水稻冠层的沉积分布及对稻纵卷叶螟Cnaphalocrocis medinalis防治效果的差异;蒙艳华等［6］对无人飞机防治小麦蚜虫的作业高度、作业速度和喷施流量等参数进行了优化;秦维彩等［7］研究了无人飞机横向喷洒幅度等参数对玉米冠层雾滴沉积分布的影响;Richardon等［8］研究了多旋翼无人飞机喷嘴位置、释放高度、液滴大小等参数对喷雾沉积均匀性的影响;陈晓等［9］采用大疆MG1P型电动四旋翼植保无人飞机在棉花生长中期进行喷雾施药，探讨了添加不同助剂对农药雾滴在棉花植株叶片上沉积分布的影响。在环境因子影响方面，主要集中在气象条件对作业安全、风场对雾滴漂移、温度对农药蒸发等的影响研究，如：梅玲［10］

初步探讨了风、气温、降水、能见度、雷电和低云

对植保无人飞机

飞行作业的影响;符海霸等［11］利用计算流体力学方法仿真模拟了多旋翼无人飞机前、中、后螺旋桨喷洒区域风场下无人机旋翼旋向和喷头位置对有效喷幅的影响;盛辉［12］研究得出侧风风速与雾滴漂移距离明显相关，当侧风达2.3 m/s时，雾滴飘移距离可达3.35 m;温度影响农药蒸发早有研究，王军［13］采用总量平衡法计算得到在水稻和棉花田采用飞机喷洒农药，因气象条件、雾滴大小等因素的影响，药液蒸发百分率分别为34.2%和24.7%。

由此可见，目前研究报道主要集中于植保无人飞机作业参数、喷雾性能、雾滴沉积和对病虫害防治效果等方面，对温度、相对湿度、风速等不同气象等级组合条件下植保无人飞机雾滴沉积分布和覆盖率特征差异尚缺乏深入研究。

赤霉病（病原：Fusarium graminearum）是威胁小麦产量和品质的重大流行性病害，2020年被列入国家一类农作物病虫害名录，该病流行频率高，对防治技术要求高。为此，笔者开展植保无人飞机防治赤霉病药剂的喷洒试验，研究不同气象等级组合条件下，植株不同冠层高度雾滴沉积量和覆盖率的分布特征及冠层上层雾滴分布规律，并基于气象因子构建雾滴沉积量和覆盖率的预报模型，以期为提高植保无人飞机防治赤霉病施药质量提供科学依据。

1 材料与方法

1.1 试验地点

由于江苏赤霉病发生区域主要位于淮河以南地区［14］，因此在苏南、苏中地区选取试验点，具体为：江苏省苏州市望亭镇、南京市六合区和扬州市宝应区。冬小麦种植区地势平坦，主要病害为赤霉病，进入开花期的小麦株（茎）数百分率≥10%、≥80%时分别为始花期、盛花期，这两个时期是小麦赤霉病最佳防治期［1516］。为确保防治效果，根据试验田块小麦实际生育进程，在3个试验点的小麦始花期、盛花期分别进行无人飞机喷洒农药。望亭镇试验点种植品种是‘镇麦12号，飞机播撒，15 kg/667m2，种植密度341穗/m2;六合区試验点种植品种是‘镇麦9号，机条播，25 kg/667m2，种植密度589穗/m2;宝应县试验点种植品种是‘扬麦25号，机条播，26 kg/667m2，种植密度615穗/m2。

1.2 试验机具、观测仪器及药剂

1.2.1 试验机具

采用大疆T40四轴八旋翼植保无人飞机（图1），机具参数为：空机质量38 kg，额定起飞质量78 kg，工作状态下外形尺寸2 800 mm×3 150 mm×820 mm，主旋翼8个，直径1 380 mm，药液箱额定容量40 L，离心雾化式喷头2个，磁力传动叶轮泵2个，液泵最大流量为6 L/min，沿喷幅方向最远喷头间距1 480 mm，电池容量30 000 mAh。设置的作业参数为：飞行高度2 m，飞行速度 6 m/s，施药量2 L/667m2，喷幅6 m，粒径为中等雾滴。粒径划分标准参照美国国家标准《ANSI/ASAE S572.1 Spray Nozzle Classification by Droplet Spectra》。

1.2.2 观测仪器

气象观测仪器：设置Watch dog地面气象站和Kestrel 2900ET气象仪

观测植保无人飞机作业架次时间段内的田间风速、温度、相对湿度。

采样频率分别为1次/min和12次/min，观测仪器距地面约1.5 m，水平放置在三脚架上，安装风向标，可测试任意风向的风速。

2种气象观测仪器在望亭镇和六合区进行同步观测，对比发现：对于温度和相对湿度的测量，2种气象观测仪器的数值基本重合，两者最大相对误差为6.12%;对于风速的测量，Watch dog地面氣象站的观测数值普遍小于Kestrel 2900ET气象仪观测值，而且在风速较大时明显偏小，这与观测仪器的采样频率密切相关，而风速在近地层具有显著的阵性特点，观测仪器采样频率越高越能捕捉到风速的阵性变化特点，而Watch dog地面气象站采样频率仅1次/min，可见在风速观测方面，Watch dog地面气象站观测精度明显低于Kestrel 2900ET气象仪。因此，本试验选用Kestrel 2900ET气象仪采集的田间气象数据。

其他试验仪器：可见光分光光度计（722N型，上海仪电科学仪器股份有限公司），用于测定从聚酯卡上洗脱过滤后的诱惑红溶液的吸光度;扫描仪（9000F，日本佳能公司），用于扫描样本点纸卡上的雾滴图像。

1.2.3 药剂和试纸

小麦始花期使用的赤霉病防治药剂是40%丙硫菌唑·戊唑醇悬浮剂（溧阳中南化工有限公司），施用量40 mL/667m2;小麦盛花期使用的药剂是48%氰烯·戊唑醇悬浮剂（江苏省农药研究所股份有限公司），施用量50 mL/667m2。按喷洒面积取农药和水，加入纯度为85%的诱惑红示踪剂，配制成浓度为2.5 g/L的诱惑红示踪剂混合液作为喷洒介质。在小麦冠层顶部和植株底部布置聚酯卡，用于测试农药的沉积量;在植株的上层和中间部位布置纸卡（水敏纸），用于测试喷雾穿透性。注意上、中、下层不要遮挡，采样点布置如图2所示。水敏纸尺寸为76 mm×76 mm，聚酯卡直径为90 mm。

1.3 试验设置

1.3.1 作业时间设定

为了对比分析不同气象条件下，植保无人飞机喷洒农药后雾滴在小麦冠层的沉积分布特征，需设定不同的作业时间，通过观测试验地点的气象日变化特征，选取典型的植保无人飞机作业时间段。2023年4月8日－10日苏州市望亭镇均无降水，根据当地自动气象观测站逐小时气象数据（图3），可见风速、温度、相对湿度呈现出明显的日变化特征，5：00－7：00，风速较小，温度最低、相对湿度最大;7：00－14：00，风速逐渐增大达到局部峰值，温度逐渐升高，相对湿度逐渐减小;14：00-16：00，风速略微下降，温度升至峰值，相对湿度降至谷值;16：00－24：00，风速无规律变化，温度逐渐降低，相对湿度逐渐增大。

因此，根据无降水条件下风速、温度、相对湿度的日变化特征，选取风速、温度低，湿度高的早晨（9：00之前），温度高、湿度低的傍晚（16：00前后），其他3个试验时间段根据实际气象条件进行选择，相邻两组试验需间隔1～3 h，尽可能使气象条件不重复，并且在作业前，根据天气预报，结合小麦生育进程，选取合适的无雨天气进行作业，且药后24 h内无降雨。

1.3.2 采样方法设定

每个试验点设置5个试验小区，在望亭镇、六合区、宝应县试验小区，根据设定好的作业时间段，植保无人飞机共开展喷雾作业23次。按照《NY/T 32132018 植保无人飞机 质量评价技术规范》［17］，每作业1次，重复采样3次，每个重复设置6个采样点，则共计414个采样点，采样方案如图4所示。植保无人飞机喷洒作业完成后，依次收集样本，密封避光保存，带回实验室进行数据处理。

1.4 试验数据计算方法

1.4.1 雾滴沉积量的计算

将所有采样点的聚酯卡样本逐一放入一定量清水中充分浸泡，使聚酯卡上的诱惑红完全溶出，然后用可见光分光光度计在波长504 nm处测定洗出溶液的吸光度，根据诱惑红标样的“浓度吸光度”标准曲线计算出洗脱液中诱惑红的浓度［18］，最后根据公式（1）计算出聚酯卡单位面积上的喷雾沉积量［19］。

βdep=（ρsmpl－ρblk）×Fcal×Vdiiρspray×Acol×1 000（1）

式中：βdep为单位面积雾滴沉积量，μL/cm2;ρsmpl为样本洗脱液浓度，mg/L;ρblk为空白样本洗脱液浓度，mg/L;Fcal为校准系数（等于回收率的倒数），聚酯卡为1;Vdii为用于洗脱样本的液体体积，mL;ρspray为喷洒母液诱惑红的浓度，mg/L;Acol为聚酯卡的面积，cm2。

通过计算单位面积上的沉积量和单位面积上的喷洒量的比例关系，可得到喷洒沉积率。

βdepr=βdep×105βv×100%（2）

式中：βdepr为喷洒沉积率，%;βv为喷洒量，L/hm2。

1.4.2 雾滴覆盖率的计算

用扫描仪扫描所有采样点纸卡样本上的雾滴图

像，通过图像处理软件DepositScan进行分析［20］，计算出纸卡上的雾滴覆盖率，根据公式（3）计算出每个重复的平均覆盖率。

d=1n∑ni=1di（3）

式中：d是某个重复的平均覆盖率，di是第i个采样点纸卡上的覆盖率，i是采样点序号，n是采样点个数。

1.4.3 数据处理和模型构建

应用 SAS 9.2统计分析软件对试验观测资料进行处理，分析不同气象条件下的雾滴沉积量和覆盖率分布特征;通过计算方差、主效应多重比较，将气象要素作为预报因子，采用非线性回归方法构建冠层上层雾滴沉积量和覆盖率的预报模型，并通过计算相关系数和均方根误差对预报模型进行拟合检验。

1.5 气象条件等级划分

由于田間气象条件是实时变化的，为方便试验执行和结果统计，按照团标《TCMSA 00212021民用无人机作业气象条件等级·植保》，将温度（代码为A）、相对湿度（代码为B）、风速（代码为C）划分为3个等级（表1）。所有试验点23次作业时间，每次作业时段内的气温平均值、相对湿度平均值、最大风速及对应的气象等级组合详见表2。

2 结果与分析

2.1 不同气象条件下的雾滴沉积量和覆盖率分布特征

雾滴沉积量对防治效果具有重要影响。从图5可见，植保无人飞机进行药剂喷洒后，不同气象等级组合条件下，雾滴沉积量存在差异，小麦冠层上层的雾滴沉积量明显高于底层沉积量。23次作业中，上层沉积量在0.112～0.234 μL/cm2之间、平均0.182 μL/cm2，底层沉积量在0.007～0.044 μL/cm2之间、平均0.022 μL/cm2;沉积量最低值0.112 μL/cm2发生在六合区，作业时段为对应的气象等级组合为A3B1C2，即平均气温32.8℃（所有作业时段内最高值）、相对湿度47.9%（所有作业时段内第二低值）、最大风速3.0 m/s，说明温度高、湿度低不利于农药在植物冠层顶部的沉积;沉积量最高值0.234 μL/cm2发生在宝应县，作业时段为17：00：05—17：03：06，对应的气象等级组合为A2B2C2，即平均气温20.4℃、相对湿度62.1%、最大风速2.5 m/s，说明温度和湿度均适宜的情况下，农药在植物冠层顶部的沉积较好。雾滴沉积量存在区域差异，望亭镇、六合区、宝应县上层雾滴沉积量平均值分别是0.155、0.162、0.213 μL/cm2，底层雾滴沉积量平均值分别是0.030、0.010、0.024 μL/cm2，这可能与植株密度、作业日期、天气条件、作业人员操作水平等不同有关。喷洒沉积率与上层的沉积量基本呈正相关关系，上层沉积量高则意味着沉积率也高，喷洒沉积率在37.32%～78.45%之间，平均61.06%。

雾滴覆盖率也是表征植保无人飞机喷洒效果的一个重要指标。从图6可见，不同气象等级组合条件下，雾滴覆盖率存在差异，小麦冠层上层的雾滴覆盖率明显高于中层。23次作业中，上层覆盖率在4.27%～10.90%之间、平均6.32%，中层覆盖率在0.51%～2.38%之间、平均1.27%;上层覆盖率与上层沉积量之间有较好的相关关系，覆盖率高意味着沉积量也高，反之亦然，上层最低覆盖率4.27%对应较低的上层沉积量0.131 μL/cm2，上层最高覆盖率10.90%对应较高的上层沉积量0.219 μL/cm2;最高覆盖率10.90%发生在宝应县，对应的气象等级组合是A1B3C1，即平均气温18.7℃、相对湿度86.8%、最大风速0.0 m/s，说明气温适宜、湿度大、无风利于农药在植物冠层顶部的覆盖;雾滴覆盖率也存在区域差异，望亭镇、六合区、宝应县上层雾滴覆盖率平均值分别是5.96%、4.81%、7.33%，中层雾滴覆盖率平均值分别是1.52%、0.88%、1.35%。穿透率是中层覆盖率与上层覆盖率的比值，在9.96%～31.56%之间，平均19.95%，穿透率低说明上层覆盖率大。

2.2 气象条件对冠层上层雾滴沉积量和覆盖率的影响规律

采用GLM（general linear model）方差分析法［2122］对温度、相对湿度、风速及两两交互作用下沉积量和覆盖率的影响进行方差分析。从表3可见，对于沉积量，相对湿度的均方差和F值均明显大于其他气象因子，对应的P值＜0.000 1，表明相对湿度对冠层上层雾滴沉积量具有极显著影响;对于覆盖率，温度和风速交互作用、相对湿度两者对应的P值分别为0.014、0.022，均小于0.05，具有统计学意义，表明温度和风速的交互作用、相对湿度对雾滴覆盖率有显著影响。

为甄别出不同气象等级条件对雾滴沉积量和覆盖率影响的差异性，首先分别计算不同温度等级（A1、A2、A3）、相对湿度等级（B1、B2、B3）、风速等级（C1、C2、C3）下冠层上层沉积量的平均值和上层温度 Temperature5.382.69F2，55=1.380.2640.001 30.000 7F2，55=0.89 0.418

相对湿度 Relative humidity15.957.97F2，55=4.090.0220.017 90.008 9F2，55=12.05＜0.000 1

风速 Wind speed0.230.12F2，55=0.060.9420.003 40.001 7F2，55=2.270.113

温度×相对湿度 Temperature×relative humidity0.650.32F2，55=0.170.8480.008 70.004 3F2，55=0.580.561

温度×风速 Temperature×wind speed17.998.99F2，55=4.610.0140.002 60.001 3F2，55=1.740.185

相对湿度×风速 Relative humidity×wind speed12.924.31F3，55=2.210.0980.003 10.001 0F3，55=1.400.253

误差 Error107.323.970.041 00.002 0

覆盖率的平均值，然后采用SNK（StudentNewmanKeuls）方法［23］对平均值进行主效应多重比较。从表4可见，当温度处于A1、A2等级，即10℃≤温度<30℃时，对雾滴沉积量

3）基于相对湿度、风速、温度构建的冠层上层雾滴沉积量和覆盖率预报模型均具有较高的可信度，模拟值与实际值的相关系数分别为0.658、0.574，分别通过了0.001、0.005显著性检验，均方根误差分别为0.030 μL/cm2、1.33%，准确率分别为88.15%、82.82%，可为选定最佳的喷洒作业时间提供技术指导。

以上不同气象等级对雾滴沉积分布有利程度差异性分析结果表明，相对湿度对植株冠层的沉积量和覆盖率均有显著影响，尤其沉积量对相对湿度更敏感，当70%≤相对湿度<90%时，利于雾滴沉积在冠层顶部，30%≤相对湿度<70%时，湿度越低越不利于雾滴沉积在冠层顶部。这与林圳鑫［24］采用植保无人机在风洞进行作业的试验结果较为一致，即湿度条件对雾滴覆盖度、沉积量等的影响较大，即当温度设定在24℃时，雾滴覆盖度、沉积量会随着环境湿度的升高而增大。对于气温，以上研究表明，气温超过30℃则对沉积不利，会导致沉积量下降，当10℃≤气温<30℃时，利于雾滴沉积在冠层顶部。该结论也再次证明了《TCMSA 0021-2021 民用无人机作业气象条件等级·植保》中规定的民用无人机植保作业气温影响等级划分的合理性，即当气温在10～30℃时作业条件等级为一般至适宜，当气温在30～35℃时较不宜作业，当气温超过35℃时则不适宜作业。但也有研究表明，在特定的試验环境条件下，温度条件对雾滴覆盖度、沉积量的影响不显著［24］。风速是影响无人机安全飞行和喷洒作业中最重要的气象因素，如果作业地点的风速过大，首先会对无人机的飞行时间和飞行安全有影响，其次最主要的是易导致药液不能完全喷洒到作业区域，甚至可能导致药液漂移到其他耕地或鱼塘等，产生药害。另外，局地的风切变对植保无人飞机安全飞行也有很大的威胁。本试验结果表明，无风或微风条件非常利于雾滴覆盖在冠层顶部，风速越大越不利于雾滴覆盖在冠层顶部，由于此次试验时段内风力条件基本都在3级以内，所以未对风速超过3级的情况开展影响分析。由此可见，利用植保无人飞机开展飞防作业，气象条件是无法忽视的必要因素。

基于气象因子构建的植株冠层上层沉积量和覆盖率预报模型均具有较好的可信度，沉积量预报模型的精度高于覆盖率预报模型的精度，这可能是湿度过大时纸卡受潮，导致雾滴的扩散系数增大，使得覆盖率检测值不够准确而引起。随着数值天气预报的快速发展，基于精细化智能网格预报，可提前5～7 d获取相对湿度、风速、温度的预报值，从而预估出相应田块所在区域内的雾滴沉积量和覆盖率，可为选定最佳的喷洒作业时间提供科学依据。在病害防治适宜窗口期内，根据天气预报，提前选定合适的气象条件进行植保无人飞机喷洒作业，有助于提高农药利用率和防治效果，尤其在湿度较低的区域作业，应避免在高温低湿风速大的时段作业，以降低雾滴的蒸发和飘移。

由于赤霉病的防治需要在特定生育期选取无雨天气进行作业，且药后24 h内无降雨，作业窗口时间较短，此次试验观测数据有限，全部用于冠层上层雾滴沉积量和覆盖率预报模型的构建，后续需继续进行植保无人飞机赤霉病喷雾防治试验，获取更多的观测数据，对预报模型作进一步的验证。另外，此次试验，按照国家标准GB/T 157962011《小麦赤霉病测报技术规范》中赤霉病防效调查方法，在小麦腊熟期（收割前10～15 d），每个试验小区调查5个点，每个点调查500株，按病穗部位占整穗的比例分为0～4级，并记录各级的穗数，发现3个试验点的赤霉病等级均较低，发病很轻，由于2023年江苏整个淮河以南地区小麦赤霉病发病均较轻，所以此次试验，针对不同气象条件下的植保无人飞机赤霉病防治效果方面未能进行比较。

综上可知，基于以上研究得出的不同气象等级组合条件对冠层上层雾滴沉积量和覆盖率的影响规律及基于气象因子构建的上层雾滴沉积量和覆盖率的预报模型，利用气象部门未来1～7 d精细化数值天气预报，可提前预报出无人飞机飞防的适宜气象条件及估算出农药的沉积量和覆盖率，对适期开展无人机植保飞防具有科学指导作用。通过精准防治，将提高药效、减少药量，符合《“十四五”全国种植业发展规划》中持续推进农药减量增效的要求，对生态文明建设具有重要意义。

参考文献

［1］ 胡红岩， 任相亮， 姜伟丽， 等. 植保无人机棉田喷洒农药沉积分布研究［J］. 华中农业大学学报， 2018， 37（5）： 5964.