• 《中国科学引文数据库(CSCD)》来源期刊
  • 中国科技期刊引证报告(核心版)期刊
  • 《中文核心期刊要目总览》核心期刊
  • RCCSE中国核心学术期刊

基于记忆模拟退火和A*算法的农业机器人遍历路径规划

马全坤, 张彦斐, 宫金良

马全坤, 张彦斐, 宫金良. 基于记忆模拟退火和A*算法的农业机器人遍历路径规划[J]. 华南农业大学学报, 2020, 41(4): 127-132. DOI: 10.7671/j.issn.1001-411X.201911022
引用本文: 马全坤, 张彦斐, 宫金良. 基于记忆模拟退火和A*算法的农业机器人遍历路径规划[J]. 华南农业大学学报, 2020, 41(4): 127-132. DOI: 10.7671/j.issn.1001-411X.201911022
MA Quankun, ZHANG Yanfei, GONG Jinliang. Traversal path planning of agricultural robot based on memory simulated annealing and A* algorithm[J]. Journal of South China Agricultural University, 2020, 41(4): 127-132. DOI: 10.7671/j.issn.1001-411X.201911022
Citation: MA Quankun, ZHANG Yanfei, GONG Jinliang. Traversal path planning of agricultural robot based on memory simulated annealing and A* algorithm[J]. Journal of South China Agricultural University, 2020, 41(4): 127-132. DOI: 10.7671/j.issn.1001-411X.201911022

基于记忆模拟退火和A*算法的农业机器人遍历路径规划

基金项目: 国家自然科学基金(61303006);山东省重点研发计划(2019GNC106127);山东省引进顶尖人才“一事一议”专项经费资助项目
详细信息
    作者简介:

    马全坤(1993—),男,硕士研究生,E-mail:1113294839@qq.com

    通讯作者:

    宫金良(1976—),男,副教授,博士,E-mail: gjlwing@qq.com

  • 中图分类号: TP242

Traversal path planning of agricultural robot based on memory simulated annealing and A* algorithm

Article Text (iFLYTEK Translation)
  • 摘要:
    目的 

    解决农业机器人大田作业时遍历路径规划的问题。

    方法 

    提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。

    结果 

    仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。

    结论 

    记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。

    Abstract:
    Objective 

    To solve the problem of traversal path planning of agricultural robot in field operation.

    Method 

    A memory simulated annealing algorithm combined with A* algorithm was proposed. Firstly, the optimal walking sequence of target points in task was found by memory simulated annealing algorithm, and then A* algorithm was used for crossing regional linking of path planning.

    Result 

    The simulation experiments showed that the Manhattan distance of traversal path planned by this algorithm was reduced by 9.4% compared with the traditional simulated annealing algorithm, the coverage of traversal path could reach 100%, and the repetition rate could be controlled at 4.2%.

    Conclusion 

    Memory simulated annealing algorithm enhances the ability to jump out of the local optimal trap, and improves the quality of the solution obtained by adding memory device to the traditional simulated annealing algorithm. The research results can provide a theoretical basis for the path planning of agricultural robot.

  • 我国城市污水污泥量急剧增加,严重威胁城市生态环境安全,如何合理处置污泥引起广泛关注[]。传统污泥处置方式(如填埋、倒海和焚烧)受场地限制、浪费资源、污染环境且花费大量的处置费用,已经无法满足生态文明建设要求[]。相比之下,污泥资源化土地利用尤其是污泥林地或园林利用被认为是污泥合理处置的重要方式[]。污泥富含有机质、N和P等营养成分,合理施用后可明显提高土壤肥力并促进植物生长[]。然而,污泥成分非常复杂,并含有重金属等有害物质[]。因此,污泥的安全土地利用及其对植物生长的影响值得关注。当前大部分的研究主要关注污泥施用对植物地上部生长及重金属吸收的影响,较少关注污泥施用对植物根系的影响[-]

    根系直接生长在土壤中,对土壤环境变化反应较地上部敏感[]。土壤环境变化直接影响根系的形态构型[-]。研究表明重金属胁迫下,植物根系粗根比例增加,细根比例降低,根比表面积减少[]。污泥施用一定程度上改变土壤环境,并且提高土壤重金属含量[]。然而,污泥施用引起的土壤环境变化对植物根系生长产生的影响效果并不是很清楚。

    污泥林地或园林施用具有多种方式[],表施与混施最为常见。相比之下,污泥表施减少了污泥成分对根系的直接接触,而污泥混施更容易接触植物根系并对土壤理化性质影响更明显。鹅掌藤Schefflera arboricola是常见的浅根型常绿园林植物,被广泛运用于我国华南地区园林建设中。在前期试验中,我们分别分析了混施0%、10%、30%、50%、75%和100%(w)污泥对鹅掌藤生长影响,发现混施10%对其地上部生长有一定促进作用,而混施≥30%的污泥对其地上部有一定抑制作用。然而,污泥施用对鹅掌藤根系生长有何影响并不清楚。分析污泥施用对鹅掌藤根系生长的影响,对其他浅根型的灌草园林植物均有一定启发作用。通过原位根箱试验,本文对比分析表施和混施10%(w)污泥对鹅掌藤根系生长的影响,并结合土壤pH和电导率动态变化和根系重金属吸收变化,探讨污泥施用影响根系生长的原因,以期加深对污泥施用影响植物根系生长的理解,并为污泥在园林的安全利用提供借鉴。

    试验土壤为赤红壤,取自华南农业大学树木园,风干、过1 cm筛备用。试验污泥为90 d自然堆肥处理污泥,由广州市新塘市政污水处理厂提供,风干过1 cm筛备用。试验植物鹅掌藤,购自广州芳村苗木批发市场(扦插苗,苗高约20 cm)。试验原位观察根箱由活动式支撑架、可拆解玻璃根箱和遮光保温膜组成[]。根箱高、宽和厚分别为0.6 m × 0.3 m × 0.1 m。土壤及堆肥污泥的基本性质见表1

    表  1  土壤及堆肥污泥的基本性质
    Table  1.  Basic properties of soil and composted sludge
    试验材料
    Testing
    material
    pHσ/
    (mS·cm−1)
    w(有机质)/
    (g·kg−1)
    Organic matter
    content
    w/(mg·kg−1)
    碱解氮
    Available
    N
    有效磷
    Available
    P
    速效钾
    Available
    K
    CdNiCuZn
    土壤 Soil4.680.052.4867.264.5647.650.129.7720.5837.93
    污泥 Sewage sludge7.863.35178.351 496.48695.67498.372.3947.96419.501070.37
    下载: 导出CSV 
    | 显示表格

    试验设置不施污泥(No SS)、表施污泥(Surface SS)和混施污泥(Mixed SS)3个处理。对于不施污泥和表施污泥处理,将赤红壤装入根箱,并浇透水,让土壤自然下陷填实根箱,装土深度为50 cm。将鹅掌藤幼苗移栽至根箱(每个根箱种植1棵幼苗)。每个根箱为独立重复,每处理3个重复。覆盖遮光保温膜。按土壤质量的10%在土壤表面施用污泥堆肥,记为表施污泥处理。对于混施污泥处理,先按土壤质量的10%加入污泥堆肥并与土壤充分混匀,按上面方法装入根箱,移栽鹅掌藤。各处理均每3天浇1次水,根据天气情况每次浇水量为300~500 mL,各处理浇水量一致,确保植物正常生长。

    于种植后60、120和240 d,打开遮光保温膜,利用大画幅便携扫描仪(Avision SN900ST,森鸟电子科技有限公司,中国)采集根箱正面根系生长图像,然后借助根系分析软件WinRHIZO(WinRHIZO Pro 2017,Regent Instruments Canada Inc.,加拿大)分污泥层和0~20、20~40 cm土壤层分析根系根长、根表面积及根体积[]。日均增长量(R)计算公式:R=(XbXa)/(b-a),其中,ab分别为第ab天,XaXb分别为第a和第b天的某根系指标平均值。

    于种植后60、120和240 d,于根箱背面固定位置(分别位于土层10和30 cm处),利用插土式pH计和电导率计,原位、动态测定土壤pH和电导率(σ)。

    于种植后240 d,打开根箱,按污泥层和0~20 、20~40 cm土壤层收集植物根系。根系分别用自来水和去离子水洗干净后,用纸巾吸干水分,通过扫描和借助根系分析软件WinRHIZO分析不同层次的实际根长和根表面积。然后将根系放置鼓风烘箱,105 ℃杀青30 min,65 ℃烘干至恒质量,用天平称干质量,并计算以下指标:比根长(cm∙g−1)=总根长/根干质量;根组织密度(g∙cm−3)=根干质量/根体积;根密度(cm∙cm−3)=总根长/土壤体积,污泥层、0~20cm、20~40 cm层的土壤体积分别为3000、6000、6000 cm3

    植物样品烘干称质量后,分离地上与地下部分,粉碎,并过60目筛备用。称取样品0.5 g于微波消解罐中,加入5 mL硝酸,按照120 ℃~160 ℃~180 ℃的微波消解程序及操作步骤消解试样[]。消解液冷却后,定容至25 mL。消解液利用原子吸收火焰光度计测定Cd、Cu、Zn和Ni含量。

    采用多元统计分析软件SPSS 24.0(International Business Machines Corp,美国)进行单因素方差分析和多重比较,采用Duncan’s法对数据进行差异显著性分析。利用Graphpad prism7.0 (GraphPad Software,美国)进行根长与土壤pH、电导率(σ)以及根系重金属含量的线性回归拟合,然后用R软件(ggplot2绘图包)与Origin软件进行作图。图表中数据为平均值±标准误,平均值为3个独立根箱获取数据的平均值。

    表施污泥处理0~20 cm土层总根长显著高于不施污泥处理,种植后60、120和240 d时表施污泥处理0~20 cm土层总根长分别是不施污泥处理的3.72、2.06和1.44倍;混施污泥处理各土层总根长低于不施污泥处理,特别是种植后120 d的20~40 cm土层和240 d各土层混施污泥处理总根长显著低于不施污泥处理,分别是同一时间同一土层不施污泥处理的64.09%、67.25%和54.69%(图1A)。鹅掌藤总根长动态变化结果显示,在0~20 cm土层,与60 d相比,120 d时的不同处理根长都显著增加,而与120 d相比,240 d时只有0~20 cm土层不施污泥处理的总根长显著增加。随时间变化,不同处理的总根长日均增长量呈现下降趋势。120 d时不同处理根长日均增长量为1.18~4.08 cm∙d−1,而240 d时降为0.05~1.29 cm∙d−1。变化最明显的是0~20 cm土层混施污泥处理,60、120和240 d时根长日均增长量分别是3.15、1.18和0.05 cm∙d−1,呈下降趋势;并且120和240 d时混施污泥处理根长日均增长量均低于同一时间不施和表施污泥处理。

    图 1 原位扫描鹅掌藤总根长、根表面积和根体积变化
    图  1  原位扫描鹅掌藤总根长、根表面积和根体积变化
    SS:污泥;柱子上方的不同小写字母表示不同时间的同一处理同一土层的数值差异显著(P<0.05,0~20 cm土层使用Duncan’s法,不施污泥层与20~40 cm土层使用t检验);柱子上方的不同大写字母表示不同处理的同一时间同一土层的数值差异显著(P<0.05,Duncan’s法)
    Figure  1.  Changes of total root length, root surface area and root volume in Schefflera arboricola by in-situ scanning
    SS: Sewage sludge; Different lowercase letters on the bars indicate significant differences among the same treatment at different times for the same soil layer (P<0.05, Duncan’s method was used for 0−20 cm soil layer, and t test was used for no SS layer and 20−40 cm soil layer); Different capital letters on the bars indicate significant differences among different treatments at the same time for the same soil layer (P<0.05, Duncan’s method)

    与不施污泥处理相比,表施污泥处理各土层根表面积增加,尤其是60和120 d时0~20 cm土层根表面积显著高于不施污泥处理,分别是不施污泥处理的2.10和2.02倍;混施污泥处理120 d时20~40 cm土层和240 d时混施污泥处理各土层根表面积显著低于不施污泥处理,分别是不施污泥处理的62.65%、58.48% 和44.91%(图1B)。鹅掌藤根表面积动态变化显示,不同处理各土层根表面积均增加,在0~20 cm土层,与60 d时相比,120 d时表施污泥处理根表面积显著增加,与120 d时相比,240 d时不施污泥处理根表面积显著增加。随时间变化,日均增长量呈现下降趋势,120 d时不同处理20~40 cm土层的根表面积日均增长量为0.10~0.17 cm2∙d−1,而240 d时降为0.01~0.06 cm2∙d−1。变化最明显的是混施污泥处理0~20 cm土层,60、120和240 d时的日均增长量分别为0.14、0.02和0.00 cm2∙d−1,并且120和240 d时均低于同一时间不施和表施污泥处理。

    与不施污泥相比,表施污泥和混施污泥处理各土层根体积增加,特别是120 d时,表施污泥处理0~20 cm土层根体积显著高于不施污泥处理,240 d时,表施和混施污泥处理0~20 cm土层以及混施污泥处理20~40 cm土层根体积显著高于不施污泥处理,分别是相应不施污泥处理的3.61、2.35、2.23和1.40倍(图1C)。在0~20 cm土层,与60 d时相比,120 d时表施污泥与混施污泥处理总根体积显著增加,与120 d时相比,240 d时只有混施污泥处理总根体积显著增加,而表施污泥处理总根体积显著降低。随时间变化,不施污泥与混施污泥处理0~20和20~40 cm土层不同时间根体积日均增长量在0~0.01 cm3·d−1。表施污泥处理0~20 cm土层根体积日均增长量120 d时达到0.02 cm3·d−1,而240 d时降至0 cm3·d−1以下,表施污泥处理20~40 cm土层日均增长量120和240 d时均在0 cm3·d−1以上。

    种植240 d后,分土层将鹅掌藤的根系全部挖出,清洗、扫描分析和烘干称质量后,获得最终的鹅掌藤根系干质量及相关指标(表2)。与不施污泥相比,混施污泥各土层总根长、根体积、根密度均显著下降,混施处理的0~20和20~40 cm土层根干质量分别为不施污泥的69.16%和57.95%,总根长分别为不施污泥的66.37%和51.51%;与不施污泥相比,表施污泥处理0~20 cm土层的总根长、根体积和根密度均显著上升,表施污泥处理0~20和20~40 cm土层根干质量分别为不施污泥的130.38%和135.76%,总根长分别为不施污泥的115.43%和98.66%。最大的总根长、根体积和根密度均出现在表施污泥的0~20 cm土层,最大根干质量和根组织密度出现在表施污泥的污泥层。

    表  2  收获后根系干质量及相关指标1)
    Table  2.  Root dry weight and other indexes after harvest
    处理
    Treatment
    土层/ cm
    Soil layer
    根干质量/g
    Root dry weight
    总根长/cm
    Total root length
    根体积/cm3
    Root volume
    比根长/(cm∙g−1)
    Specific root length
    根组织密度/(g∙cm−3)
    Root tissue density
    根密度/(cm∙cm−3)
    Root density
    不施污泥
    No SS
    0~206.55±0.74ab1 140.39±31.00b2.83±0.09b177.56±16.38a2.33±0.33a0.19±0.01b
    20~403.02±0.08ab1 152.36±33.32a3.18±0.29a381.99±18.64a0.96±0.0.07a0.19±0.01a
    表施污泥
    Surface SS
    污泥层SS13.28±0.59A430.92±25.68C1.51±0.26B32.59±2.38C9.30±1.38A0.14±0.01B
    0~208.54±0.94aB1 316.34±33.77aA3.71±0.27aA158.14±18.07aB2.36±0.39aB0.22±0.01aA
    20~404.10±0.72aC1 136.90±71.77aB3.31±0.30aA297.68±58.97aA1.27±0.29aB0.19±0.01aA
    混施污泥
    Mixed SS
    0~204.53±0.79b756.92±33.66c2.21±0.10c182.20±43.92a2.07±0.39a0.13±0.01c
    20~401.75±0.33b593.57±13.14b2.39±0.17b369.57±83.47a0.74±0.16b0.10±0.00b
     1)表中数据为平均值±标准误,n=3;同列数据后的不同小写字母表示同一土层的不同处理间差异显著(P<0.05,Duncan’s法);同列数据后的不同大写字母表示表施污泥处理不同土层间差异显著(P<0.05,Duncan’s法)
     1)Values in table are means±SE, n=3; Different lowercase letters after the data in the same column indicate significant differences in the same soil layer among different treatments (P<0.05, Duncan’s method); Different capital letters after the data in the same column indicate significant differences among different soil layers treated with surface sewage sludge (P<0.05, Duncan’s method)
    下载: 导出CSV 
    | 显示表格

    随着鹅掌藤种植时间延长,不同处理土壤pH均呈现上升趋势(图2)。种植120 d前,混施污泥处理的土壤pH均显著高于其他处理。表施污泥10 cm土层处的pH在种植120 d时显著高于不施污泥处理,在种植240 d时与混施污泥差异不显著(各土层土壤pH为7.5~8.1,呈弱碱性),2种施污泥处理的土壤pH均显著高于不施污泥处理(各土层pH为6.3~6.6,呈弱酸性)。

    图 2 原位测定土壤pH和电导率(σ)变化
    图  2  原位测定土壤pH和电导率(σ)变化
    相同时间的不同小写字母表示不同处理间差异显著(P<0.05,Duncan’s法)
    Figure  2.  Changes of soil pH and electrical conductivity (σ) by in-situ measurement
    Different lowercase letters in the same time indicate significant differences among different treatments (P<0.05, Duncan’s method)

    与不施污泥处理相比,表施和混施污泥土壤电导率升高,特别是混施污泥处理,不同时间土壤电导率均显著高于表施和不施污泥处理;混施污泥10 cm处土壤电导率为1.22~2.17 mS·cm−1,30 cm处为2.62~2.89 mS·cm−1,是同时间不施污泥处理的14.11~43.67倍。随时间延长,混施污泥10 cm处土壤电导率逐渐下降,而30 cm处土壤电导率逐渐上升;两者在60 d后差异显著。

    分土层原位分析土壤pH和电导率变化与鹅掌藤根长的相关性,结果显示,在0~20 cm土层,不施污泥和表施污泥的土壤pH与根长呈极显著正相关,决定系数(R2)分别为0.7105和0.6961(图3)。在20~40 cm土层,不同处理的土壤pH和根长相关性不显著。不同处理的不同土层土壤的电导率与鹅掌藤根长相关性也不显著(图4)。

    图 3 原位测定土壤pH和原位扫描总根长线性回归拟合
    图  3  原位测定土壤pH和原位扫描总根长线性回归拟合
    Figure  3.  Linearization regression analysis between in-situ measured soil pH and in-situ scanned total root length
    图 4 原位测定土壤电导率和原位扫描总根长线性回归拟合
    图  4  原位测定土壤电导率和原位扫描总根长线性回归拟合
    Figure  4.  Linearization regression analysis between in-situ measured soil electrical conductivity value and in-situ scanned total root length

    表施和混施污泥处理的各土层根系Cd、Zn、Cu和Ni含量较不施污泥有所增加,特别是混施污泥处理,混施污泥处理各土层根系Cd、Zn、Cu和Ni含量显著高于不施和表施污泥处理;0~20 cm土层中混施污泥处理根系Cd、Zn、Cu和Ni含量分别为不施污泥的11.70、4.02、3.04和5.35倍,20~40 cm土层根系Cd、Zn、Cu和Ni含量分别为不施污泥的6.63、3.57、2.32和6.64倍(表3)。表施污泥处理的污泥层根系Zn、Cu和Ni含量显著高于0~20和20~40 cm土层,特别是Ni含量,分别是0~20和20~40 cm土层的6.56和6.38倍。

    表  3  鹅掌藤根系重金属含量1)
    Table  3.  Heavy metal contents in root of Schefflera arboricola
    处理
    Treatment
    土层/cm
    Soil layer
    w/(mg∙kg−1)
    CdZnCuNi
    不施污泥
    No SS
    0~200.23±0.02b13.61±2.74c15.39±6.38b2.34±0.24b
    20~400.35±0.07b14.16±2.17b19.51±3.80b1.99±0.06b
    表施污泥
    Surface SS
    污泥层SS1.43±0.31A83.88±1.75A48.64±2.25A18.11±0.35A
    0~201.14±0.21bA27.38±6.02bB24.51±8.42bB2.76±0.96bB
    20~400.95±0.10bA18.94±2.60bB11.28±0.41bB2.84±0.60bB
    混施污泥
    Mixed SS
    0~202.69±0.50a54.69±1.39a46.74±1.96a12.53±1.87a
    20~402.32±0.47a50.49±1.49a45.26±1.94a13.24±0.59a
     1) 表中数据为平均值±标准误,n=3;同列数据后的不同小写字母表示同一土层的不同处理间差异显著(P<0.05,Duncan’s法);同列数据后的不同大写字母表示表施污泥处理不同土层间差异显著(P<0.05,Duncan’s法)
     1) Values in table are means ± SE, n=3; Different lowercase letters after the data in the same column indicate significant differences in the same soil layer among different treatments (P<0.05, Duncan’s method); Different capital letters after the data in the same column indicate significant differences among different soil layers treated with surface sewage sludge (P<0.05, Duncan’s method)
    下载: 导出CSV 
    | 显示表格

    通过拟合回归分析了收获时鹅掌藤根系重金属含量和整个土层总根长的关系,结果显示,鹅掌藤总根长与根系Cd、Zn、Cu、Ni含量均呈极显著负相关(P<0.01)(图5),且其相关性线性回归拟合效果均较好,尤其是与Zn、Cu、Ni的线性拟合效果更好,R2均大于0.8。

    图 5 根系重金属含量和总根长线性回归拟合
    图  5  根系重金属含量和总根长线性回归拟合
    Figure  5.  Linearization regression analysis between root heavy metal contents and total root length

    污泥土地利用可以改善土壤肥力[],促进植物生长[],但不合理施用污泥将抑制植物生长并导致土壤污染[-]。污泥的安全土地利用引起了广泛关注。以往的研究主要关注污泥施用对植物地上部的影响,普遍认为污泥施用量低于30%(w)均有利于植物生长[]。本文分析了污泥表施和混施对鹅掌藤根系生长的影响,研究发现与不施污泥相比,混施10%(w)污泥显著抑制鹅掌藤根系生长,表施10%(w)污泥对鹅掌藤不同深度根系作用效果不同。与不施污泥相比,混施污泥处理各土层的根长和根表面积显著降低(0~20 cm土层120 d除外),日均增长量逐渐减少;与不施污泥相比,表施污泥处理0~20 cm土层的根长、根表面积(240 d除外)和根体积显著增长,而20~40 cm土层变化不明显。种植240 d后,最大的总根长、根体积和根密度均出现在表施污泥的0~20 cm土层,最大根干质量和根组织密度出现在表施污泥的污泥层;与不施污泥相比,混施污泥各土层总根长、根体积、根密度均显著下降。根系是植物物质吸收和运输的重要器官,也是植物直接接触土壤并对土壤环境变化作出最早响应的器官[]。植物根系形态随外界条件发生变化,该变化直接影响植物对环境胁迫的适应性能[, ]。污泥混施过程中污泥所含物质可以直接释放到土壤中,直接改变了土壤理化性质[],并且根系也可以直接接触到污泥。不同的是,在污泥表施处理中,主要是污泥中可溶性物质随着土壤水迁移到各层土壤中,且由于土壤自身的过滤作用,随着土壤层次加深,污泥的影响也逐渐减弱[]。另外,在土壤中生长的根系也较少直接接触到施用在土壤表面的污泥。因此,我们推测在混施处理中,污泥中有害物质可以长期直接作用于根系并抑制其生长;而表施处理中,根系不但避免直接接触污泥有害物质,还获取由污泥释放的养分,进而生长加快。

    前人研究发现高浓度的盐和重金属显著抑制植物根生长,导致植物根长、根表面积、根体积等显著降低;适当浓度的盐和重金属则促进根生长[-]。陈方圆等[]发现随着土壤盐浓度的增加,植物的地上与地下部生长受到抑制,当土壤盐浓度达到50 mmol·L−1时能够显著抑制植物的生长。He等[]发现0.1 μmol·L−1 的Cd能够促进植物根系生长,当浓度达到5 μmol·L−1时显著抑制根系的生长。土壤pH影响元素的有效性,进而影响植物的生长[]。当土壤呈酸性时,土壤Cd的活性受植物根际效应影响显著,Cd以富里酸结合态存在于根际;而土壤呈中性和碱性时,Cd主要被土壤中三水铝矿吸附和形成碳酸盐沉淀[]。另外,土壤电导率主要表征土壤溶液中可溶性盐浓度,当土壤电导率高于2 mS·cm−1时,大部分植物的根系细胞内外离子平衡和水肥吸收受到不利影响[]。污泥是一种碱性有机物料,并含有一定量的重金属和丰富的可溶性盐分;施用污泥影响土壤pH,提高土壤重金属含量,增加土壤可溶性盐分并提高土壤电导率[]。本文进一步分析不同土壤层pH和电导率的时间动态变化以及根系重金属含量,并拟合这些指标与根长的相关性。结果发现,尽管污泥施用提高了土壤电导率,但与其他植物不同,土壤电导率时间动态变化与鹅掌藤根长时间动态变化的相关性不显著。这可能与鹅掌藤细胞汁液中Na+、K+和Ca2+浓度相对较高,对土壤盐分和水分变化不敏感有关[]。有趣的是,鹅掌藤根长均与根系Cd、Zn、Cu和Ni含量呈极显著负相关,且在0~20 cm土层,不施污泥和表施污泥的土壤pH与根长呈极显著正相关。混施污泥显著增加各土层鹅掌藤根系Cd、Zn、Cu和Ni含量。当细胞内这些重金属含量超过一定阈值时,将造成细胞膜损坏及膜质氧化[-],进而抑制植物根系生长。不同的是,鹅掌藤在表施污泥处理中吸收的重金属较少,尚未达到毒害浓度,故没有抑制根系生长。相反,表施污泥一定程度上提高了0~20 cm土层pH,并带来一定量有效养分,进而促进根系生长。尽管污泥混施也提高了土壤pH和土壤养分,但由于重金属的抑制作用更突出,故表现出抑制根系生长。此外,不同污泥施用方式可能对根系代谢、微生物组成和功能等微生态环境的影响也不同,这些根际微生物环境变化是否也影响根系的生长有待进一步的研究。另外,随着种植时间延长,不施污泥处理的土壤pH也一定程度升高,这是否与鹅掌藤根系吸收致酸离子H+和Al3+有关,仍需深入研究。

    不同污泥施用方式对鹅掌藤根系生长影响不同。混施污泥一定程度抑制根系生长;在处理240 d,各土层总根长、根体积、根密度均显著低于不施污泥处理。表施污泥促进0~20 cm土层根系生长,根干质量、总根长、根体积、根组织密度和根密度均一定程度提高。混施污泥显著提高土壤pH、电导率和根系重金属含量,表施污泥一定程度提高土壤pH和电导率。在0~20 cm土层表施污泥的土壤pH与根长呈极显著正相关。鹅掌藤根长均与根系Cd、Zn、Cu、Ni含量呈极显著负相关。表施10%(w)污泥提高0~20 cm土层土壤pH,并有效促进了鹅掌藤根系生长;混施10%(w)污泥导致鹅掌藤根系重金属含量增加,进而抑制根系生长。

  • 图  1   栅格地图

    Figure  1.   Grid map

    图  2   障碍物膨胀处理

    Figure  2.   Obstacle expansion treatment

    图  3   矩形子区域划分结果

    图中数字为标号

    Figure  3.   Result of rectangular sub-region division

    The figures in the diagram are labels

    图  4   农业机器人A*算法路径搜索

    红色圆点即从起点A到目标点B的最短路径;方格中左上角数字为 f 值,代表由起点A到目标点B的代价值;右下角数字为 h 值,代表从指定节点到终点B的估算成本;左下角数字为 g 值,代表农业机器人从起点A移动到指定节点的移动代价

    Figure  4.   Path search of agricultural robot by A* algorithm

    The red dots are the shortest path from starting point A to target point B; The upper left number is f value, representing the cost value for moving from starting point A to target point B; The bottom right number is h value, representing the estimated cost for moving from an assigned node to target point B; The bottom left number is g value, representing the movement cost for moving from starting point A to an assigned node

    图  5   矩形子区域基点图

    Figure  5.   Base point plot of rectangular sub-region

    图  6   遍历顺序规划图

    Figure  6.   Traversal sequence plan

    图  7   遍历路径规划图

    绿色圆点和红色五角星分别为整个遍历路径规划的起点和终点,蓝色线条为遍历规划路线

    Figure  7.   Traversal path planning

    The green dot is the starting point and the red pentagram is the ending point of the whole planned traversal path, the blue line is the planned traversal path

    表  1   算法遍历顺序规划对比

    Table  1   Comparison of traversal sequence planning in different algorithm

    算法名称 Algorithm name 遍历顺序1) Traversal order 曼哈顿距离/m Manhattan distance
    传统模拟退火算法
    Traditional simulated annealing algorithm
    1-4-3-7-9-10-11-6-2-5-8 29.6
    记忆模拟退火算法
    Memory simulated annealing algorithm
    1-3-4-7-9-10-11-6-2-5-8 26.8
     1) 数字表示矩形子区域中心基点
     1)The figures are center points of rectangular sub-region
    下载: 导出CSV
  • [1] 朱铁欣, 董桂菊, 颜丙学, 等. 基于改进蚁群算法的农业机器人路径规划研究[J]. 农机化研究, 2016, 38(9): 48-52. doi: 10.3969/j.issn.1003-188X.2016.09.009
    [2] 邱雪娜, 刘士荣, 宋加涛, 等. 不确定动态环境下移动机器人的完全遍历路径规划[J]. 机器人, 2006(6): 586-592. doi: 10.3321/j.issn:1002-0446.2006.06.007
    [3] 邱雪娜, 刘士荣, 俞金寿, 等. 移动机器人的完全遍历路径规划: 生物激励与启发式模板方法[J]. 模式识别与人工智能, 2006, 19(1): 122-128. doi: 10.3969/j.issn.1003-6059.2006.01.022
    [4] 谢斌, 刘士荣, 俞金寿. 基于在线图搜索的移动机器人遍历运动规划[J]. 华东理工大学学报(自然科学版), 2007(4): 551-557. doi: 10.3969/j.issn.1006-3080.2007.04.021
    [5]

    ZOU D X, WANG G G, PAN G, et al. A modified simulated annealing algorithm and an excessive area model for floorplanning using fixed-outline constraints[J]. Front Inform Tech El, 2016, 17(11): 1228-1244. doi: 10.1631/FITEE.1500386

    [6] 路鹏, 周东岱, 钟绍春, 等. 基于模拟退火算法的计算机自适应测试项目选择方法研究[J]. 计算机应用与软件, 2012, 29(10): 175-179.
    [7] 杜利超, 钱桦, 肖爱平. 路径规划技术及其在大棚作业机器人中的应用[J]. 湖北农业科学, 2010, 49(5): 1205-1208. doi: 10.3969/j.issn.0439-8114.2010.05.058
    [8] 史兵, 段锁林, 李菊, 等. 温室移动机器人复合栅格地图构建方法研究[J]. 计算机应用研究, 2019, 36(3): 824-828.
    [9] 张堂凯. 己知环境下智能清洁机器人路径规划研究[D]. 南京: 南京邮电大学, 2017.
    [10]

    QIAN J Y, ZHOU Z D, ZHAO L Z, et al. Accelerating reconfiguration for VLSI arrays with A‐star algorithm[J]. IEEJ T Electr Electr , 2018, 13(10): 1511-1519. doi: 10.1002/tee.22716

    [11] 王维, 裴东, 冯璋. 改进A*算法的移动机器人最短路径规划[J]. 计算机应用, 2018, 38(5): 1523-1526.
    [12] 张欣欣, 薛金林. 基于云模型的农业移动机器人人机合作路径规划[J]. 华南农业大学学报, 2017, 38(6): 105-111. doi: 10.7671/j.issn.1001-411X.2017.06.016
    [13] 张文, 刘勇, 张超凡, 等. 基于方向A*算法的温室机器人实时路径规划[J]. 农业机械学报, 2017, 48(7): 22-28. doi: 10.6041/j.issn.1000-1298.2017.07.003
    [14] 孙秀巧, 王健, 巫威眺. 基于改进遗传退火算法的高速公路巡逻车路径优化调度[J]. 科学技术与工程, 2019, 19(21): 296-302. doi: 10.3969/j.issn.1671-1815.2019.21.045
    [15]

    MIAO Z W, YANG F, FU K, et al. Transshipment service through crossdocks with both soft and hard time windows[J]. Ann Oper Res, 2012, 192(1): 21-47. doi: 10.1007/s10479-010-0780-4

  • 期刊类型引用(2)

    1. 王文娟,李智博,林晨俞,曹颖杰,李建君,郭鑫,邹良平,李文彬,赵平娟,于晓玲,张秀春,李淑霞,于晓惠,阮孟斌. 木薯SAP11基因的功能分析. 华南农业大学学报. 2024(04): 495-504 . 本站查看
    2. 张源珊,陈冠群,郭祥鑫,唐倩雯,李清韵,申晓辉. 植物生长发育和逆境响应中SR-like蛋白的研究进展. 西北植物学报. 2023(01): 167-180 . 百度学术

    其他类型引用(0)

图(7)  /  表(1)
计量
  • 文章访问数:  1292
  • HTML全文浏览量:  18
  • PDF下载量:  1446
  • 被引次数: 2
出版历程
  • 收稿日期:  2019-11-19
  • 网络出版日期:  2023-05-17
  • 刊出日期:  2020-07-09

目录

Corresponding author: GONG Jinliang, gjlwing@qq.com

  1. On this Site
  2. On Google Scholar
  3. On PubMed

/

返回文章
返回