Design and experiment of pneumatic paddy intra-row weeding device
-
摘要:目的
针对水稻株间机械除草自动化程度低、难度大的问题，在机器视觉识别定位技术研究的基础上，研制一种气动式水稻株间机械除草装置。
方法采用机械设计理论、离散元动力学仿真方法结合田间试验，研制出气动式水稻株间机械除草装置。首先对气动式株间除草机构的结构进行设计，运用运动学方程计算并确定机构的几何参数，通过Pro/E运动学仿真验证机构的可行性；然后对除草刀齿与水田土壤的相互作用过程进行仿真，并对仿真结果进行验证试验；最后进行田间试验验证整机工作性能，并利用三因素五水平二次旋转正交试验对影响除草率与伤苗率的工作参数进行分析。
结果气动式水稻株间除草机构连杆长35.00 mm，摆杆长72.24 mm，除草部件到回转中心水平距离为84 mm，垂直距离为191 mm。离散元动力学仿真分析表明，倾角为10°的弯齿刀除草刀齿与土壤的接触阻力较小，阻力平均值为3.12 N，且对土壤的扰动程度较大，受影响的面积达149.69 cm2。田间试验中，在机具前进速度0.25 m/s、气缸伸缩速度0.45 m/s和除草深度2.5 cm的工作参数下，平均除草率为83.91%、伤苗率为3.63%。
结论该机具满足除草率大于80%、伤苗率小于4%的设计要求，能够满足水稻株间避苗除草的作业要求。
Abstract:ObjectiveIn order to solve the problem of low automation and high difficulty of mechanical intra-row weeding in paddy field, a pneumatic paddy intra-row weeding device was developed based on the recognition and positioning technology of machine vision.
MethodThe mechanism of pneumatic intra-row weeding device was designed by applying the principle of mechanical design, discrete element dynamics (DEM) simulation method and field test. Firstly, the structure of pneumatic intra-row weeding device was designed, and the geometric parameters of the mechanism were calculated using the kinematic equations. The feasibility of the mechanism was determined from kinematic simulation by the motion analysis module of Pro/E. Then, the interaction between weeding blade and paddy soil was simulated and the simulation results were confirmed through test. Finally, the field test was carried out to evaluate the working performance of the whole machine, and the working parameters affecting weeding rate and seeding injury rate were analyzed using a three-factor and five-level quadratic rotation orthogonal test.
ResultThe connecting rod length of the pneumatic intra-row weeding device was 35.00 mm and the oscillating rod length was 72.24 mm. The horizontal distance from the weeding part to the rotary center was 84 mm and the vertical distance was 191 mm. The DEM simulation results showed the better structure was the blending blade claw in 10°, which contact resistance was relatively low with an average value of 3.12 N when contacting with soil and the soil was disturbed to a great extent at this angle with affected area of 149.69 cm2. The field test results showed the device achieved the optimum working performance with the average weeding rate of 83.91% and seedling injury rate of 3.63% when the machine forward speed was 0.25 m/s, the cylinder protruding speed was 0.45 m/s and the weeding depth was 2.5 cm.
ConclusionThe pneumatic paddy intra-row weeding device satisfies the requirements of above 80% weeding rate and below 4% seedling injury rate. It could meet the requirements of intra-row weeding and seedling avoiding in paddy field.
-
Keywords:
- paddy field /
- intra-row weeding /
- discrete element /
- dynamic simulation /
- agricultural machinery
-
森林凋落物是生态系统养分循环中的重要过程，对营养循环和森林生产力至关重要[1]。凋落物分解具有调节土壤有机物组成的作用[2]，能促进森林生态系统的物质循环[3-4]，是释放矿质养分供植物生长的重要生态系统过程[5]。早期的凋落物分解研究主要集中在纯林的凋落物分解方面。随着人们对森林生态效益的重视，大量的纯林被改造成混交林，地表的单一凋落物转变为混合凋落物。混合凋落物不仅会通过改变分解环境影响分解过程及异质凋落物间养分的互补，还会影响以凋落物为食物或栖息生境的土壤动物和微生物群落，最终影响到凋落物的分解速率和养分循环速率[6]。
近几十年来，由于矿物燃料燃烧、氮肥使用、人口增长和畜牧业发展等原因，造成大气氮沉降[7]，影响土壤微生物和动物数量和种类[8]，进而对凋落物分解造成影响。尽管研究氮沉降对生态系统的影响已被广泛报道，但这些研究主要集中在温带地区，而在亚热带地区，磷是植物生长的限制因素，因此氮沉降对亚热带生态系统凋落物分解的影响可能不同于温带地区。在中国南方，酸性土壤严重缺磷，磷肥料通常应用于农业和林业生产，引起生态系统土壤P的富集。目前，许多学者对混合凋落物分解状况进行了研究[6, 9]，但是少见外源性N对亚热带森林混合凋落物分解的报道[10-11]，鲜见外源性P及N+P对亚热带森林混合凋落物分解影响的报道。火力楠Michelia macclurei具有耐旱耐瘠、生长迅速、材质优良等特性，在园林绿化、家具制造等方面有广泛应用，是高效的生态公益林树种[12]。马尾松Pinus massoniana是我国南方著名的速生树种[13]，也是面积及蓄积量最大的针叶树种[14-15]，具有适应性强、耐干旱与瘠薄的特点，广泛用于荒山绿化。本试验将火力楠和马尾松混合凋落叶分别置于火力楠林及马尾松林下，进行N、P、N+P施肥试验，比较其分解速率及分解过程中的N、P、K含量变化，以期了解混合凋落物分解对外源性N和P的响应机制，为森林资源管理提供参考。
1. 材料与方法
1.1 研究区概况
研究地区位于广东省佛山市高明区云勇林场(112°40′E、22°43′N)，森林面积1 928.73 hm2。试验地属于亚热带气候，年平均气温22 ℃，无霜期360 d。年降雨量平均2 000 mm，集中在4—8月，年平均相对湿度80%。地势属丘陵地带，土壤为花岗岩发育的酸性赤红壤(pH<5)，土层深厚，土地肥沃。
1.2 研究方法
1.2.1 试验材料及设计
2007年12月开始在14年生的火力楠及马尾松林下用凋落物网分别收集新鲜凋落叶。试验林概况见表1。凋落叶分解采用尼龙网袋(Litter bag)法，网袋规格为20 cm×20 cm，网孔为2 mm×2 mm。将火力楠和马尾松凋落叶各5 g放入尼龙网袋，分别放置在火力楠和马尾松林下。在以上2种林分分别设4个5 m×5 m的样方，每个小样方内分4个处理：不施肥的混合凋落叶(对照)、施N肥的混合凋落叶(施N)、施P肥的混合凋落叶(施P)以及施N+P肥的混合凋落叶(施N+P)。清除地被和地表凋落物层后，将混合凋落叶分解袋置于样方地表的土壤上，每处理中放置8个混合凋落叶分解袋。采用完全随机区组设计，即4个处理在同一区组中完全随机排列。施用的N肥选用氯化铵(NH4Cl)，P肥选用二水合磷酸二氢钠(NaH2PO4·2H2O)，每次施肥量：施N为NH4Cl 10 g·m–2，施P为NaH2PO4·2H2O 5 g·m–2，施N+P为NH4Cl 10 g·m–2+NaH2PO4·2H2O 5 g·m–2。
表 1 试验林概况Table 1. General characteristics of experimental stands林分 坡向/
(°)坡度/
(°)平均
胸径/cm郁闭度 平均
树高/m冠幅/m 主要林下植被1) 火力楠 SW20 35 13.1 0.85 10.8 6 山芝麻、黑面神、山苍子、粗叶榕、三叉苦、冬青、海金沙、五指毛桃、玉叶金花、梅叶冬青、漫山秀竹、乌毛蕨、羊角拗、铁线蕨 马尾松 SW25 23 12.4 0.80 8.4 4 半边旗、梅叶冬青、悬钩子、淡竹叶、乌毛蕨、鸭脚木、漫山秀竹、金毛狗、白花酸果藤、五指毛桃、铁线蕨、红椎、鬼灯笼 1) 山芝麻Helicteres angustifolia、黑面神Breynia fruticosa、山苍子Litsea cubeba、粗叶榕Ficus hirta、三叉苦 Evodia lepta、冬青 Ilex chinensis、海金沙Lygodium japonicum、五指毛桃Ficus simplicissima、玉叶金花Mussaenda pubescens、梅叶冬青Ilex asprella、漫山秀竹Microstegiumvagans、乌毛蕨Blechnum orientale、羊角拗Strophanthus divaricatus、铁线蕨Adiantum capillus、半边旗Pteris semipinnata、悬钩子Rubus palmatus、淡竹叶Lophatherum gracile、鸭脚木Schefflera octophylla、金毛狗Cibotium barometz、白花酸果藤Embelia ribes、红椎 Castanopsis hystrix、鬼灯笼 Clerodrndrum fortumatum。 2008年4月起，每隔3个月取走一袋样地凋落叶，取样后对样地分别进行施N、施P和施N+P水溶液处理，对照样方喷施等量的水，以减少因外加的水对凋落叶造成的影响。网袋带回实验室，85 ℃条件下烘干(约24 h)至恒质量，计算凋落叶残留量。再把4袋相同的样品混合、粉碎，用于测定凋落叶的N、P、K含量。
1.2.2 凋落叶化学性质测定
烘干的凋落叶样品经粉碎后，N用重铬酸钾–浓硫酸消煮后以凯氏定N法测定。凋落叶样品用硫酸–双氧水消煮处理后，其中的P用钼兰比色法、K用火焰光度法[16]测定。每个样品做3次重复测定，取平均值。
1.3 数据处理
用Microsoft excel 2003对凋落叶的残留量和养分变化作图表，用SAS8.2对数据进行多重比较检验，检验的显著性水平为P=0.05。
2. 结果与分析
2.1 各林地凋落叶的分解
2.1.1 火力楠林地凋落叶的分解
在火力楠林下，不同处理的混合凋落叶的分解规律差异较大(图1)。在整个试验期，对照的混合凋落叶分解较慢，施N的混合凋落叶在0~6个月分解缓慢，施P的混合凋落叶分解迅速，施N+P的混合凋落叶在3~9个月和18~24个月期间分解较快，24个月时对照、施N、施P和施N+P的混合凋落叶分别分解了56%、50%、89%和73%，凋落叶残留量为施N(4.99 g)>对照(4.14 g)>施N+P(2.17 g)>施P(1.16 g)。可见，施N阻碍了混合凋落叶的分解；施P和施N+P促进了混合凋落叶的分解。
![]()
图 1 火力楠林地凋落叶的残留量同一曲线数据点上方凡具有一个相同小写字母者，表示不同处理时间之间差异不显著(P>0.05，Duncan’s法)。Figure 1. Amount of leaf litter residue in Michelia macclurei woodland2.1.2 马尾松林地凋落叶的分解
在马尾松林下，不同处理的分解高峰各异(图2)。对照的混合凋落叶在15~24个月分解了56%，施N的混合凋落叶无明显分解高峰，施P的混合凋落叶在0~6个月分解了71%，施N+P的混合凋落叶在0~12个月分解了73%。24个月后，凋落叶残留量为施N(2.95 g)>对照(1.21 g)> 施N+P(0.36 g)> 施P(0.16 g)。可见，施N阻碍了马尾松林下混合凋落叶的分解，施P和N+P促进了马尾松林下混合凋落叶的分解。
![]()
图 2 马尾松林地凋落叶的残留质量同一曲线数据点上方凡具有一个相同小写字母者，表示不同处理时间之间差异不显著(P>0.05，Duncan’s法)。Figure 2. Amount of leaf litter residue in Pinus massoniana woodland2.1.3 不同林地相同处理混合凋落叶分解的比较
24个月后，2种林地同一处理间混合凋落叶的残留量见图3。火力楠和马尾松林地的对照混合凋落叶残留量分别为4.14和1.21 g，施N的混合凋落叶残留量分别为4.99和2.72 g，施P的混合凋落叶残留量分别为1.16和0.16 g，施N+P处理的混合凋落叶残留量分别为2.17和0.36 g。可见，火力楠林下的混合凋落叶残留量均显著大于马尾松林下同一处理的混合凋落叶残留量(P<0.05)。总体而言，火力楠林下的凋落叶分解较慢，马尾松林下的凋落叶分解较快。
![]()
图 3 2种林地各处理的混合凋落叶残留量比较同一处理的柱子上方凡具有一个相同字母者，表示林分间差异不显著(P>0.05，Duncan’s法)。Figure 3. Comparison of amounts of mixed leaf litter residues in two woodlands with different treatments2.2 混合凋落叶分解过程中N、P、K含量的变化
2.2.1 火力楠、马尾松林地混合凋落叶中N含量变化
由表2可知，在火力楠林地，对照、施N和施N+P的火力楠+马尾松混合凋落叶N含量小幅波动，施P的呈现升–降–升变化，24个月后对照、施N、施P和施N+P处理的凋落叶N质量分数分别为12.08、13.72、12.34和13.70 g·kg–1，均显著大于凋落叶N质量分数的初始值(9.90 g·kg–1，P<0.05)。
表 2 火力楠与马尾松林地凋落叶中的N、P、K含量变化1)Table 2. Changes in N，P and K contents of mixed leaf litters in Michelia macclurei and Pinus massoniana woodlandsw/(g·kg–1) 凋落叶
养分林地 处理 0个月 3个月 6个月 9个月 12个月 15个月 18个月 21个月 24个月 N 火力楠 对照 9.90±0.00e 12.72±0.14a 11.21±0.14d 12.54±0.19a 11.82±0.09c 11.23±0.13d 12.76±0.19a 2.76±0.06a 12.08±0.05b 施N 9.90±0.00f 12.36±0.09cd 12.16±0.14d 12.56±0.28c 13.14±0.19b 12.43±0.12c 11.69±0.02e 13.21±0.02b 13.72±0.13a 施P 9.90±0.00g 11.23±0.08d 12.51±0.06c 13.88±0.06a 10.21±0.34f 10.62±0.28e 12.41±0.20c 13.25±0.07b 12.34±0.08c 施N+P 9.90±0.00d 12.03±0.09d 11.07±0.16e 13.04±0.07b 13.26±0.07b 12.47±0.25c 12.67±0.25c 12.55±0.18c 13.70±0.18a 马尾松 对照 9.90±0.00g 10.60±0.16f 11.97±0.10b 9.80±0.05g 11.34± 0.04d 10.56±0.15f 12.78±0.03a 11.14±0.06e 11.68±0.07c 施N 9.90±0.00h 12.45±0.25cd 10.75±0.20g 12.35±0.13d 12.08±0.16e 14.33±0.16a 11.75±0.03f 12.72±0.08b 12.63±0.06bc 施P 9.90±0.00e 8.80±0.04f 7.73±0.03g 11.70± 0.07c 10.78±0.21d 10.98±0.14d 13.47±0.19b 14.28±0.13a 13.46±0.07b 施N+P 9.90±0.00g 10.66±0.25e 9.02±0.02h 10.27± 0.14f 11.38±0.04d 9.11±0.08h 13.30± 0.05c 13.56±0.16b 14.54±0.16a P 火力楠 对照 0.38±0.00c 0.38±0.01c 0.39±0.01c 0.38±0.00c 0.32±0.01d 0.38±0.00c 0.40±0.00b 0.42±0.01a 0.39±0.01c 施N 0.38±0.00b 0.36±0.01c 0.38±0.00b 0.38±0.01b 0.36±0.01c 0.33±0.01d 0.37±0.00b 0.38±0.00b 0.40±0.00a 施P 0.38±0.00h 0.56±0.02e 0.49±0.01g 0.66±0.00c 0.54±0.01f 0.60±0.01d 0.66±0.01c 0.74±0.01b 0.86±0.01a 施N+P 0.38±0.00g 0.54±0.00e 0.46±0.00f 0.64±0.01b 0.75±0.00a 0.62±0.01c 0.47±0.00f 0.58±0.01d 0.74±0.01a 马尾松 对照 0.38±0.00d 0.36±0.01e 0.46±0.01b 0.42±0.01c 0.42±0.00c 0.38±0.00d 0.47±0.01b 0.41±0.01c 0.58±0.00a 施N 0.38±0.00e 0.40±0.01d 0.40±0.00d 0.44±0.00b 0.42±0.00c 0.45±0.01a 0.43±0.01bc 0.42±0.00c 0.43±0.01bc 施P 0.38±0.00i 0.42±0.01h 0.64±0.01f 0.90±0.00c 0.70±0.01e 0.61±0.01g 0.77±0.00d 1.08±0.03b 1.37±0.02a 施N+P 0.38±0.00g 0.51±0.01f 0.68±0.00e 0.69±0.01e 0.76±0.00d 0.86±0.00c 0.99±0.00b 0.86±0.02c 1.05±0.02a K 火力楠 对照 1.02±0.00g 0.76±0.02h 1.66±0.03b 1.50±0.01c 3.42±0.05a 1.31±0.01d 1.71±0.07b 1.16±0.04f 1.23±0.02e 施N 1.02±0.00de 0.67±0.03g 1.41±0.01c 2.57±0.12a 1.33±0.05c 1.05±0.06d 1.64±0.03b 0.86±0.02f 0.94±0.02ef 施P 1.02±0.00g 1.26±0.02f 1.88±0.01d 1.35±0.01e 4.50±0.02a 2.43±0.08b 2.04±0.03c 1.26±0.02f 1.92±0.02d 施N+P 1.02±0.00g 1.44±0.04f 3.55±0.09a 1.53±0.02e 1.71±0.02d 1.91±0.02b 1.81±0.06c 1.90± 0.03b 1.88±0.04b 马尾松 对照 1.02±0.00g 1.06±0.02g 2.04±0.01e 3.01±0.09b 1.90±0.03f 4.18±0.05a 2.80±0.08c 2.00±0.02e 2.46±0.03d 施N 1.02±0.00g 1.16±0.03f 2.49±0.04b 2.07±0.08d 4.76±0.10a 2.06±0.03d 2.57±0.02b 1.68±0.02e 2.22±0.04c 施P 1.02±0.00g 1.95±0.02d 3.42±0.02b 2.42±0.08c 5.65±0.09a 1.68±0.02e 2.39±0.05c 1.60±0.02f 1.74±0.01e 施N+P 1.02±0.00h 1.34±0.02g 3.18±0.02c 6.27±0.09a 2.29±0.02e 4.35±0.14b 1.57±0.01f 2.68±0.02d 1.50±0.02f 1)表中数据为平均值±标准差；同行数据后凡具有一个相同小写字母者，表示处理时间之间差异不显著(P>0.05，Duncan’s 法)。 由表2可知，在马尾松林地，对照、施N的混合凋落叶N含量小幅波动，施P和施N+P的呈现反复升降变化。24个月后对照、施N、施P和施N+P处理的凋落叶N质量分数分别为11.68、12.63、13.46和14.54 g·kg–1，均显著大于凋落叶N质量分数的初始值(9.90 g·kg–1，P<0.05)。
2.2.2 火力楠、马尾松林地混合凋落叶中P含量变化
由表2可知，在火力楠林地，对照和施N的混合凋落叶P含量小幅波动，施P和施N+P的混合凋落叶P含量呈波动性上升，24个月后，对照、施N、施P和施N+P处理的凋落叶P质量分数分别为0.39、0.40、0.86和0.74 g·kg–1，除对照外，其余均比试验开始时(0.38 g·kg–1)显著增加(P<0.05)。
由表2可知，在马尾松林地，对照的混合凋落叶P含量在小幅波动中上升，施N的混合凋落叶P含量小幅变化，施P和N+P的混合凋落叶P含量在大幅波动中上升，24个月后对照、施N、施P和施N+P处理的P质量分数分别为0.58、0.43、1.37和1.05 g·kg–1，均比试验开始时(0.38 g·kg–1)显著增加(P<0.05)。
2.2.3 火力楠、马尾松林地混合凋落叶中K含量变化
由表2可知，在火力楠林地，4种处理的混合凋落叶K含量波动较大，对照和施P处理的混合凋落叶K含量在第12个月达到高峰，而施N和施N+P处理的混合凋落叶K含量分别在第9和第6个月达到高峰，24个月后对照、施N、施P和施N+P处理的混合凋落叶K质量分数分别为1.23、0.94、1.92和1.88 g·kg–1，均显著大于初始值(1.02 g·kg–1，P<0.05)。
由表2可知，在马尾松林地，对照、施N、施P和施N+P处理的混合凋落叶K含量呈波动性升降，24个月后混合凋落叶K质量分数分别为2.46、2.22、1.74和1.50 g·kg–1，均显著大于初始值(1.02 g·kg–1，P<0.05)。
3. 讨论与结论
3.1 外源N、P对凋落叶分解的影响
3.1.1 外源性N对凋落叶分解的影响
对2种林地的混合凋落叶施N处理后，火力楠及马尾松林下的混合凋落叶分解量均小于对照，总体来看，外源性N阻碍了凋落叶的分解。这些凋落物分解受抑制的机理可能包括增加的N与酚类物质形成复合物使凋落叶分解迟缓。施N后的N化合物被结合进入醌类等的共价键中，形成一些高度聚合的化合物[17]，变成难分解的腐殖化合物。另外，外源性N可以抑制微生物群的活性[18-19]。凋落物早期分解中，C源损失过快，减少了微生物活动C的有效性，而残留的木质素降解慢。这也与Allison等[20]的研究结果一致。
3.1.2 外源性P对凋落叶分解的影响
施P处理后，2种林地各处理的混合凋落叶的分解均显著加快，可能与这2种林地土壤微生物和酶活性显著大于对照有关[21-22]。施P处理凋落叶分解最快的原因可能是样地的土壤速效P含量低，P的缺乏制约了微生物和酶的活性，细菌生长非常缓慢[23]。P的添加显著增加了微生物数量，从而促进了凋落叶的分解，Liu等[18]在鼎湖山森林3年的施P试验表明，施P增加了亚热带老龄森林中土壤微生物(细菌和真菌)的量，并增加了土壤的真菌与细菌的比。Rier等[24]的研究表明，P添加显著提高河流生态系统中酚氧化酶含量，Qualls等[25]发现，P添加可以提高凋落物中的P含量，加快C释放，从而促进凋落物的分解。因此，在N沉降加剧亚热带成熟林土壤P限制的背景下，可以考虑施加P肥作为森林管理的一种方式来缓解这种限制作用[26]，通过P添加改变微生物生物量与组成，增加土壤有机质和凋落物分解[27]。
3.1.3 外源性N+P对凋落叶分解的影响
2种林地的混合凋落叶施N+P后，凋落叶的分解速度均加快，加快的效果介于施P和施N之间，凋落叶分解速度在施N处理后减慢，施P处理后加快，说明施N+P处理后，P元素起主导作用。Jacobson等[28]研究巴西热带草原时发现，无论单独或混合添加P都促进了凋落物分解，而N添加只增加初始凋落物N浓度，与P一起添加时才提高分解率，土壤N/P比会影响植物生产力与组成，同时会影响土壤微生物的组成与活性[29-30]。因此，根据凋落叶分解变化，可考虑在这些地区施用适当的P肥以维持土壤N/P平衡，促进凋落叶分解。
3.1.4 不同林分的凋落叶分解速率
24个月后，4种处理的混合凋落叶残留量均为火力楠林>马尾松林，马尾松林下混合凋落叶的分解速率大于火力楠林，表明火力楠林下难分解的火力楠凋落层阻碍了混合凋落叶的分解。火力楠的厚革质叶片具有较好的抗物理损伤能力，叶片表皮细胞还有一层角质层[31]，对真菌菌丝的入侵也起到一定的阻滞作用[32]，导致其林下混合凋落叶分解速率缓慢。马尾松林下，各处理的混合凋落叶分解较快，马尾松凋落叶为非革质，分解速率比火力楠凋落叶快[21]，所以马尾松林下凋落层的混合凋落叶分解较快。
3.2 分解过程中凋落叶养分含量变化
24个月后，在火力楠林地和马尾松林地施N处理的混合凋落叶N含量通常显著大于其凋落叶初始N含量，微生物生物量可能是这些凋落叶N含量上升的主要原因。施P和施N+P处理的凋落叶P含量通常显著大于凋落叶初始P含量，且2种林下的混合凋落叶的P含量在分解过程中总体呈现上升的趋势。凋落叶P含量增加，一方面是由于凋落物质量的减少所致，另一方面可能是外源性P的输入所致。各处理的K含量也显著大于初始凋落叶K含量。一部分凋落叶在处理3个月后K含量迅速下降，这可能是因为K从叶片组织中淋溶所致[33]，与K的本身性质有关，其后的波动则可能是淋溶和微生物分解释放共同作用的结果。
总体而言，在全球大环境下应重视通过科学育林措施，改善土壤P养分状况，重视氮排放量，利用针阔混交林代替针叶纯林，原因是针阔混交林在保持土壤养分、增加土壤肥力方面的作用高于纯林，可进一步促进凋落物分解和养分归还效率。这不仅缓解P匮乏对林木生长的限制，还将利于保持植株N/P平衡，增加林木对N沉降的适应能力，从而在低P和N沉降双重环境胁迫下获得较大生长增益[34]。
-
![]()
图 2 气动式株间除草装置示意图
1：气源；2：电磁换向阀；3：节流调速阀；4：气缸；5：节流调速阀；6：连杆；7：摆杆；8：除草部件
Figure 2. Sketch map of pneumatic intra-row weeding device
1: Air supply; 2: Solenoid directional valve; 3: Throttle; 4: Cylinder; 5: Throttle; 6: Connecting rod; 7: Oscillating rod; 8: Weeding component
![]()
图 3 气动式株间除草机构运动简图
v为气缸伸出速度(m/s)；a为连杆长(mm)；b为摆杆长(mm)；c为除草部件到回转中心水平距离(mm)；d为除草部件到回转中心垂直距离(mm)；w为除草部件横向摆动距离(mm)；h为除草部件提升高度(mm)；α为摆杆转角(°)；β为辅助角度(°)
Figure 3. Kinematic diagram of mechanism of pneumatic intra-row weeding device
v is velocity of cylinder(m/s); a is length of connecting rod(mm); b is length of oscillating rod(mm); c is horizontal distance from weeding blade to rotation center(mm); d is vertical distance from weeding blade to rotation center(mm); w is oscillating distance of weeding blade at horizontal direction(mm); h is oscillating distance of weeding blade at vertical direction(mm); α is angle of oscillating rod(°); β is auxiliary angle(°)
![]()
图 4 连杆长与摆杆长的关系
Figure 4. Relationship of length of connecting rod and length of oscillating rod
![]()
图 8 不同除草刀齿不同倾角作用下水田土壤颗粒运动速度分布
Figure 8. Distribution of particle motion velocity under different weeding blade claw with different inclinations in paddy soil
![]()
图 9 仿真结果土槽验证试验
1：电控箱；2：计算机；3：测力计；4：步进电机；5：连接装置；6：拉力传感器；7：除草刀
Figure 9. Soil bin validation experiment of simulation result
1: Electronic control cabinet；2: Computer；3: Dynamometer；4: Stepper motor；5: Mounting device；6: Sensor of traction；7: Weeding blade
![]()
图 10 不同倾角弯齿刀的土壤阻力实测值
Figure 10. Measured soil resistance to bending-blade claw in variant inclination
![]()
图 11 株间除草装置田间试验现场
Figure 11. Scene of field experiment of paddy intra-row weeding device
![]()
图 12 机具前进速度和除草深度对除草率影响的响应曲面
Figure 12. Response surface of machine forward speed and weeding depth to weeding rate
![]()
图 13 不同影响因子对伤苗率影响的响应曲面
Figure 13. Response surface of influence from each factor to seedling injury rate
表 1 材料参数
Table 1 Material parameters
材料
Material泊松比
Poisson’s ratio剪切模量/MPa
Shear modulus密度/(kg·m−3)
Density颗粒半径/mm
Particle radius颗粒接触半径/mm
Contact radius土壤 Soil 0.500 11.5 1830 0.5 0.7 水 Water 0.500 100.0 1000 0.2 除草刀 Weeding blade 0.288 2.8×104 7860 
下载: 导出CSV
表 2 材料间接触参数
Table 2 Contact parameters between materials
材料
Material恢复系数
Coefficient of restitution静摩擦系数
Coefficient of static friction动摩擦系数
Coefficient of rolling friction水−水Water-water 0.05 0.05 0.01 土壤−土壤 Soil-soil 0.05 0.90 0.01 土壤−水 Soil-water 0.05 0.05 0.01 土壤−除草刀 Soil-weeding blade 0.10 0.20 0.20 水−除草刀 Water-weeding blade 0.10 0.20 0.20
下载: 导出CSV
表 3 受扰动颗粒统计结果
Table 3 Statistical result of particles under turbulence
除草刀 Weeding blade 倾角/(°) Tilt angle 像素数量 Number of pixels 图像面积/cm2 Image area 直齿刀
Straight-blade0 70201 87.35 5 67096 83.49 10 58381 72.65 15 54773 68.16 20 48267 60.07 弯齿刀
Bending-blade0 82182 102.30 5 108747 135.37 10 120277 149.69 15 111040 138.22 20 102145 127.14
下载: 导出CSV
表 4 弯齿刀土槽试验实测数据与仿真结果
Table 4 Measured data of bending blade experiment in soil bin and the simulation result
倾角/(°)
Inclination最大阻力/N Maximum soil resistance 平均阻力/N Average soil resistance 实测值
Test data仿真值
Simulation data相对误差/%
Relative error实测值
Test data仿真值
Simulation data相对误差/%
Relative error0 6.80 5.78 17.65 4.62 4.06 14.36 5 6.30 5.69 10.72 4.31 3.67 18.73 10 5.00 4.98 0.40 3.72 3.16 19.23 15 6.17 5.20 18.65 3.98 3.40 17.06 20 5.20 5.68 9.25 4.20 3.54 18.64
下载: 导出CSV
表 5 试验因素水平编码表
Table 5 Factor level coding table for experiment
编码值
Coded
value气缸伸缩
速度(x1)/(m·s−1)
Cylinder
protruding speed机具前进
速度(x2)/(m·s−1)
Machine
forward speed除草
深度(x3)/cm
Weeding
depth+γ 0.43 0.28 2.84 +1 0.40 0.25 2.50 0 0.35 0.20 2.00 −1 0.30 0.15 1.50 −γ 0.27 0.12 1.16
下载: 导出CSV
表 6 试验方案及结果
Table 6 Experimental scheme and results
试验编号
Test number气缸伸缩速度/(m·s−1)
Cylinder protruding speed机具前进速度/(m·s−1)
Machine forward speed除草深度/cm
Weeding depth除草率/%
Weeding rate伤苗率/%
Seedling injury rate1 0.30 0.30 1.50 61.24 2.40 2 0.40 0.30 1.50 60.55 2.02 3 0.30 0.25 1.50 66.89 4.55 4 0.40 0.25 1.50 67.94 2.76 5 0.30 0.30 2.50 72.98 3.77 6 0.40 0.30 2.50 72.16 3.35 7 0.30 0.25 2.50 81.13 4.04 8 0.40 0.25 2.50 81.17 3.85 9 0.27 0.000 2.00 75.39 4.23 10 0.43 0.000 2.00 74.03 2.90 11 0.35 0.12 2.00 59.12 2.49 12 0.35 0.28 2.00 80.59 4.25 13 0.35 0.20 1.16 51.76 1.84 14 0.35 0.20 2.84 78.93 3.93 15 0.35 0.20 2.00 72.92 3.27 16 0.35 0.20 2.00 75.77 3.43 17 0.35 0.20 2.00 76.14 3.03 18 0.35 0.20 2.00 72.37 3.11 19 0.35 0.20 2.00 73.71 3.27 20 0.35 0.20 2.00 73.96 2.93 21 0.35 0.20 2.00 72.24 3.52 22 0.35 0.20 2.00 71.90 3.17 23 0.35 0.20 2.00 74.06 3.48
下载: 导出CSV
表 7 各因子对除草率影响的方差分析表
Table 7 Variance analysis of influence from each factor to weeding rate
来源 Source 平方和 Sum of square 自由度 Degree of freedom 均方和 Mean square F P 模型 1157.79 9 128.64 31.59 <0.0001 x1 0.54 1 0.54 0.1318 0.7224 x2 321.95 1 321.95 79.05 <0.0001 x3 682.08 1 682.08 167.48 <0.0001 x1x2 0.85 1 0.85 0.2075 0.6563 x1x3 0.16 1 0.16 0.0399 0.8448 x2x3 2.12 1 2.12 0.5210 0.4832 $ x_1^2$ 4.37 1 4.37 1.07 0.3194 $ x_2^2$ 22.59 1 22.59 5.55 0.0349 $ x_3^2$ 123.41 1 123.41 30.30 0.0001 残差 Residual 52.94 13 4.07 失拟项 Lack of fit 34.77 5 6.95 3.06 0.0776 纯误差 Pure error 18.18 8 2.27 总和 Sum 1210.74 22
下载: 导出CSV
表 8 各因子对伤苗率影响的方差分析表
Table 8 Variance analysis of influence from each factor to seedling injury rate
来源 Source 平方和 Sum of square 自由度 Degree of freedom 均方 Mean square F P 模型 Model 9.9900 9 1.1100 16.85 <0.0001 x1 1.8400 1 1.8400 27.98 0.0001 x2 3.2100 1 3.2100 48.71 <0.0001 x3 3.3800 1 3.3800 51.32 <0.0001 x1x2 0.1740 1 0.1740 2.64 0.1280 x1x3 0.3042 1 0.3042 4.62 0.0511 x2x3 0.5618 1 0.5618 8.53 0.0119 $ x_1^2$ 0.2560 1 0.2560 3.89 0.0703 $ x_2^2$ 0.0534 1 0.0534 0.81 0.3842 $ x_3^2$ 0.2046 1 0.2046 3.11 0.1015 残差 Residual 0.8563 13 0.0659 失拟项 Lack of fit 0.5207 5 0.1041 2.48 0.1215 纯误差 Pure error 0.3356 8 0.0420 总和 Sum 10.8500 22
下载: 导出CSV
-
[1] 徐正浩, 谢国雄, 周宇杰, 等. 不同株型和化感作用特性水稻对3种稻田主要杂草的干扰控制作用[J]. 作物学报, 2013, 39(7): 1293-1301. [2] 李涛, 刘德好, 郭水良, 等. 双穗雀稗−空心莲子草杂草群落对稻田节肢动物、水稻产量的影响及其防除经济阈值[J]. 上海农业学报, 2013, 29(2): 47-51. [3] 吴尚, 张纪利, 李保同, 等. 千金子对水稻生长的影响及其经济阈值[J]. 中国农业科学, 2015, 48(3): 469-478. [4] 张自常, 李永丰, 张彬, 等. 稗属杂草对水稻生长发育和产量的影响[J]. 生态学杂志, 2014, 25(11): 3177-3184. [5] 齐龙, 梁仲维, 蒋郁, 等. 轻型水田除草机的设计及试验[J]. 吉林大学学报(工学版), 2016, 46(3): 1004-1012. [6] 岛根县, 三菱农机株式会社. 水田用の除草作业机: P2012-187073A [P]. 2012-10-04. [7] 月森弘, 安达康弘, 三代满, 等. 回転ブラシ除草が水稲の生育、収量、品質および雑草抑制に及ぼす影響[C]. 日本作物学会演讲会要旨集第234回日本作物学会講演会. 日本作物学会, 2012(234): 62-63. [8] 株式会社ォ—しック. 水田除草作业机: P2014-76004A [P]. 2014-05-01. [9] 株式会社美善. 水田除草兼用沟切り机: P2008-99575A [P]. 2008-05-01. [10] 王金武, 牛春亮, 张春建, 等. 3ZS-150型水稻中耕除草机设计与试验[J]. 农业机械学报, 2011, 42(2): 75-79. [11] 石井博和, 佐藤正憲. 水田中耕用除草機の性能と除草効果向上方策[J]. 日本作物学会関東支部会報, 2006, 21: 22-23. [12] NORREMARK M, GRIEPENTROG H W, NIELSEN J, et al. The development and assessment of the accuracy of an autonomous GPS-based system for intra-row mechanical weed control in row crops[J]. Biosys Eng, 2008, 101: 396-410. doi: 10.1016/j.biosystemseng.2008.09.007
[13] PEREZRUIZ M, SLAUGHTER D C, GLIEVER C, et al. Automatic GPS-based intra-row weed knife control system for transplanted row crops[J]. Comput Electron Agr, 2012, 80: 41-49. doi: 10.1016/j.compag.2011.10.006
[14] 株式会社石井農機. 水田用除草装置及びこれを備えた水田用除草行走装置: P2010-68778A [P]. 2010-04-02. [15] 寺脇正樹, 片岡崇, 岡本博史, 等. 直播テンサイ用自動間引き•除草機の開発[J]. 農業機械学会誌, 2005, 67(5): 80-85. [16] 胡炼, 罗锡文, 曾山, 等. 基于机器视觉的株间机械除草装置的作物识别与定位方法[J]. 农业工程学报, 2013, 29(10): 12-18. [17] 蒋郁, 崔宏伟, 区颖刚, 等. 基于茎基部分区边缘拟合的稻株定位方法[J]. 农业机械学报, 2017, 48(6): 23-31. [18] JIANG Y, CUI H W, QI L, et al. Recognition and positioning method of rice seedlings based on machine vision[J]. IJSIP, 2016, 9(9): 265-278. doi: 10.14257/ijsip.2016.9.9.25
[19] 胡炼, 罗锡文, 严乙桉, 等. 基于爪齿余摆运动的株间机械除草装置研制与试验[J]. 农业工程学报, 2012, 28(14): 10-16. [20] 牛春亮, 王金武. 稻田株间除草部件工作机理及除草轨迹试验[J]. 农机化研究, 2017(1): 177-181. [21] 贾洪雷, 李森森, 王刚, 等. 中耕期玉米田间避苗除草装置设计与试验[J]. 农业工程学报, 2018, 34(7): 15-22. [22] 齐龙, 赵柳霖, 马旭, 等. 3GY-1920型宽幅水田中耕除草机的设计与试验[J]. 农业工程学报, 2017, 33(8): 47-55. [23] 齐龙, 梁仲维, 马旭, 等. 耙压式除草轮与水田土壤作用的流固耦合仿真分析及验证[J]. 农业工程学报, 2015, 31(5): 29-37. [24] 郑文伟, 吴克坚. 机械原理[M]. 北京: 高等教育出版社, 1997: 85-86. [25] 张鹏, 郭志军, 倪利伟, 等. 触土曲面准线曲率特征及其减阻性能分析[J]. 农机化研究, 2017, 2: 11-16. [26] LI B, CHEN Y, CHEN J. Modeling of soil-claw interaction using the discrete element method[J]. Soil Till Res, 2016, 158: 177-185. doi: 10.1016/j.still.2015.12.010
[27] 郑侃, 何进, 李洪文, 等. 基于离散元深松土壤模型的折线破土刃深松铲研究[J]. 农业机械学报, 2016, 47(9): 62-72. [28] 陆华忠, 罗锡文. 水田驱动叶轮轮叶下土壤流动特性与动力性能研究[J]. 农业机械学报, 2010, 41(7): 50-53. [29] 邬立岩, 齐胜, 宋玉秋, 等. 水田作业机械仿生表面减阻机理的离散元研究[J]. 沈阳农业大学学报, 2017, 48(1): 55-62. [30] 葛茜, 马晓丽, 史莉娜, 等. 汉中水稻机械插秧插植深度试验初报[J]. 陕西农业科学, 2016, 62(9): 16-17. -
期刊类型引用(11)
1. 黄法伟，董晓威. 基于PLC的水田农业机械智能化研究综述. 农机使用与维修. 2025(02): 62-66 . 
百度学术
2. 石林榕，赵武云，孙步功. 离散单元法技术在《离散单元法理论及其应用》课程中的探索. 黑河学院学报. 2024(01): 104-106+130 . 百度学术
3. 杨颖，杨宁，邹世彦，张秀明，王明丽. 自走乘坐式水田除草机设计与试验. 农机市场. 2024(09): 56-58 . 百度学术
4. 陈佶，刘伟华. 稻田机械除草技术装备研究与应用现状. 农业工程. 2024(11): 17-22 . 百度学术
5. 马永明. 水稻插秧机的复合作业探索. 农机使用与维修. 2023(02): 27-30 . 百度学术
6. 赵晋，黄赟，翁晓星，刘丹，戴津婧. 水稻田间除草装备现状与分析. 农业开发与装备. 2023(06): 33-35 . 百度学术
7. 刘婉茹，张国忠，周勇，徐红梅，吴擎，付建伟，黄成龙，张建. 智能化技术在水稻生产全程机械化中的应用研究与发展趋势. 华中农业大学学报. 2022(01): 105-122 . 百度学术
8. 周志强. 水田机械除草技术的研究现状与发展趋势. 南方农机. 2022(05): 16-18+28 . 百度学术
9. 陈学深，方根杜，熊悦淞，王宣霖，武涛. 基于稻田除草部件横向偏距视觉感知的对行控制系统设计与试验. 华南农业大学学报. 2022(05): 83-91 . 本站查看
10. 李敏华，董永义，郭园，庄得凤，杨恒山. 玉米田杂草综合防控措施探究. 内蒙古民族大学学报(自然科学版). 2021(01): 77-83 . 百度学术
11. 王奇，周文琪，唐汉，马骁驰，王金武，佟童. 弧齿往复式稻田株间自动避苗除草装置设计与试验. 农业机械学报. 2021(06): 53-61+72 . 百度学术
其他类型引用(10)
计量
- 文章访问数: 1269
- HTML全文浏览量: 2
- PDF下载量: 1129
- 被引次数: 21
