Optimierung von Ultra-Low-Volume-Sprühungen für Multi-Drohnen basierend auf Windsensitivität

Intelligenter sprühen für sicherere Städte

Wenn kommunale Gesundheitsämter gegen Mücken sprühen, balancieren sie auf einem Drahtseilakt: genug Pestizid dorthin bringen, wo es Krankheiten stoppt, aber zugleich Chemikalienverschwendung, Drift über Wohnhäuser und lange, treibstoffintensive Drohnenflüge vermeiden. Diese Studie untersucht, wie ein Team kleiner Drohnen seine Routen windbewusst und intelligent planen kann, damit Ultra-Low-Volume-Sprühungen in Städten effektiver, sicherer für Anwohner und energieärmer werden.

Warum Drohnen die Mückenbekämpfung verändern

Traditionelle Mückenbekämpfung beruht oft auf Arbeitern mit Rückensprayern oder auf Fahrzeugen, die durch Viertel fahren. Diese Methoden können unbehandelte Bereiche hinterlassen, Arbeiter Chemikalien aussetzen und es schwierig machen, genau zu dokumentieren, wo gesprüht wurde. Drohnen versprechen eine Veränderung: Mehrere kleine Fluggeräte können gemeinsam eingesetzt werden, tief und leise über Zielgebieten fliegen und ihre Flugspuren detailliert protokollieren. Sie müssen jedoch weiterhin strenge Gesundheitsvorschriften beachten: empfindliche Orte meiden, Sprühnebel außerhalb von Pufferzonen halten und in engen Zeitfenstern arbeiten, wenn das Wetter passt und Menschen meist in Innenräumen sind.

Wie Wind und Zeit bestimmen, wo der Sprühnebel tatsächlich landet

Gerade Linien im „Rasenmäher“-Muster auf einer Karte zu zeichnen reicht nicht aus, weil Tropfen nicht gerade nach unten fallen. Wind zieht jede Sprühwolke zu einer langen Ellipse auseinander, drückt mehr Pestizid in Windrichtung und verengt sie quer dazu. Gleichzeitig baut sich der Wirkstoff unter Sonnenlicht und Hitze ab, sodass seine Wirksamkeit mit der Zeit nachlässt. Die Autorinnen und Autoren fassen diese Effekte in einem vereinfachten Modell zusammen, das jedes Sprühstoß als längliches, windgeformtes Gebilde behandelt, das mit der Zeit schwächer wird. Damit lassen sich Flugpläne gleichzeitig anhand von vier praktischen Kriterien bewerten: welcher Anteil des Zielgebiets über einer Wirksamkeitsschwelle abgedeckt ist, wie gleichmäßig die Dosis verteilt wird, wie viel in no-spray-Pufferzonen driftet und wie viel Energie die Drohnen für den Flug verbrauchen.

Ein digitales „Rudel“ lehrt man zu Flugrouten-Planung

Koordinierte Routen für mehrere Drohnen bei wechselndem Wind zu entwerfen ist ein komplexes Puzzle mit vielen möglichen Lösungen und vielen Fehlerquellen. Statt es mit exakten Gleichungen zu lösen, nutzen die Forschenden ein bio-inspiriertes Suchverfahren, das dem Jagdverhalten eines Wolfsrudels nachempfunden ist. Dabei jagt ein „Rudel“ aus Kandidatenflugplänen über viele Iterationen bessere Lösungen, geleitet von den bisher besten Plänen. Das Team erweitert diese Methode auf mehrere Arten: Sie starten mit vielfältigeren Anfangsrouten, indem jede zufällige Vermutung gespiegelt wird; sie teilen das Rudel in kooperierende Untergruppen auf, die jeweils Teile des Gesamtplans verfeinern; und sie „schütteln“ die Suche periodisch auf, wenn die Verbesserung stagniert. Diese verbesserte Methode, C-GWO+, ist darauf zugeschnitten, unterschiedliche Windmuster effizient zu erkunden und dabei No-Spray-Zonen, Fluggrenzen und Nachladebedürfnisse zu respektieren.

Was die Simulationen in einem Stadtblock-Test zeigen

Die Autorinnen und Autoren testen ihr System in einem realistischen städtischen Szenario von der Größe eines kleinen Stadtblocks, mit einer konstanten Brise und drei Drohnen, denen nur eine begrenzte Anzahl Wegpunkte zur Verfügung steht. Sie vergleichen ihre optimierten Routen mit einem dichten, serpentinenförmigen „Rasenmäher“-Muster und mit mehreren anderen verbreiteten Suchalgorithmen. In wiederholten Durchläufen erzeugt C-GWO+ Pläne, die einen größeren Teil des Zielgebiets behandeln, während die Dosis gleichmäßiger verteilt und die Drift sehr gering bleibt. Verglichen mit einer grundlegenden Grey-Wolf-Methode steigert es Abdeckung und Gleichmäßigkeit und reduziert leicht die Überdosierung, ohne den Energieverbrauch zu erhöhen. Gegenüber dem Rasenmäher-Baseline reduziert es die Gesamtreichweite um etwa 43 %, während es die starken Überlappungen und ungleichmäßige Dosierung vermeidet, die das brute-force-Muster erzeugt. Andere fortgeschrittene Algorithmen, wie Particle Swarm oder vom Sperling inspiriertes Suchen, konvergieren langsamer und bleiben häufiger in schlechten Lösungen stecken.

Von einzelnen Flügen zu Einsätzen in der Praxis

Obwohl eine einzelne simulierte Mission nur einen Teil des Blocks oberhalb der gewählten Wirksamkeitsschwelle abdeckt, argumentieren die Autorinnen und Autoren, dass realistische Mückenbekämpfungskampagnen auf wiederholten Einsätzen beruhen. In diesem Kontext liegt die Stärke der Methode nicht darin, in einem Durchgang maximale Abdeckung zu erreichen, sondern zuerst die wertvollsten, windausgerichteten „Sprühkorridore“ mit hoher Gleichmäßigkeit und nahezu ohne Drift in Pufferzonen auszuwählen. Da ein kompletter Lauf des Planers rund 15 Sekunden benötigt, könnte er zwischen Flügen — oder sogar während einer Mission — neu gestartet werden, wenn neue Winddaten eintreffen. Die Studie skizziert außerdem, wie das Sprühmodell und die Planungsgewichte für unterschiedliche Situationen angepasst werden können, von vorsichtigen Einsätzen in der Nähe sensibler Bereiche bis zu aggressiver Abdeckung bei einem Krankheitsausbruch, ohne dass die Überdosierung die strengen Grenzwerte überschreitet.

Was das für den Schutz der städtischen Gesundheit bedeutet

Kurz gesagt zeigt diese Arbeit, wie man einem Schwarm von Drohnen beibringt, den Wind „zu lesen“ und ihre Flugwege so zu planen, dass mehr von jedem Tropfen dort landet, wo er wirkt, und weniger verschwendet wird. Indem windgeformte Sprühfußabdrücke, chemischer Abbau über die Zeit, Sicherheits-Puffer und Batterielimits in ein einziges Planungssystem zusammengeführt werden und eine intelligente Suchstrategie viele mögliche Routen erkundet, demonstrieren die Autorinnen und Autoren einen praktikablen Weg, die Luftbekämpfung von Mücken sowohl umweltfreundlicher als auch verlässlicher zu machen. Während Feldversuche unter wechselnden Windbedingungen noch ausstehen, bietet der Ansatz eine vielversprechende Blaupause für sichereres, besser nachvollziehbares und energieeffizienteres Sprühen in modernen Städten.

Zitation: Zheng, D., Wang, B., Lin, Y. et al. Optimization of ultra-low volume spray for multi-drone based on wind sensitivity. Sci Rep 16, 12999 (2026). https://doi.org/10.1038/s41598-026-42125-7

Schlüsselwörter: Drohnenbesprühung, Mückenbekämpfung, windbewusste Routenplanung, Optimierungsalgorithmus, städtische öffentliche Gesundheit