Plant Phenomics | 安徽大學聯(lián)合北京市農(nóng)林科學院信息技術(shù)研究中心提出了基于計算智能的玉米冠層三維建模方法

作物群體3D模型是基于3D可視化計算的作物功能-結(jié)構(gòu)模型研究的重要基礎，群體3D模型直接影響后續(xù)光能利用效率計算和生產(chǎn)力預測等。然而，作物群體形態(tài)結(jié)構(gòu)復雜，群體內(nèi)部交叉遮擋嚴重，已有研究多通過單株復制或統(tǒng)計分布的方法構(gòu)建，難以反應作物群體因交叉遮擋和資源競爭形成的群體結(jié)構(gòu)特征。
 

2024年3月，Plant Phenomics在線發(fā)表了安徽大學和北京市農(nóng)林科學院信息技術(shù)研究中心合作完成的題為Three-dimensional modelling of maize canopies based on computational intelligence的研究論文。
 

該文以玉米群體為例，提出一種基于計算智能的玉米群體三維建模方法。核心思想是認為玉米群體內(nèi)的3D節(jié)單位是智能體（agent），通過群體內(nèi)3D節(jié)單位方位角變化的智能調(diào)節(jié)使得群體截獲更多的光能，最終實現(xiàn)不同品種、密度和環(huán)境條件下的玉米群體3D模型構(gòu)建。通過t分布方法構(gòu)建能夠反應品種株型特征的玉米群體3D模型作為初始群體，以直射葉面積比例指標最大化作為優(yōu)化目標，通過對3D節(jié)單位方位角進行迭代計算，實現(xiàn)光資源截獲最大化的玉米群體3D模型的構(gòu)建，進一步引入反思機制從群體整體的宏狀態(tài)角度優(yōu)化，并采用網(wǎng)格變形方法實現(xiàn)群體內(nèi)部葉片微狀態(tài)的碰撞檢測與響應。
 

圖1 迭代過程示意圖，紅色為進行旋轉(zhuǎn)的3D節(jié)單位

利用該方法對2個品種3個密度的6個小區(qū)進行3D建模，結(jié)果表明植株相鄰葉片方位角之差與田間實測數(shù)據(jù)對比的平均R2為0.71，覆蓋度誤差范圍為7%-17%。另構(gòu)建了12個密度梯度的玉米群體3D模型可以反應葉片分布垂直于行向的特征，垂直于行向的葉片比例在9×104株/公頃后呈現(xiàn)穩(wěn)定增加的趨勢。
 

圖2 利用該方法構(gòu)建的不同品種和密度玉米群體3D模型側(cè)視圖和頂視圖

雖然所構(gòu)建玉米群體3D模型與田間群體仍有差異，無法實現(xiàn)1:1的3D重建，但是能在一定程度上反應群體特征，對于玉米群體3D模型構(gòu)建和作物功能結(jié)構(gòu)模型研究也是一種促進。方法可以認為是一種面向三維空間作物資源高效利用的群體智能算法，為作物群體資源高效利用研究提供新思路。

論文鏈接：

https://spj.science.org/doi/abs/10.34133/plantphenomics.0160‍

——推薦閱讀——

Enhancing green fraction estimation in rice and wheat crops: a self-supervised deep learning semantic segmentation approach

https://spj.science.org/doi/10.34133/plantphenomics.0064

Plant Phenomics |【模型公開】從三維模擬到田間應用：水稻小麥冠層動態(tài)表型

Quantifying Contributions of Different Factors to Canopy Photosynthesis in Two Maize varieties: Development of a Novel 3D Canopy Modeling Pipeline

https://spj.science.org/doi/10.34133/plantphenomics.0075

Plant Phenomics | 玉米品種間冠層光合效率差異的多因素貢獻率解析：一種新的三維冠層建模流程

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內(nèi)不定期開展作者分享會、專刊發(fā)布會等高質(zhì)量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農(nóng)業(yè)大學和美國科學促進會（AAAS）合作創(chuàng)辦的英文學術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學新應用，與植物表型相結(jié)合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄。科睿唯安JCR2021影響因子為6.5，位于農(nóng)藝學、植物科學、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準。
特邀作者：溫維亮
排版：許怡瑤（南京農(nóng)業(yè)大學）
審核：孔敏、王平