基于冠層光分布計算的品種分析方法
【技術領域】
[0001] 本發(fā)明屬于電子信息技術領域，更具體地涉及一種基于冠層光分布計算的品種分 析方法。
【背景技術】
[0002] 冠層結構涉及群體光能利用、光合產物分配和庫源關系等過程，與產量形成息息 相關。比如以冬小麥為例，多年來對冠層上部，特別是旗葉節(jié)以上的綠色器官與產量性狀的 關系，已經有不少研宄，較多報道認為穗大小、旗葉鞘和旗葉片性狀（包括長、寬、面積、干 重等）與穗部生產力有較密切的正相關。另外，光合產量也會因基因型、環(huán)境條件和栽培管 理措施而異，在栽培措施中，種植密度和株行距的影響更為明顯，而種植密度、株行距可以 改變群體作物的冠層結構。近年來對葉角、葉姿的效應也有一些研宄。多數(shù)認為直葉型植 株下部葉片光合作用比披葉型強，葉片衰老慢，這在葉面積指數(shù)值大時尤為明顯，所以高產 品種的直立葉比重大。但是，達到光能的充分截獲更為重要，在葉面積較小時，只有適度傾 斜的葉片才能達到最好的光能截獲。小麥在子粒灌漿期間完全暴露在強太陽輻射下，當葉 片逐漸衰老和被穗子遮擋時，極端直立的葉片似乎沒有多大益處，這與玉米和水稻不同。對 水稻來說，不僅上部直立葉的確提供了產量優(yōu)勢，而且某些同時有直立和卷曲葉子的品系 也具有較高的輻射利用效率、較大的作物生長速率和較高的產量。因此改良冠層的光能截 獲是增加產量的重要途徑。
[0003] 但是對于不同作物之間、同一作物不同品種而言，能夠影響作物冠層結構的因素 很多，比如果實個數(shù)、大小、分蘗數(shù)、穗粒數(shù)、節(jié)間長短、粗細、葉片大小、葉傾角等等，這造成 了冠層的差異性。有些研宄者認為，這些差異性的因素可以分為基本型和生態(tài)型兩個部分。 所謂基本型，是所有理想株型所具有的共性性狀，比如水稻的理想株型是基部節(jié)間短而粗 壯，上位葉直立等。所謂生態(tài)型，也可謂條件型，是指因氣候生態(tài)等環(huán)境條件和栽培因素的 影響而與之相適應的株型性狀，如植株的高度，葉片長寬度等。此外，一些實驗證實，不同生 長階段適宜株型的要求也有差別。以水稻為例，分蘗期葉片薄而披散，利于早期的葉面積擴 展和快速生長；拔節(jié)后至成熟期葉片厚而挺直，群體光合生態(tài)生理較優(yōu)，益于中后期群體生 長，最終生物產量和結實率高，易獲高產。因此，針對某一作物品種的某一特定時期的冠層 結構或者株型，如何量化分析性狀因素與最終的光截獲或者光合產量之間的關系是個重要 的問題，需要考慮的因素很多。但是傳統(tǒng)的育種的方法費時費力，且具有一定的盲目性，無 法針對某一品種在某一特定的生長環(huán)境下做結構與產量之間的量化分析，故需要新的品種 分析方法給人們以提供指導。
[0004] 虛擬植物是近二十年來發(fā)展的較為迅速的研宄熱點之一。植物建模和可視化技術 相結合使得人們可以直觀的在計算機的數(shù)字世界中觀察、認識真實世界的植物。虛擬植物 的生成有兩種方式，可以通過基于植物生長規(guī)律的能夠體現(xiàn)植物周期性動態(tài)生長的動態(tài)建 模獲取，比較有代表性的有法國deReffye研宄員提出的GreenLab模型、美國Lindenmayer 提出的L系統(tǒng)；或者通過植物靜態(tài)模型獲得，常見的有三維數(shù)字掃描儀獲取點云數(shù)據(jù)重建 樹木結構、基于圖像的樹木建模、基于手工交互的建模。這種虛擬植物技術已在農林業(yè)科 研、計算機游戲設計、三維電影制作等領域有著成功的應用。因此，對于這種具有空間地域 性、時間動態(tài)變化慢的復雜生命體而言，使用虛擬植物的手段可以在計算機上開展多次虛 擬實驗，降低實驗成本。同時，借助于虛擬植物的手段，分析這些差異性因素與最終光截獲 或者光合產量之間的關系，可以幫助人們理解品種的差異性，以便改良這些性狀因素從而 獲得最優(yōu)品種或者理想株型。

【發(fā)明內容】

[0005] 有鑒于此，本發(fā)明的主要目的之一在于，針對現(xiàn)實世界中品種分析的復雜性問題， 提供一種基于冠層光分布計算的品種定量分析評估方法，即量化分析冠層的性狀因素與冠 層截獲的光強之間的關系，從而體現(xiàn)品種結構的差異性，為改良冠層的性狀因素以獲得高 產的品種提供指導。
[0006] 為實現(xiàn)上述目的，本發(fā)明提供一種基于冠層光分布計算的品種分析方法，包括以 下步驟：
[0007] 步驟1 :生成或者獲取具有三維形態(tài)結構的作物結構；
[0008] 步驟2 :模擬所述作物冠層的光環(huán)境；
[0009] 步驟3 :計算所述具有三維形態(tài)結構的作物對光的截獲，從而分析所述作物冠層 內各個位置的光強分布；
[0010] 步驟4:結合葉片層次的光合模型，將所述作物截獲的光強轉換為所述作物的光 合產量，并基于得到的所述光合產量來分析所述作物是否屬于最優(yōu)或理想株型。
[0011] 其中，步驟1中所述生成或者獲取具有三維形態(tài)結構的作物結構的步驟是通過三 維數(shù)字化儀器或基于圖像方法進行靜態(tài)三維重建得到，或者通過植物模型動態(tài)生成得到。
[0012] 其中，所述三維形態(tài)結構參數(shù)包括果實個數(shù)、直徑大小、分蘗數(shù)、穗粒數(shù)、節(jié)間長 度、粗細程度、葉片大小、葉傾角。
[0013] 其中，步驟2中所述作物冠層的光環(huán)境指建立群體作物冠層內的光的傳播環(huán)境。
[0014] 其中，所述群體作物冠層內的光包括天空的散射光和直射光，其中天空散射光通 過Turtle模型來模擬，直射光采用蒙特卡洛光線追蹤方法來模擬。
[0015] 其中，步驟3中所述計算具有三維形態(tài)結構的作物對光的截獲的步驟是通過分析 所述冠層內各個器官上截取到的光來實現(xiàn)的。
[0016] 其中，所述分析冠層內各個器官上截取到的光的步驟通過光子映射的方法來實 現(xiàn)。
[0017] 其中，所述分析冠層內各個器官上截取的光的步驟通過如下公式計算實現(xiàn)：
【主權項】
1. 一種基于冠層光分布計算的品種分析方法，包括以下步驟： 步驟1:生成或者獲取具有三維形態(tài)結構的作物結構； 步驟2 :模擬所述作物冠層的光環(huán)境； 步驟3 :計算所述具有三維形態(tài)結構的作物對光的截獲，從而分析所述作物冠層內各 個位置的光強分布； 步驟4:結合葉片層次的光合模型，將所述作物截獲的光強轉換為所述作物的光合產 量，并基于得到的所述光合產量來分析所述作物是否屬于最優(yōu)或理想株型。
2. 如權利要求1所述的基于冠層光分布計算的品種分析方法，其中步驟1中所述生成 或者獲取具有三維形態(tài)結構的作物結構的步驟是通過三維數(shù)字化儀器或基于圖像方法進 行靜態(tài)三維重建得到，或者通過植物模型動態(tài)生成得到。
3. 如權利要求1所述的基于冠層光分布計算的品種分析方法，其中所述三維形態(tài)結構 參數(shù)包括果實個數(shù)、直徑大小、分蘗數(shù)、穗粒數(shù)、節(jié)間長度、粗細程度、葉片大小、葉傾角。
4. 如權利要求1所述的基于冠層光分布計算的品種分析方法，其中步驟2中所述作物 冠層的光環(huán)境指建立群體作物冠層內的光的傳播環(huán)境。
5. 如權利要求4所述的基于冠層光分布計算的品種分析方法，其中所述群體作物冠層 內的光包括天空的散射光和直射光，其中天空散射光通過Turtle模型來模擬，直射光采用 蒙特卡洛光線追蹤方法來模擬。
6. 如權利要求1所述的基于冠層光分布計算的品種分析方法，其中步驟3中所述計算 具有三維形態(tài)結構的作物對光的截獲的步驟是通過分析所述冠層內各個器官上截取到的 光來實現(xiàn)的。
7. 如權利要求6所述的基于冠層光分布計算的品種分析方法，其中所述分析冠層內各 個器官上截取到的光的步驟通過光子映射的方法來實現(xiàn)。
8. 如權利要求7所述的基于冠層光分布計算的品種分析方法，其中所述分析冠層內各 個器官上截取的光的步驟通過如下公式計算實現(xiàn)：
其中，EB為絕對光強，為相對光強中的最大值，^為冠層內各個器官上的光強； 1_和tmin分別為冠層內外的最大絕對光強和最小絕對光強，可以通過儀器測量得到。
9. 如權利要求1所述的基于冠層光分布計算的品種分析方法，其中步驟4中葉片層次 的光合模型包括直角雙曲線模型、非直角雙曲線模型、指數(shù)方程模型。
10. 如權利要求1所述的基于冠層光分布計算的品種分析方法，其中步驟4中所述的光 合產量包括將每片葉子的光合產量相加，最終得到所述作物整個冠層的光合產量。
【專利摘要】本發(fā)明涉及一種基于冠層光分布計算的品種分析方法。該方法通過模擬作物光環(huán)境及作物冠層對光的截獲，分析冠層內光分布的差異，以得到高產的品科結構為目的，量化分析與冠層結構有關的性狀參數(shù)與作物高產之間的關系，明確產量差異形成的關鍵因素，為品種培育提供指導。相比傳統(tǒng)的方法具有省時省力、操作簡單的特點，其建模結果在品種分析、計算機虛擬仿真及實驗等領域具有重要的應用價值。
【IPC分類】G06F19-00
【公開號】CN104615867
【申請?zhí)枴緾N201510030326
【發(fā)明人】王浩宇, 康孟珍, 華凈, 王秀娟, 范興容, 王飛躍
【申請人】青島智能產業(yè)技術研究院
【公開日】2015年5月13日
【申請日】2015年1月21日