基于实测数据和NURBS曲面的小麦叶片三维可视化

小麦三维可视化在农业生产、作物生长预测等领域具有重要应用价值,将为作物株型选育,高产、高效栽培等提供有力技术支撑。针对小麦叶片三维形态不易模拟的问题,基于田间试验实测数据和NURBS自由曲面造型技术,构建小麦叶片主脉控制点构造算法,计算小麦叶片NURBS曲面控制点坐标,并借助OpenGL图形库实现了不同控制点序列下的小麦叶片曲面模拟。试验结果表明,该方法计算效率较高,绘制的小麦叶片模型具有较高平滑度和真实感。     

小麦生长模拟与三维可视化系统构建技术研究

作物生长过程的三维可视化是虚拟作物研究的关键技术之一,针对小麦形态结构复杂,小麦生长可视化不易实现的问题,以小麦作物为对象,在已有研究成果基础上,结合小麦生长模拟模型和形态结构模型,从系统结构与功能、系统设计与实现、真实感图形渲染技术（颜色渲染、纹理映射、光照处理）等方面入手,构建小麦生长模拟与三维可视化系统,实现了小麦生长模型和形态结构模型的有机结合,最终实现了小麦生长过程的三维可视化。小麦生长模拟与三维可视化系统将为小麦作物生长动态预测、栽培管理调控、作物株型设计等提供形象逼真的可视化工具,为小麦理想株型筛选,高产、高效、抗倒伏设计与优化等提供技术支撑。     

基于实测数据的小麦叶片模拟模型与三维重建——以偃展4110为例

以特定品种(偃展4110)小麦为研究对象,基于实测数据,完善了该品种小麦叶片的模拟模型及几何模型。首先,对其地上部的形态特征数据进行跟踪记录,并进行了特征参数提取;然后,基于实测数据进行叶片模拟模型构建,完善了该品种小麦叶片的叶长模拟模型与叶形模拟模型,并取得良好结果;最后,利用NURBS曲面建模技术对叶片进行几何模拟,并完成了叶片卷曲及扭曲等形变状态。本研究可为小麦三维动态建模提供技术支持,为田间管理与决策提供研究基础。     

基于有效积温的冬小麦返青后植株三维形态模拟

【目的】基于有效积温,利用三维建模技术,实现小麦生长模型与形态模型的有机结合,真实表达环境因素对小麦生长发育和形态结构的影响,最终实现小麦生长过程的三维可视化,为小麦作物生长动态预测、栽培管理调控、作物株型设计等提供重要参考。【方法】以天津地区主要推广小麦品种衡观35、济麦22和衡4399为材料,于2015—2016年冬小麦生长季内开展不同小麦品种和施氮水平的田间试验,采集各品种冬小麦在不同施氮水平下的叶长和最大叶宽等形态数据,通过分析各品种冬小麦返青后形态数据和有效积温的定量关系,用Logistic方程构建了冬小麦返青后叶片叶长、最大叶宽模拟模型,并对该模型进行检验;基于该模拟模型,计算各品种冬小麦返青后每个生长日的形态数据,借助OpenGL和NURBS曲面造型技术,构建冬小麦几何形态模型,最终实现冬小麦生长模型与形态模型的结合,实现了冬小麦返青后生长过程可视化。【结果】在不同品种、不同施氮水平下,小麦叶长回归方程R2值在0.772—0.983之间,F值在10.153—340.191之间,且Sig小于显著水平0.05,最大叶宽回归方程R~2值在0.853—0.999之间,F值在17.371—4 359.236之间,且Sig小于显著水平0.05,表明上述模型拟合度和显著性均较好。经数据检验,叶长模型绝对误差在0—3.88 cm之间,根均方差(RMSE)值在0.24—1.95 cm之间,最大叶宽模型绝对误差在0—0.28 cm之间,RMSE值在0.02—0.15 cm之间,表明所建模拟模型精度较高,该模型对不同品种冬小麦返青后的叶片生长具有较好的预测性;基于所建模拟模型计算冬小麦返青后逐日形态数据,可构造不同品种、不同施氮水平下的冬小麦植株形态,可逼真模拟冬小麦返青后植株动态生长过程。【结论】基于有效积温构建的冬小麦返青后叶长和最大叶宽模拟模型,可较好预测冬小麦返青后叶片生长状态,可实现小麦生长模型和形态模型的有机结合,实现不同品种冬小麦在不同施氮水平下的叶片生长可视化。     

玉米叶片形态建模与网格简化算法研究

【目的】协调禾本科作物形态模型的可视化效果和计算效率之间的关系。【方法】提出一种利用非均匀有理B样条（NURBS）插值结合使用多直线段分裂算法（splitting）来重建玉米叶片三维形态并实现曲面网格简化控制的方法。【结果】该方法利用三维数字化仪采集的数据点，通过计算节点矢量、差值计算反求曲面控制点等步骤构造出玉米叶片曲面，具有较强地真实感效果；根据叶片形态特征，采用多直线段分裂算法的逆运算来对叶片曲面网格数量进行简化，在尽可能保持曲面特征的同时可显著降低网格数目。【结论】应用该方法进行玉米冠层可视化与光分布计算，结果表明，在不显著增大计算误差的前提下，可以明显地提高计算效率。     

冬小麦返青后叶片高度模型构建及三维可视化

作物生长模拟模型对作物生长管理调控、产量预测和经济效益分析等有重要指导作用,形态结构模型为作物理想株型筛选、高产、高效、抗倒伏等提供了有力技术支撑。针对小麦形态结构复杂,生长可视化不易实现的问题,以冬小麦品种济麦22、衡观35和衡4399为材料,在天津市武清区开展了不同小麦品种和施氮水平的田间试验,采集小麦叶片高度形态数据,分析各品种冬小麦返青后叶片高度和有效积温的定量关系,用Logistic方程构建冬小麦返青后不同叶位叶片高度模拟模型。经数据检验,叶片高度模型绝对误差在0.01~2.82 cm之间,根均方差(RMSE)在0.32~1.52 cm之间,表明所建模拟模型精度较高,该模型对不同品种冬小麦生长具有较好的预测性。借助该模拟模型和已有研究成果,构造了不同品种、不同施氮水平下的冬小麦植株形态,实现了小麦生长模拟模型和形态结构模型的有机结合,逼真模拟冬小麦返青后动态生长过程,实现了不同品种冬小麦不同施氮水平下的生长可视化。     

基于NURBS的植物叶片几何建模

植物叶片属于非刚性物体,形态比较复杂,对其快速准确的建模对于虚拟植物生长可视化研究具有重要意义。笔者以板蓝根叶片为例探讨了基于少量三维实测数据,结合OpenGL求值器机制和NURBS函数建立叶片几何模型,研究了叶片几何模型的建立过程。     

基于积温变化的水稻叶形态伸展过程可视化模拟

通过分析水稻叶片生长过程中的几何形态数据,构建了水稻叶片几何形态参数与有效积温之间的动态关系模型和水稻叶片空间形态三维模型.结合水稻植株分蘖拓扑结构,利用OpenGL图形接口,在计算机上实现了水稻穗前形态随环境温度动态生长过程的可视化模拟,具有较强的真实感,为构建虚拟水稻生长系统奠定了基础.     

小麦作物模型研究进展

作物模型是农业模型的重要内容,主要分为作物生长模型和作物形态结构模型以及作物结构功能模型。本文从小麦生长模型和小麦结构功能模型及可视化两方面,较系统综述了国内外具有代表性的生长模型和小麦地上部与根系的形态模拟及可视化的研究进展。在小麦生长模型方面,对美国的CERES-Wheat模型、荷兰的作物模型、澳大利亚的APSIM-Wheat模型和中国的WCSODS四种小麦生长模型进行了概述,并对小麦生长模型的发展趋势进行了探讨。在小麦结构功能模型方面,根据研究器官的不同对根系、茎杆、叶和麦穗的形态结构模型与可视化的研究进展进行了综述。最后,对小麦作物模型存在的问题及发展前景进行了总结。     

基于激光扫描点云数据的植物叶片三维可视化

利用三维激光扫描系统得到单个黄瓜叶片的点云数据,借助imageware软件对点云数据进行缩减和坐标转换处理,并在OpenGL中通过三角网格化处理得到能反映叶片真实几何形态的三维模型,同时运用着色技术实现了单个叶片的三维可视化,达到了较逼真的可视化效果,为建立黄瓜植株三维模型的可视化提供了基础。     

Modeling leaf color dynamics of winter wheat in relation to growth stages and nitrogen rates

The objective of this work was to develop a model for simulating the leaf color dynamics of winter wheat in relation to crop growth stages and leaf positions under different nitrogen (N) rates. RGB (red, green and blue) data of each main stem leaf were collected throughout two crop growing seasons for two winter wheat cultivars under different N rates. A color model for simulating the leaf color dynamics of winter wheat was developed using the collected RGB values. The results indicated that leaf color changes went through three distinct stages, including early development stage (ES), early maturity stage (MS) and early senescence stage (SS), with respective color characteristics of light green, dark green and yellow for the three stages. In the ES stage, the R and G colors gradually decreased from their initial values to steady values, but the B value generally remained unchanged. RGB values remained steady in the MS, but all three gradually increased to steady values in the SS. Different linear functions were used to simulate the dynamics of RGB values in time and space. A cultivar parameter of leaf color matrix (M_RGB) and a nitrogen impact factor (FN) were added to the color model to quantify their respective effects. The model was validated with an independent experimental dataset. RMSEs (root mean square errors) between the observed and simulated RGB values ranged between 7.0 and 10.0, and relative RMSEs (RRMSEs) ranged between 7 and 9%. In addition, the model was used to render wheat leaves in three-dimensional space (3D). The 3D visualizations of leaves were in good agreement with the observed leaf color dynamics in winter wheat. The developed color model could provide a solid foundation for simulating dynamic crop growth and development in space and time.     

基于机器视觉的稻茬麦单茎穗高通量表型分析

【目的】高通量表型技术不仅是现代育种领域的重要手段,也是解析田间作物生理生态行为的工具,但不同类别高通量表型技术的基础架构特征仍不清楚,因此需要针对机器视觉高通量表型技术进行专门探讨。【方法】本文用机器视觉技术检测计算稻茬麦茎穗一体的表型指标。使用宁麦13、鲁原502和郑麦9023 3个小麦品种,进行小区化对比试验,使用等孔距栅条精播板进行单粒精播,准确控制条播小麦的群体条件。于稻茬麦成熟期进行茎穗一体图像获取,对图像进行灰度增强、直方图均值化、S分量提取、Otsu阈值分割、茎穗分离和茎穗形态参数提取等操作。提取的稻茬麦地上部单茎穗各器官的形态参数包括茎秆长、茎秆平均宽度、茎秆投影面积、茎秆周长、麦穗长、麦穗平均宽度、麦穗投影面积和麦穗周长。同时,使用传统方法获取小麦单叶片质量、单茎秆质量、单穗质量和单穗籽粒产量等农艺性状指标。分别构建线性模型、二次模型、指数模型及拓展模型进行多维指标拟合,包括小麦单茎穗生物量与单穗籽粒产量关系、单茎穗的麦穗形态参数与单穗籽粒产量关系等拟合分析。在单茎穗层面对小麦茎穗的表型指标与单穗籽粒产量之间的关系进行相关分析和回归分析,进而基于机器视觉在小麦茎穗一体方面的个例应用,讨论大田高通量表型分析的机器视觉技术研发的要点。【结果】宁麦13、鲁原502和郑麦9023 3个小麦品种的单叶片质量与单穗籽粒产量的相关系数依次下降,小麦单茎穗形态参数与单穗籽粒产量的相关性显著低于生物量指标,但单穗投影面积、单穗长与单穗籽粒产量依然存在显著正相关。3个小麦品种在单茎穗的各生物量指标与单穗籽粒产量的最优回归模型各不相同,麦穗图像的形态参数不能准确反映单穗籽粒产量,但单茎穗的茎秆和麦穗形态参数的组合应用表现出最佳的拓展模型拟合结果。利用茎穗一体的数字图像处理所得的复合型形态参数可以准确预测单穗籽粒产量,从而表明利用机器视觉技术观测小麦的生长过程并实时预测产量的可行性。【结论】机器视觉技术能提供远高于常规农艺性状的高通量指标集,为解析各类农艺性状之间的联系及产量的通径分析提供更多的途径,但也造成高维指标集和有价值信息提取的技术困难。应用于田间小麦群体的机器视觉技术应具备多尺度智能化自适应的技术架构,同时应具备基于场景、群体、个体和器官的多空间尺度和苗期、分蘖期、拔节期等多生理时间尺度的统计性数字表型发现和计算能力,同时,机器视觉各技术研发环节和各技术模块都需要农艺学深度参与和校准,而配备标准表型数据库更是保障高通量技术实用性和可靠性的基础。     

田间小麦叶面积空间分布数学模型的建立与应用

 对不同类型冬小麦品种叶形空间分布参数进行了定量描述,建立了叶片形状、叶面积指数随生长期的变化、叶面积随高度的分布及叶倾角分布(LAD)等叶形空间分布的模型及计算系统,提出了叶片形状因子和长势模型,单叶空间最高点、高度层间隔内累积水平投影叶面积及各组分的空间取向与叶倾角分布解析模型系统及其主要设计算法。上述模型为具有普适意义的冬小麦冠层结构机理模型,其计算系统可以精确计算任意高度层次的投影叶面积分布特性,是评价作物株形结构优劣、判断群体结构合理与否的有力工具,对解析和利用多角度遥感数据监测作物长势等也有重要参     

土壤水分运动与作物生长过程耦合机理模型初探

根据冬小麦生长发育与土壤水分条件关系的机理研究,建立了田间条件下的土壤水分运动与作物生产耦合机理模型。该模型包括土壤水分运动子模型和作物生长发育子模型,分别模拟了棵间蒸发、根系吸水、生育期、光合、呼吸、同化物分配、根系生长、叶面积增长、产量形成等过程。用1995-10～1996-06的田间试验资料对模型进行验证,结果表明该模型能较好地模拟土壤水分运动与作物生长发育过程的耦合关系。     

不同品种和氮素条件下水稻茎鞘夹角动态模拟

【目的】建立水稻主茎上不同叶位叶片茎鞘夹角动态变化的模拟模型。【方法】基于不同株型品种和氮肥处理的水稻试验,连续观察并记录各处理不同生育时期、不同叶位的茎鞘夹角,进一步利用动态建模技术构建水稻主茎不同叶位茎鞘夹角的动态模拟模型。【结果】水稻茎鞘夹角随生长度日（GDD）不断加大,夹角从开始形成到基本稳定大致经历3个叶龄,且随氮肥施用量的增加而增大;最大茎鞘夹角随叶位的增加呈先增加后减小的趋势,第三叶的最大茎鞘夹角最大。利用Logistic方程可以描述不同品种、不同氮肥处理下,水稻茎鞘夹角随GDD的变化过程,使用直线型分段函数可以描述最大茎鞘夹角随叶位的动态变化规律,通过引入品种参数（第三叶位茎鞘夹角的最大值）量化了品种对茎鞘夹角的影响,同时在模型中添加氮素影响因子来体现氮素对茎鞘夹角的影响。【结论】利用独立的桶栽和池栽试验数据分别对模型进行检验,结果显示茎鞘夹角模拟值与观测值之间的均方根差RMSE分别为2.31°和2.87°;相对均方根差RRMSE分别为11.56%和14.77%,表明模型对水稻主茎茎鞘夹角的动态变化过程具有较好的预测性,可为水稻植株的可视化提供良好的技术支撑。