基于器官尺度虚拟玉米冠层直射光分布的快速计算模型

为了给精确农业研究中所需的植物冠层光分布快速计算提供解决方法，提出了一个基于虚拟相机的玉米冠层直射辐射分布快速计算模型。该模型主要包括一个能代表田间玉米植株群体空间结构特征的虚拟冠层和一个虚拟相机，采用虚拟相机从太阳入射方向拍摄冠层图像，通过图像判读计算出植株各器官的太阳直射辐射分布。从模拟精度与模拟时间两方面评估了该模型的有效性。结果表明，该模型能很好地模拟器官尺度的植株光分布，并且比现有模型明显地缩短了计算时间。在引入计算虚拟冠层最小复制植株数的算法后，该模型的计算时间还能进一步缩短。另外，还探讨了虚拟冠层的植株器官形态简化描述的可行性，结果表明过度简化会导致模拟误差的明显增加。     

基于优先分配的玉米单个籽粒生长模拟

精确预测作物产量对于作物生产、栽培措施优化等具有重要意义。玉米单个籽粒的质量差异对玉米产量有显著影响,并且雌穗不同位置的籽粒获取同化物的能力不同。当前的玉米模型中由于缺乏基于单个籽粒生长机制的模拟过程,从而限制了其在更广泛环境下对产量的模拟精度和预测能力。为了量化雌穗不同位置籽粒对于同化物的竞争能力,基于源库理论建立了玉米单个籽粒灌浆过程的模型,并引入“优先权”方程量化雌穗一列籽粒中每个籽粒获取同化物的“优先”能力,整合进入潜在籽粒生长需求计算新的籽粒库强。通过多年多源库水平的玉米田间试验数据对模型的有效性进行系统评估。结果表明,引入“优先权”后明显提高不同位置籽粒的干质量的模拟精度。这为理解单个籽粒的生长发育过程、玉米产量形成过程提供基础依据。     

基于超分辨率重建和多模态数据融合的玉米表型性状监测

无人机遥感技术已逐渐成为获取作物表型参数的重要工具,如何在不降低测量精度的同时提高空间分辨率和测量通量受到表型研究人员的重视。该研究以玉米为研究对象,获取5个生育期无人机图像序列,结合小波变换与双三次插值对数码影像进行超分辨率重建,提取原始影像和重建影像的冠层结构、光谱等参数。基于单一参数和多模态数据构建地上生物量估算模型。结果表明：重建影像质量较高、失真较小,其峰值信噪比为21.5,结构相似性为0.81。航高60 m的重建影像地面采样距离与30 m的原始影像相近,但每分钟可多获取0.2 hm2地块的图像。多模态数据融合在一定程度上克服冠层饱和问题,相对于单一参数获得更高的生物量估测精度,拟合的决定系数为0.83,单一参数拟合的决定系数为0.095～0.750。在采用更高飞行高度条件下,结合超分辨率重建和多模态数据融合估算生物量的精度没有降低、反而略有提高,满足更高测量通量的需求,为解码基因型与表型关联的策略提供依据。     

玉米生长虚拟模型GREENLAB-Maize的评估

GREENLAB-Maize虚拟模型采用并行模拟植株功能与结构的机制来模拟玉米植株在不同环境条件(目前只考虑气象条件)下的生长。该模型逐时段模拟植株光合产量和光合产物向各个器官分配的数学公式的主要参数不能通过简单的方法确定，称为隐含参数，是通过将该模型与非线性最小二乘法结合，并以田间植株生长的测定值为目标文件而反求出的。本文首先对参数反求方法进行了改进，结果表明以植株多个生长时段的测定数据为目标文件来反求参数值时，其变异系数明显比只用某一个时段的测定数据时低。从模型隐含参数的稳定性和模型模拟效果两方面对该模型进行了评估。对气象条件不同而其他条件相同的4组玉米试验、玉米不同生长阶段以及不同取样植株个体等情况下所反求的隐含参数值的稳定性统计分析表明，模型隐含参数值因气象条件、生长阶段以及植株个体差异而产生的差异均不显著，可以认为它们是植株生长内在的、稳定的参数。本文还对该模型的植株形态模拟模块进行了改进。模型较好地模拟了植株的生长状况，但还有必要对植株光合生产模块等进行改进。     

土壤养分与作物产量的空间变异特征与精确施肥

 对位于北京顺义的北方精准农业示范区 ,采用GPS定位 ,测定了其表层 80个土样的速效养分 (N、P、K、Fe、Mn、Cu、Zn)、有机质和全氮的含量及作物产量。结果表明 ,所有观测项目的变异系数均属于中等变异强度。作物产量与速效磷、全氮及有机质的相关性最大 ,pH与各种养分及微量元素均呈明显的负相关。通过结构分析 ,发现土壤pH的空间相关距最大 ,达 3.3km ,碱解氮和速效铁的自相关距最小 ,仅 0 .14km。其余观测项目的自相关距范围为0 .387- 1.11km。采用Kriging方法并结合GIS绘制了等值线图 ,可更直观地了解整个示范区的土壤养分丰缺状况。以施氮为例 ,精确管理的施肥方案要比粗放管理节约肥料 4 8.7%。     

基于无人机可见光与激光雷达的甜菜株高定量评估

甜菜株高可用于估算根系生物量、指示水分胁迫,还可作为甜菜氮含量和产量的有效指示因子,是育种者和农田管理者评估大田甜菜生长状态的重要参数。本研究以186个不同基因型的大田甜菜为研究对象,探究无人机分别搭载可见光(RGB)相机与激光雷达(Li DAR)系统对大田作物株高估算的精度差异,并与田间测定值进行比较。结果表明,基于无人机Li DAR系统估算的株高与实测值的相关性高于无人机搭载RGB相机估测的相关性。进一步对点云进行分层分析,比较点云在冠层内分布的差异,结果表明,对于作物生长后期群体冠层封闭时,无人机Li DAR系统相较于无人机搭载RGB相机系统能重建更为完整的冠层三维结构。     

基于三维点云的甜菜根表型参数提取与根型判别

为挑选产糖量高且适合机械化收获的甜菜根型,该文基于多视角图像序列,构建了207个基因型甜菜根的三维点云模型。基于三维点云提取了描述甜菜根形态特征的10个表型参数:最大直径、根长、凸包体积、顶投影面积、紧凑度、凸起率、凸起角、根头比、根尾比和根体渐细指数。与人工测定的最大直径和根长值进行校验,决定系数R2均在0.95以上。其中根长、凸包体积及顶投影面积与生产指标呈极显著(P0.01)相关关系。采用稳定性较高的K-medoids聚类算法将甜菜根型分为4类,结合专家知识获取理想根构型的主要特征为根型中等长度、比例适中。采用线性判别、随机森林、支持向量机、决策树和朴素贝叶斯5种预测模型进行根型判别。结果表明5种根系判别模型预测准确率均在70.0%以上,随机森林判别准确率达到81.4%。研究结果将为培育高品质和适应机械化生产的甜菜品种提供依据。     

基于机器视觉的大田植株生长动态三维定量化研究

高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。     

基于无人机平台的柑橘树冠信息提取

为了快速获取柑橘树冠信息,提升柑橘园精准管理,该研究基于无人机平台获取了柑橘数码和多光谱影像,分析了无人机影像反演柑橘树冠信息的效果。首先利用无人机数码影像及分水岭算法进行柑橘单木分割,然后构建柑橘树冠层高度模型,提取柑橘株数、株高、冠幅投影面积等结构参数信息,进而利用无人机多光谱影像获取柑橘的8种常用植被指数,采用全子集分析法筛选柑橘冠层氮素含量的敏感植被指数,构建基于多元线性回归的冠层氮素遥感反演模型,进行以冠幅为基本单元的柑橘树冠层氮素含量遥感制图。研究结果表明:柑橘的单木识别准确率在93%以上,召回率在95%以上,平均F值为96.52%;柑橘树的反演株高与实测株高具有较强的相关性,决定系数R2为0.87,均方根误差为31.9cm;单株冠幅投影面积与人工绘制的冠幅面积的决定系数,除果园A在12月的结果较低(R2为0.78)外,其余均在0.94及以上;采用全子集分析法筛选的柑橘冠层氮素敏感植被指数为归一化植被指数(NDVI)、绿色归一化植被指数和冠层结构不敏感指数,所建立的多元回归模型的决定系数R2达0.82,均方根误差为0.22%,相对误差为6.59%。综上,无人机影像在柑橘树冠参数信息提取方面具有较好的应用效果,能够快速有效地提取柑橘树冠参数信息。该研究可为使用无人机平台进行果园精准管理提供技术支撑。