漓江水陆交错带土壤粒径分形维数与水力性质

分析漓江水陆交错带土壤粒径分形维数与水力性质,为漓江流域水陆交错带土壤迁移、沉积和土壤水文循环模拟提供参考依据。以漓江5个典型水陆交错带样地为研究对象,测定土壤基本物理性质和水力参数,计算土壤粒径分形维数,基于相关分析、冗余分析和逐步回归分析探讨分形维数与水力性质的关系。结果表明,漓江水陆交错带土壤粒径主要集中在0～400μm,土壤质地偏细,黏粒含量较高;土壤粒径分布范围中体积分数占比大的颗粒占主导地位,土壤粒径主要分布在密集区域,但粒径分布稀疏区的土壤颗粒对环境因子更敏感;单重分形维数（D）、信息维（D(1)）、关联维（D(2)）、信息维/容量维（D(1)/D(0)）、谱宽（Δα）与饱和含水量、田间持水量、总孔隙度、VG模型和BC模型拟合的饱和含水量参数（VG-θs、BC-θs）呈显著负相关,与土壤容重呈显著正相关;D、D(1)、D(2)、D(1)/D(0)与土壤砂粒含量呈极显著负相关,与土壤颗粒比表面积、黏粒含量、粉粒含量呈极显著正相关;土壤基本物理性质可解释分形维数95.84%的变异,砂粒含量和总孔隙度是影响D值变化的主要因素,砂粒含量是影响D(1)、D(2)、D(1)/D(0)...     

基于状态机的植物生长模型可视化研究

在分析植物生长形态生理变化的基础上,揭示植物生长时空状态的变化规律,提出基于状态机的植物生长模型,并引入随机矢量真实预测植物的生长。根据该模型构建植物生长的可视化算法,合理组织有关植物生长的数据,并开发一个原型系统验证了该模型的有效性。     

植物根系竞争生长的三维可视化模拟

基于Simroot模拟系统的数学理论,结合Visual C++编程工具和OpenGL三维图形库技术,建立了一个虚拟植物根系竞争生长的三维可视化模拟系统.通过对作物大豆的根系竞争生长的模拟表明:本系统能够形象逼真地显现植物根系竞争生长的形态结构和生物特性,具有良好的通用性和适用性.     

基于微分L-系统的水稻根系三维生长模型研究

植物根系结构是其根系的空间构型,水稻根系结构表现出高度的多样性。为了探明水稻根系结构和分布规律,利用水培法开展试验,测定不同生长时期的根系三维空间坐标和形态参数,对水稻根系结构进行高精度的测量。统计分析所测试验数据,确定了根节点的初始位置、各级枝根的生长方向以及根系的生长函数。通过整合水稻根系的拓扑结构,量化其生物学特征,提出基于微分L-系统的水稻根系三维生长模型,以描述水稻根系生长规律,并检验该模型输出结果的精度。借助Visual C++和Open GL标准图形库实现了水稻根系三维生长可视化模拟系统,直观再现了水稻根系动态的生长过程。对比分析表明,系统对总根长、根表面积和根体积的平均模拟拟合度分别为96. 82%、95. 86%和93. 96%。     

RZWQM2模型对裸燕麦作物生长模拟的适用性研究

为评估RZWQM2模型在我国北方农牧交错带典型地区裸燕麦作物生长模拟研究中的适用性,优化裸燕麦生长过程研究的完整作物模型参数,通过北方农牧交错带典型区——河北坝上地区2018年和2019年两个完整生育期内裸燕麦田间试验,对该地区裸燕麦生长模拟参数在RZWQM2(Root Zone Water Quality Model...     

基于作物生长监测诊断仪的玉米LAI监测模型研究

为探索作物生长监测诊断仪（CGMD-402型）在作物长势监测应用中的精准性与适用性,连续2年在不同氮肥水平下进行不同玉米品种的实验。使用作物生长监测诊断仪采集冠层归一化差值植被指数（Normalized differential vegetation index,NDVI）、比值植被指数（Ratio vegetation index,RVI）,并同步以ASD FR-2500型野外高光谱辐射测量仪获取冠层光谱反射率,构建NDVI、RVI高光谱植被指数;通过对比两种仪器获取的植被指数特征及其定量关系,评价CGMD-402型作物生长监测诊断仪监测精度;基于CGMD-402型作物生长监测诊断仪获取的NDVI、RVI,建立叶面积指数（Leaf area index,LAI）监测模型,并对模型监测精度进行验证。结果表明：玉米冠层NDVI、RVI随施氮量增加而增加,增加幅度分别为8.20%~36.59%、4.40%~25.16%;CGMD-402型作物生长监测诊断仪与ASD FR-2500型野外高光谱辐射测量仪获取的NDVI、RVI相关系数分别为0.991、0.985,决定系数分别为0.983、0.969,说明CGMD-402型作物生长监测诊断仪具有较高的监测精度,可替代ASD FR-2500型野外高光谱辐射测量仪获取NDVI、RVI指数;利用CGMD-402型作物生长监测诊断仪获取NDVI、RVI,建立LAI监测模型的决定系数分别为0.911、0.898;以独立数据对模型精度进行验证,模型预测值与田间实测值间决定系数分别为0.963、0.954,相对误差分别为6.65%、9.37%,表明二者具有高度一致性。研究表明,利用作物生长监测诊断仪能有效监测玉米不同品种LAI动态变化,可以替代AccuPARLP-80型植物冠层分析仪获取玉米LAI数据。     

草地早熟禾叶片的虚拟生长模型及可视化研究

根据草地早熟禾叶片的生长形态及生长规律,通过对草地早熟禾叶片生长数据的分析研究,提出了不同生长时期草地早熟禾叶片的不同生长模型,利用时间参数将这两种模型结合在一起,建立了草地早熟禾叶片的连续虚拟生长模型,它能克服以往单一生长模型不能全面描述生长过程、模型间断、不连续等缺点.基于此生长模型,对草地早熟禾叶片的生长过程进行了三维可视化实现.     

基于骨架模型的玉米生长运动仿真与动画生成技

为了实现作物生长过程的定量化、可视化表达,提出了一种由作物形态结构特征参数驱动的作物骨架模型生长运动仿真和动画生成方法.基于对作物器官及个体精确定义的几何模型提取作物骨架,利用几何模型参数控制骨架上关节点的运动,结合参数关键帧插值技术确定整个骨架模型的生长运动,实现对作物生长运动的可视化模拟.从而构建一个虚拟作物骨架模型的三维生长动画系统,并以玉米为例进行了模拟.实验结果表明该方法能够较准确地模拟玉米植株的形态建成和运动特征,为真实、自然地模拟作物生长提供了一种可控、通用的方法.     

基于双指数模型的纵向附着系数计算模型

提出了一种含有3个参数的双指数形式的纵向道路附着系数计算模型。与目前应用的一些经验模型相比，该模型具有结构形式简单、需拟合参数少、计算量小的特点，能够较好地描述纵向附着系数随车轮滑移率及其他因素非线性变化的规律。通过仿真计算与试验结果以及与魔术公式拟合结果的比较，验证了该模型的有效性。     

基于马尔可夫模型的苹果树枝条生长仿真

以苹果树为研究对象,通过分析苹果树的生长规律和枝条的分枝模式,采用马尔可夫随机过程理论和隐式半马尔可夫模型建立了苹果树枝条分枝结构的随机模型.在此基础上,利用Visual C++平台结合OpenGL图形引擎实现了苹果树枝条生长过程的三维可视化仿真.模拟结果与观察结果相比较具有很好的一致性,说明提出的方法适用于描述苹果树枝条结构的发育过程,为果树数字化仿真研究提供了一种可行的技术手段.     

基于阻抗法的洛菲不动杆菌生长模型

利用平板计数法和阻抗法研究环境因子(温度和pH值)对洛菲不动杆菌最大生长速率比、培养液电导、导纳最大增长速率比的影响,采用二次旋转组合设计,分别获得了洛菲不动杆菌最大生长速率比对数值、电导最大增长速率比对数值、导纳最大增长速率比对数值与温度、pH值关系的多项式方程(Pr<0.05),并对建立的方程进行了验证。结果表明,洛菲不动杆菌最大生长速率模型优于另两个模型,R2=0.945 5,另两个模型在最大增长速率比小于0.06时效果较好。分别将阻抗法获得的电导最大增长速率比、导纳最大增长速率比与平板计数法获得的洛菲不动杆菌最大生长速率比进行相关关系分析,建立了立方模型,模型的R2分别为0.859和0.806。     

基于ST-LSTM的植物生长发育预测模型

提早预知植物生长发育是智能育种过程的重要组成部分,针对植物表型难以精准预测和模拟的问题,利用植物生长发育的空间和时间依赖性,提出了一种基于时空长短时记忆网络（Spatiotemporal long short-term memory, ST-LSTM）的植物生长发育预测模型,实现植物生长发育的预测。首先,通过微调Mask R-CNN模型实现识别、提取植物掩模,预处理具有时空相关性的植物生长发育图像序列,构建植物生长发育预测数据集。然后,基于ST-LSTM建立植物生长发育预测模型,利用历史生长发育图像序列,融合时空深度特征,预测植物未来的生长发育图像序列。研究结果表明,所提出模型预测的图像序列与生长发育实际图像序列具有较高的一致性和相似性,首个预测时间节点的结构相似度为0.874 1,均方误差为17.10,峰值信噪比为30.83,测试集的冠层叶面积、冠幅和叶片数预测R²分别为0.961 9、0.908 7和0.915 8。该研究实现了基于植物生长发育图像序列的生长发育预测,有效减少了田间反复试验的时间、土地和人力成本,为提高智能育种效率提供了参考。     

基于ST-LSTM的植物生长发育预测模型

提早预知植物生长发育是智能育种过程的重要组成部分,针对植物表型难以精准预测和模拟的问题,利用植物生长发育的空间和时间依赖性,提出了一种基于时空长短时记忆网络（Spatiotemporal long short-term memory,ST-LSTM）的植物生长发育预测模型,实现植物生长发育的预测。首先,通过微调Mask R-CNN模型实现识别、提取植物掩模,预处理具有时空相关性的植物生长发育图像序列,构建植物生长发育预测数据集。然后,基于ST-LSTM建立植物生长发育预测模型,利用历史生长发育图像序列,融合时空深度特征,预测植物未来的生长发育图像序列。研究结果表明,所提出模型预测的图像序列与生长发育实际图像序列具有较高的一致性和相似性,首个预测时间节点的结构相似度为0.8741,均方误差为17.10,峰值信噪比为30.83,测试集的冠层叶面积、冠幅和叶片数预测R2分别为0.9619、0.9087和0.9158。该研究实现了基于植物生长发育图像序列的生长发育预测,有效减少了田间反复试验的时间、土地和人力成本,为提高智能育种效率提供了参考。     

基于修正logistic模型的番茄单个果实生长规律模拟

采集不同季节、不同密度的番茄种植试验的果实数据,结合环境(温度、湿度、光照强度)数据,建立了基于修正logistic模型的模拟番茄单个果实生长变化的动态模型.用Matlab软件拟合了模型输出与试验数据.结果表明,给定密度下不同位置的果实具有相同库容,同穗果实的直径存在线性关系,不同穗果实之间生长存在延迟.     

基于随机森林模型的林地叶面积指数遥感估算

林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R~2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R~2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。     

基于单参数Logistic的典型作物相对叶面积指数模型研究

为系统分析叶面积指数变化特征,构建便于实际应用的作物生长模型,在对现有叶面积指数模型参数变化特征分析的基础上,以相对有效积温为自变量,利用修正Logistic模型分析了冬小麦、夏玉米、水稻3种作物相对叶面积指数的增长特征,并确立了模型参数之间的关系。研究结果表明,参数a、b和c与相对有效积温特征值有关,随着c的增大,a逐渐增大、b逐渐减小,且其增大或减小速率均与相对有效积温有关;参数a、c与b之间也存在一定函数关系。基于参数之间的关系,对相对化修正Logistic模型进行了简化,建立了描述冬小麦、夏玉米和水稻3种作物的叶面积指数增长过程的单参数Logistic模型。利用实测资料对模型进行了评估,结果表明,该模型能够很好地模拟相对叶面积指数的增长变化过程。该简化模型参数少、形式简单、便于分析,因此易于应用,对建立其他作物的单参数相对叶面积指数模型具有一定的参考价值。     

基于无人机高光谱长势指标的冬小麦长势监测

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitoring indicator,GMI)的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R~2、RMSE和NRMSE分别是0. 716 4、0. 096 3、15. 90%。     

基于NDVI与EVI的作物长势监测研究

基于2015年大气校正后的时间序列Landsat8影像,研究了归一化植被指数NDVI与增强型植被指数EVI随植被覆盖度增加的变化规律,定量分析了二者监测低、中、高植被覆盖的差异,比较分析了NDVI和EVI分布频率曲线差异及时间序列曲线差异。结果表明:地表刚出现植被时,NDVI和EVI的增加速度最快,随着地表植被覆盖度的增加,NDVI与EVI的增加速度减缓。低植被覆盖下NDVI的增加速度大于EVI,中等植被覆盖下NDVI和EVI的增加速度接近,高植被覆盖下NDVI的增加速度小于EVI,不同植被覆盖下的NDVI值始终大于EVI值。NDVI和EVI分布频率曲线能描述不同植被覆盖度像元数量和随时间的变化。NDVI和EVI时间序列曲线能清晰反映一种作物的长势变化规律及不同作物在同一时期的长势差异。在作物生长初期或低植被覆盖下,NDVI、EVI都偏高估计植被覆盖度,NDVI估计值略高于EVI的估计值。在作物生育中期或中等植被覆盖下,二者对植被描述能力相似。在作物生育高峰期或高植被覆盖下,监测作物长势变化EVI比NDVI更敏感。综上所述,监测作物时可根据作物生育期植被覆盖度变化特点合理选取NDVI和EVI植被指数,也可同时选用NDVI和EVI两种植被指数互为补充。     

作物生长模拟模型研究综述

阐述了作物生长模拟模型的概念及其意义、国内外研究进展、存在的问题和发展趋势。国内外作物模拟模型的研究主要以水稻、小麦和玉米作物模拟模型研究为主,近几年也出现了对其他作物模拟模型的研究,如大豆、棉花、烟草、马铃薯、苜蓿以及一些园艺作物。在分析已有作物生长模拟模型研究存在问题的基础上,提出了作物生长模拟模型研究的发展趋势。