检索结果-内蒙古大学图书馆

农业工程学报 2019年第20期35卷 178-184页

作者：顾生浩王勇健温维亮卢宪菊于泽涛郭新宇北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097

光线分布和叶片光合特征在冠层内部具有极强的时空异质性,基于三维冠层模型的玉米光合模型是精确评估品种高光效的重要手段。该研究将作物三维冠层模型、光线分布模型、光合模型与光能利用模型相耦合,建立了玉米冠层光合生产模型3DMaize... 详细信息

光线分布和叶片光合特征在冠层内部具有极强的时空异质性,基于三维冠层模型的玉米光合模型是精确评估品种高光效的重要手段。该研究将作物三维冠层模型、光线分布模型、光合模型与光能利用模型相耦合,建立了玉米冠层光合生产模型3DMaizeCaP,设置3个不同株型的玉米品种(矮单268、京科968和郑单958),2种不同光照条件(晴天和阴天),通过大田试验与模型模拟研究揭示了玉米冠层光合速率和光能利用效率对品种和环境的响应。结果表明,矮单268、京科968和郑单958的叶片最大光合速率和暗呼吸速率均随节位下降呈线性降低的垂直分布规律,各品种中矮单268的最大光合速率最大,而暗呼吸速率最小;冠层净光合速率日变化趋势明显,矮单268在阴天和晴天下的冠层最大净光合速率(以CO2计)为21.6和26.2μmol/(m^2·s),均显著(P<0.05)高于京科968(20.8和24.9μmol/(m^2·s))和郑单958(19.6和24.4μmol/(m2·s));矮单268的日CO2净同化量在阴天和晴天下均显著(P<0.05)高于郑单958,增幅分别高达14.8%和12.4%,各品种间株型虽有显著差异(P<0.05),但冠层日累积光截获并无显著差异(P>0.05);单叶尺度上,各叶片中第16节位的单叶日净同化量达到最大;矮单268的光能利用效率最大,在阴天和晴天下分别为3.22和3.03 g/MJ,比京科968分别高4.5%和5.6%,比郑单958分别高7.7%和7.8%;初始光量子效率对玉米冠层光能利用效率的敏感性显著高于最大光合速率(P<0.05)。从提高玉米冠层光能利用效率考虑,建议设计株型紧凑、叶片光合性能强的玉米品种。研究可为定量研究玉米冠层光合速率提供估算方法,也可为高光效品种选育提供评价依据和鉴定技术。

关键词：光合作用作物模型冠层光分布三维点云植物功能结构模型光响应曲线光能利用效率

来源：评论

学校读者我要写书评

暂无评论

水稻株型优化设计系统的设计与实现

引用

系统仿真学报 2015年第10期27卷 2467-2474页

作者：丁维龙徐利锋危扬高楠浙江工业大学计算机科学技术学院杭州310023

在理想株型研究中,传统的基于田间试验的方法存在耗时长,难以验证株型是否达到最优形态等问题。为减少作物株型设计过程中人工干预所带来的成本提高和结果的不确定性,自动而又快速地获得作物高产株型,基于水稻的功能结构模型,将优化算... 详细信息

在理想株型研究中,传统的基于田间试验的方法存在耗时长,难以验证株型是否达到最优形态等问题。为减少作物株型设计过程中人工干预所带来的成本提高和结果的不确定性,自动而又快速地获得作物高产株型,基于水稻的功能结构模型,将优化算法应用到虚拟水稻的株型优化上。在VS2005平台上,使用C++编程语言、Open GL图形渲染引擎以及MFC框架,开发了水稻株型数字化设计与株型优化系统。介绍了系统的模块、系统构建的关键技术以及系统的实现。研究的基于虚拟模型的水稻株型优化设计方法,可为作物株型的定量化设计提供新的思路。

关键词：植物功能结构模型数字化设计水稻株型优化系统

来源：评论

学校读者我要写书评

暂无评论

基于节单位的玉米形态结构三维数字化可视化研究

基于节单位的玉米形态结构三维数字化可视化研究

引用

作者：王勇健南京农业大学

学位级别：博士

节单位(Phytomer)是高等植物结构与功能的重复单元,作为器官与个体之间的尺度,在植物结构与功能研究中具有承上启下的优势。应用数字化可视化技术研究玉米3D形态结构特征,对于还原玉米生长状态、研究玉米形态与结构功能关系、实现农业... 详细信息

节单位(Phytomer)是高等植物结构与功能的重复单元,作为器官与个体之间的尺度,在植物结构与功能研究中具有承上启下的优势。应用数字化可视化技术研究玉米3D形态结构特征,对于还原玉米生长状态、研究玉米形态与结构功能关系、实现农业科学向数字化、可视化、精准化和智能化的转变有着重要意义。本研究以玉米(Zea mays L.)作物为研究对象,通过开展不同株型品种、不同生态点的田间试验,来探究并实现基于节单位的玉米形态结构三维数字化可视化技术方法。首先对玉米节单位及三维形态结构特征参数进行系统化定义、制定数据获取规范并构建三维节单位模板库;然后分析不同品种三维节单位表型参数,获得不同品种三维节单位空间分布特征;进而基于三维节单位空间分布特征及模板库实现了玉米群体三维重建,并结合光分布模型与光合模型模拟了不同品种、不同生态点玉米在不同栽培措施条件下群体光分布与光合生产力的差异;最后基于连续时序节单位数据构建了同伸关系模型,并与三维节单位模板库结合实现了不同品种玉米动态生长模型的构建。本研究为玉米3D群体建模、理想株型优化设计和玉米数字孪生系统提供了模型支撑。主要研究结果如下:1、综合前人研究及多年田间试验和数据获取经验,从三维视角出发,对节单位组成进行定义,并提取出三维节单位参数集和数学表达式。并根据节单位组成定义制定了三维节单位数据获取规范,以此规范进行不同株型品种及生态点玉米三维节单位的获取。基于获取的三维节单位数据构建了玉米三维节单位模板库,用于玉米植株个体、群体快速三维重建及动态仿真。2、以不同株型玉米品种为材料,进行数据获取方法的比较分析,对比三维激光扫描仪、多角度图像与三维数字化仪三种数据获取方法发现多角度图像对于较小植株的玉米形态结构3D重建效果较好;三维激光扫描仪对于较大植株3D重建效果较好,但该两种方法只能获取植株可见部分信息;三维数字化仪通过手工交互进行3D信息采集,对三维节单位信息获取较全,但效率较低。对获取的节单位信息进行三维参数提取,如节单位空间分布、叶脉曲线长、叶片曲率、归一化体积等进行分析,发现不同品种三维节单位形态结构特征的空间分布规律不同,其中AD268穗下部较分散,穗上部分布集中;DMY2整体分布集中;JK968整体分布分散;ZD958穗上部分布分散,穗下部分布集中。通过对数据获取精度分析,发现三维数字化获取数据精度相比另外两种方法精度更高,分析结果为基于三维节单位的群体及动态重建提供了基础。3、为实现具有品种分辨率的玉米群体三维模型快速构建,本文提出了基于单株包围盒、节单位空间正态分布函数约束和三维节单位模板库的玉米群体三维重建思路和方法。该方法在三维节单位模板库调取模板,并按约束条件组装个体,通过不同的个体组合实现群体重建。通过实测LAI验证重建模型RMSE为0.1,相关系数R2为0.99。该方法与光分布模型、光合模型结合,实现了对不同品种、不同生态点以及不同栽培方式(东西向、南北向、等行距、宽窄行)的群体结构光分布和光合生产力评价。结果显示东西行向的群体光截获能力显著优于南北向,且行向对JK968和ZD958影响更显著,东西向比南北向增加30%以上群体光截获。行距的差异对不同品种光分布与光合生产力影响不显著,DMY2光能利用效率高于其它品种约45%。4、基于三维节单位模板库和同伸关系模型实现了玉米品种尺度三维形态建成过程仿真。三维动态仿真过程以叶龄作为驱动,对玉米植株生长状态进行宏状态与微状态分类,通过展开叶叶龄控制节单位数量及宏状态,节单位宏状态控制内部各器官发育微状态。对已完成形态建成完成的节单位直接组装,对形态建成过程中的节单位根据内部各器官生长状态进行三维形态生长控制后组装。实现了玉米三维动态生长过程仿真。对仿真后提取参数与实测数据对比,相关系数R2在0.87-0.96之间。

关键词：玉米节单位三维数字化三维可视化同伸关系群体重建光分布形态建成动态生长植物功能结构模型

来源：评论

学校读者我要写书评

暂无评论

水稻三维形态生长模型构建的初步研究

水稻三维形态生长模型构建的初步研究

引用

作者：吴灵通浙江大学

学位级别：硕士

近年来,植物模型的研究得到了迅猛的发展。本研究基于水稻生长发育规律,通过连续观测水稻地上部各器官的形态特征,综合研究了水稻生长发育的过程,结合植株相关生理过程,在GroIMP建模平台上初步构建了水稻三维形态生长模型。本研究在试... 详细信息

近年来,植物模型的研究得到了迅猛的发展。本研究基于水稻生长发育规律,通过连续观测水稻地上部各器官的形态特征,综合研究了水稻生长发育的过程,结合植株相关生理过程,在GroIMP建模平台上初步构建了水稻三维形态生长模型。本研究在试验观测的基础上,系统分析了水稻植株的生长发育和形态结构变化规律。采用S型曲线模拟了叶片的叶长和叶宽之间的关系；通过测量叶片与叶鞘之间的角度,分析了主茎和分蘖上的切角变化以及切角和张角之间的关系,结合叶片长度提出模拟叶片中脉曲线的方法；采用一元二次方程描述了叶片叶面积和叶长之间的变化规律,并分析了主茎上叶片的SPAD值变化；对于叶鞘和节间的形态模拟,分别应用一元二次方程和指数函数模拟叶鞘和节间长与叶位间的变化规律。根据试验结果,采用幂函数模拟水稻叶面积和积累的生物量之间的关系；分析了主茎各叶片比叶面积在叶位间的差异,结果显示比叶面积和叶位呈一元二次方程的关系。此外用S型曲线模拟了水稻植株在整个生长过程中的生物量积累过程。本研究依据上述水稻形态模拟模型,同时构建了水稻的光合模型和源库模型,以Thornley光合模型模拟了水稻叶片的光合作用过程；源库模型中采用p函数方程计算植株各器官的库强,根据各时期器官库强的大小将光合作用获得的光合产物进行同化物的分配,调节植物的生长。利用GroIMP建模平台初步建立了水稻功能结构模型。模型基于RGG(Relative Growth Grammar)图形文法和拓展L系统(XL)建模语言,并兼容Java语言。模型中包含的形态结构和生理功能之间紧密联系并且相互影响,能够输出直观的水稻动态生长过程,具有一定的指导意义。本研究采用的功能结构模型是新兴的模型构建方法,拥有广阔的发展前景。本研究建立的植物模型整合了植物结构和生理过程两方面的信息,且具备良好的扩展性,将会有助于我们理解作物在复杂环境中的表现,将来会在实践中得到越来越多的应用。

关键词：水稻拓扑结构几何特征形态结构形态建成光合作用源库模型植物功能结构模型 GroIMP

来源：评论

学校读者我要写书评

暂无评论

GreenLab模型20余年研究回顾与展望

引用

农业大数据学报 2021年第3期3卷 3-12页

作者：康孟珍王秀娟华净胡包钢王飞跃 De Reffye Philippe 中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190 中国科学院大学人工智能学院北京100049 北京市智能化技术与系统工程技术研究中心北京100190 中国科学院自动化研究所模式识别国家重点实验室北京100190 法国农业发展研究中心植物学与植物构造模型联合实验室蒙彼利埃F-34398

【有关概念】GreenLab是器官尺度的植物功能结构模型(Functional-Structural Plant Model,FSPM),采用离散动态系统的形式来描述植物的生长和发育过程,包括植物生物量产生和分配,以及结构形成等,是融合植物学、数学、农业、计算机、自动... 详细信息

【有关概念】GreenLab是器官尺度的植物功能结构模型(Functional-Structural Plant Model,FSPM),采用离散动态系统的形式来描述植物的生长和发育过程,包括植物生物量产生和分配,以及结构形成等,是融合植物学、数学、农业、计算机、自动化领域学科知识的通用模型。【目前研究现状】自1998年以来,基于中法合作,围绕GreenLab模型发展了包括双尺度自动机理论、分枝结构植物的参数反求方法、随机的植物功能结构模型以及理论计算、植物快速建模与可视化算法,开发了SciLab以及MatLab环境下的作物生长模拟与拟合软件,以及基于c++的面向复杂植物计算的软件。目前,GreenLab模型已应用于玉米、小麦、黄瓜、番茄、油菜、菊花、松树、枫树等具有不同特点的几十种植物,涵盖的植物类型从草本作物到复杂的树木。模型特色在于可通过观测植物的器官生物量和数量等数据,反求影响生物量产生和分配的模型内部源库参数;对于单枝或分枝结构、确定性或随机性结构,均能采用通用的器官尺度的数据进行模型校准。【本文的内容概括】本文回顾GreenLab模型的发展历程及其最新进展,介绍模型的基本概念和主要方法,包括双尺度自动机、器官序列,以及通用的植物拟合目标。详细介绍了GreenLab模型中所包含的结构模型(器官数量的计算、器官产生的随机性模拟等)、功能模型(植物和器官需求、生物量产生和分配、器官生长等),以及二者相结合进行参数反求的计算方法。【展望】随着植物表型技术的成熟和普及,GreenLab模型可用于平行农业种植系统的构建,服务植物与环境关系的深入理解,以及生产管理与控制中的智能决策支持。

关键词： GreenLab 植物功能结构模型离散动态模型参数校准平行农业系统

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：