CN107403233A - 一种玉米株型优化方法及系统 - Google Patents
一种玉米株型优化方法及系统 Download PDFInfo
- Publication number
- CN107403233A CN107403233A CN201710429019.1A CN201710429019A CN107403233A CN 107403233 A CN107403233 A CN 107403233A CN 201710429019 A CN201710429019 A CN 201710429019A CN 107403233 A CN107403233 A CN 107403233A
- Authority
- CN
- China
- Prior art keywords
- parameter
- corn
- maize
- plant type
- population
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G2/00—Vegetative propagation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Botany (AREA)
- Developmental Biology & Embryology (AREA)
- Environmental Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明提供了一种玉米株型优化方法及系统,方法包括根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算;分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算;根据各次迭代的结果生成不同的玉米株型、群体及光环境下的玉米光截获能力数据库;以及,在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果。本发明能够快速且可靠地对玉米株型进行优化,进而缩短玉米新品种选育周期并减少育种劳动强度。
Description
技术领域
本发明涉及农业信息技术领域,具体涉及一种玉米株型优化方法及系统。
背景技术
株型优化在玉米栽培、育种方面都是国内外的热点问题。国内玉米育种专家认为,从玉米理想株型育种角度分析,株型育种的潜力还没有完全挖掘出来。随着育种材料优良株型基因的丰富,育种者寄希望于在杂种优势基础上结合玉米理想株型的再创新,实现新品种选育的又一次突破。
目前玉米株型选择多以定性的形态性状引导玉米育种的传统实验方式为主,一般而言,育种者倾向于利用构成玉米株型的叶型、根型、茎型和穗型等比较容易操作的形态性状进行选择育种,通过对这些形态性状的选择并结合大量田间育种实验,使玉米在全生育期充分捕获和利用太阳能,达到最大限度提高产量的目的。
但依靠传统实验手段样本量大、周期长、效率低,极大地限制了玉米理想株型选育的发展速度。
发明内容
针对现有技术中的缺陷,本发明提供一种玉米株型优化方法及系统,能够快速且可靠地对玉米株型进行优化,进而缩短玉米新品种选育周期并减少育种劳动强度。
为解决上述技术问题,本发明提供以下技术方案:
一方面,本发明提供了一种玉米株型优化方法,所述方法包括:
根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算;
分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算;
根据各次迭代的结果生成不同的玉米株型、群体及光环境下的玉米光截获能力数据库;
以及,在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果。
进一步地,所述玉米参数组包括:玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数。
进一步地,所述根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算,包括:
根据玉米的叶片的形态参数、玉米的株型参数、玉米群体的株距和行距参数,依次初始状态的建立叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型,以及,根据玉米群体网络模型进行玉米群体光截获能力计算。
进一步地,所述分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算,包括:
分别多次调整玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数;
以及,根据每次调整后的玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数,对所述叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型的构建过程,以及,玉米群体光截获能力计算的过程进行迭代,完成玉米群体交互设计和所生成群体的光截获能力计算。
进一步地,所述在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果,包括:
在所述玉米光截获能力数据库中确定多个叶片形态参数、株型参数和群体参数,并查找修改后使得光截获能力最大的参数,确定最优的株型或群体参数,完成对目标玉米株型及种植方式的优化。
另一方面,本发明还提供了一种玉米株型优化系统,所述系统包括:
初始状态模型建立模块,用于根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算;
模型迭代模块,用于分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算;
玉米光截获能力数据库生成模块,用于根据各次迭代的结果生成不同的玉米株型、群体及光环境下的玉米光截获能力数据库;
玉米株型优化模块,用于在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果。
进一步地,所述玉米参数组包括:玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数。
进一步地,所述初始状态模型建立模块包括:
初始状态模型建立单元,用于根据玉米的叶片的形态参数、玉米的株型参数、玉米群体的株距和行距参数,依次初始状态的建立叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型,以及,根据玉米群体网络模型进行玉米群体光截获能力计算。
进一步地,所述模型迭代模块包括:
参数调整单元,用于分别多次调整玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数;
玉米群体交互设计单元,用于根据每次调整后的玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数,对所述叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型的构建过程,以及,玉米群体光截获能力计算的过程进行迭代,完成玉米群体交互设计和所生成群体的光截获能力计算。
进一步地,所述玉米株型优化模块包括:
玉米株型优化单元,用于在所述玉米光截获能力数据库中确定多个叶片形态参数、株型参数和群体参数,并查找修改后使得光截获能力最大的参数,确定最优的株型或群体参数,完成对目标玉米株型及种植方式的优化。
由上述技术方案可知,本发明所述的一种玉米株型优化方法及系统,其中的方法根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算;分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算;根据各次迭代的结果生成不同的玉米株型、群体及光环境下的玉米光截获能力数据库;以及,在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果。本发明能够快速、准确地定量化、可视化和描述玉米株型与群体的形态结构特征,并准确评价不同玉米株型和冠层的光截获能力,能够快速且可靠地对玉米株型进行优化,为国内外育种研究人员提供玉米辅助株型育种信息化技术手段,为不同地理位置、不同栽培方式下的玉米株型性状寻优策略提供引导。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种玉米株型优化方法的流程示意图;
图2是本发明的玉米株型优化方法中步骤001至003的流程示意图;
图3是本发明的玉米株型优化方法中步骤200的流程示意图;
图4是本发明的玉米株型优化方法中步骤300的流程示意图;
图5是本发明的一种玉米株型优化系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的实施例一提供了一种玉米株型优化方法的具体实施方式,参见图1,所述玉米株型优化方法具体包括如下内容:
步骤100:根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算。
在步骤100中,所述玉米参数组包括:玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数;相应的,所述玉米群体几何模型包括:叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型。
步骤200:分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型,进行光截获能力计算。
在步骤200中,根据玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数,,生成对应玉米群体几何模型,以及,根据玉米群体几何模型进行玉米群体光截获能力计算。
步骤300:根据各次迭代的结果生成不同的玉米株型、群体及光环境下的玉米光截获能力数据库。
在步骤300中,分别多次调整玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数;以及,根据每次调整后的玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数,对所述叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型的构建过程,以及,玉米群体光截获能力计算的过程进行迭代,完成玉米群体交互设计和所生成群体的光截获能力计算。
步骤400:在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果。
在步骤400中,在所述玉米光截获能力数据库中确定多个叶片形态参数、株型参数和群体参数,并查找修改后使得光截获能力最大的参数,确定最优的株型或群体参数,完成对目标玉米株型及种植方式的优化。
从上述描述可知,本发明的实施例通过快速、准确地定量化、可视化设计和描述玉米株型与群体的形态结构特征,以三维可视计算的方式评价不同玉米株型和冠层的光截获能力,研制玉米株型优化设计系统与方法,为国内外育种研究人员提供玉米辅助株型育种信息化技术手段,为不同地理位置、不同栽培方式下的玉米株型性状寻优策略提供引导。
本发明的实施例二提供了一种玉米株型优化方法中步骤100之前步骤001至003的具体实施方式,参见图2,所述步骤001至003具体包括如下内容:
步骤001:根据三维扫描仪,获取多组玉米叶片三维点云数据。
步骤002:选取优良育种材料叶片,并根据材料散射和外观特性测量系统测量目标玉米叶片的双向反射/透射分布函数。
步骤003:构建玉米株型参数约束关系。
在步骤003中,所述玉米株型参数约束关系包括不同叶位叶倾角之间的约束关系模型、叶片着生高度约束模型、不同叶位叶长和叶宽约束模型,利用约束模型,通过改变其中一个参数即可实现整株对应株型参数的调整。
从上述描述可知,本发明的实施例通过数据获取与参数约束关系构建,为玉米株型优化提供了准确且全面的数据基础,进而保证了玉米株型优化的准确性。
本发明的实施例三提供了一种玉米株型优化方法中步骤200中的所述根据玉米群体网络模型进行玉米群体光截获能力计算的具体实施方式,参见图3,所述根据玉米群体网络模型进行玉米群体光截获能力计算具体包括如下内容:
步骤201:将所述玉米群体网络模型作为光分布计算输入组中的一部分。
在步骤201中,所述光分布计算输入组还包括群体外光环境参数、地理位置参数和叶片光学属性参数。
在步骤201中,所述群体外光环境参数包括:光分布计算模拟的计算日期、起止时间、冠层外部总光强变化、冠层外部光强中直射光的比例;所述地理位置参数包括:经度、纬度。
步骤202:根据所述光分布计算输入组,进行瞬时光分布计算,得到所述玉米群体网络模型上各面元的光合有效辐射强度。
步骤203:根据所述玉米群体网络模型上各面元的光合有效辐射强度,进行累积光截获的计算,得到当前玉米群体所截获的光合有效辐射的总量,所述当前玉米群体所截获的光合有效辐射的总量即为当前玉米群体在当前光环境下的光截获能力。
从上述描述可知,本发明的实施例能够根据所述玉米群体网络模型进行光截获能力计算,准确获取目标玉米群体在当前光环境下的光截获能力。
为进一步的说明本方案,本发明还提供了一种玉米株型优化方法的应用实例,参见图4,具体包括如下内容:
5.1数据获取与参数约束关系构建
(1)利用三维扫描仪,获取多组典型玉米叶片三维点云数据。
(3)构建主要玉米株型参数约束关系,包括不同叶位叶倾角之间的约束关系模型、叶片着生高度约束模型、不同叶位叶长和叶宽约束模型,利用约束模型,通过改变其中一个参数即可实现整株对应株型参数的调整。
5.2玉米群体交互设计
(1)叶片骨架建模:利用玉米叶片形态参数作为已知参数,包括叶倾角α和叶长L等参数,结合NURBS曲线建模方法,构建玉米叶脉骨架三维模型。
在玉米叶片叶脉建模中,其建模过程与小麦叶片的叶脉建模方法相同,即基于NURBS曲面,构造玉米叶片模型,其中,玉米叶片的几何形态主要由叶片主脉、叶边缘曲线和叶形特征决定,而叶片主脉决定了叶片的空中伸展状态。在理想情况下,假设叶片不发生卷曲、扭曲等变形,一旦确定了叶片主脉上m个控制点的坐标,则其余控制点的x、y坐标与同一行主脉上控制点的x、y坐标相同,z坐标则由控制点处的叶宽来决定。因此,借助田间试验实测的玉米形态数据(叶长、叶宽、茎叶夹角、叶片弯曲度、茎节长度、茎秆直径等),计算叶片主脉控制点坐标,是确定叶片NURBS曲面控制点的关键。
即,主脉上任一控制点的坐标Pi(xi,yi0)(0≤i<m)可按如下方法计算,其中m为控制顶点的数量:
直立叶形:
弯曲叶形:设叶片弯曲度为β,则叶脉前k个控制点的坐标Pi(xi,yi0)(0≤i<k)计算方式与直立叶形相同,剩余m-k个控制点的坐标Pi(xi,yi0)(k≤i<m)按如下方法计算:
(2)叶片网格建模:利用所获取的玉米叶片三维点云数据,通过点云去噪、点云重采样、网格生成和网格优化,生成玉米叶片网格模板,即针对玉米叶片形态特征,选定最适三维扫描仪进行叶片点云数据获取,通过点云的配准、简化及去噪等操作得到高质量叶片点云数据,在此基础上进行叶片网格生成与网格优化,最终得到高精度玉米叶片网格模型。结合骨架驱动的作物叶片曲面变形方法,以叶脉曲线为主变形控制骨架,叶宽为调控参数,实现玉米叶片的几何建模,即首先生成叶片的主脉骨架,为了描述叶片的弯曲形状及进行变形,另外还需设置若干条垂直于主脉骨架的横向骨架,主脉骨架和横向骨架共同构成单张叶片的骨架模型。然后,驱动骨架模型发生变形,并根据变形后的叶片骨架将变形操作应用到叶片曲面上,最终实现叶片曲面变形。
(3)植株网格建模:利用株高、叶片数、植株方位平面角、叶片着生高度、叶方位角、穗位高等株型参数,结合玉米参数化几何建模方法,生成玉米单株骨架几何模型,且该玉米单株骨架几何模型能够通过玉米三维重构及可视化系统实现;通过上述叶片网格建模方法所构建的叶片网格模型,加载叶片网格模板实现玉米单株几何模型的构建。
(4)在玉米单株几何模型基础上,通过设置玉米群体的株距和行距参数,并指定群体种植朝向,生成玉米群体几何模型。
5.3光截获能力计算分析
(1)光分布计算输入:
A)玉米群体几何模型:上述方法得到的玉米群体几何模型
B)群体外光环境参数:光分布计算模拟的计算日期、起止时间、冠层外部总光强变化、冠层外部光强中直射光的比例
C)地理位置参数:经度、纬度
(2)光截获总量计算,具体可以通过采集作物冠层形态数据并建立作物几何模型;计算所述作物几何模型的面元的天空可见率;在步骤S2的基础上计算所述面元的光强;以及,通过所述面元的光强计算设定时间段内作物的光截获总量的方式来实现。
瞬时光分布计算:利用上面的光分布计算输入,首先将计算日期的起止时间分割为一定的步长(如半小时计算一次),计算每个时间的作物群体的瞬时光截获。首先利用Z-Buffer方法计算冠层内的直射光分布,然后利用基于多分辨率细分半球计算冠层内的散射光分布,得到玉米群体几何模型上各面元的光合有效辐射强度。
累积光截获的计算:在玉米冠层光分布瞬时计算方法的基础上,通过对玉米冠层内各几何面元做时间步长加权积分,实现玉米冠层内某时间段内的光截获累积计算;最后通过对各玉米叶片器官上的各网格上该时间段内所截获的光合有效辐射总量,按照面积,从器官-单株-群体进行累加求和,得到当前玉米群体所截获的光合有效辐射的总量,称之为当前玉米群体在当前光环境下的光截获能力。
5.4玉米株型优化设计
针对5.2中的株型及群体参数,每修改一个株型及群体参数即可得到一个新的玉米群体几何模型,几何模型的改变会直接造成光截获能力的改变;针对5.3中的光分布计算参数,每修改一个参数即可得到一个新的光截获能力计算结果。
利用5.2及5.3中的参数及所计算得到的光截获能力组成一个数据库,各参数作为一个关键字,通过不断调整这些参数使得数据库中数据的容量不断提升。从数据库中通过确定大部分株型参数,并查找某几个改变参数下光截获能力最大的数据,从而确定最优的株型或群体参数,即实现了株型的寻优。
在一种具体举例中,如拟计算齐齐哈尔市(经纬度已知)多大的玉米叶倾角能截获较大的光能,此时其他参数均确定,不断修改叶倾角的数值,通过调整其中一个叶片的叶倾角在5.1(3)中叶倾角约束模型的指导下,实现整株叶倾角的调整,进而得到不同叶倾角玉米群体网络模型并得到不同叶倾角下玉米群体的光截获能力,全部添加到数据库中,从其中找出最大光截获能力数据所对应的叶倾角,即为齐齐哈尔适宜种植玉米的最适合的叶倾角。进而育种专家可根据这个最优叶倾角的指导去筛选基因来培育适合齐齐哈尔种植的玉米新品种。
另外一个例子是在栽培中,如果已经确定了品种,那么这个品种的株型参数就都确定,想知道这个品种在某地最适合的种植密度是多少,也可通过不断调整株距和行距参数,查找能够实现光截获能力最大群体的株行距即可。
从上述描述可知,本应用实例整合了玉米单株及群体几何模型构建方法、作物冠层光分布计算方法,通过对株型参数、群体参数、光分布计算参数的调整,得到不同条件下、不同玉米群体的光截获能力,构建数据库,通过丰富数据库查找某种条件下最优的株型参数;利用本发明所研制的玉米株型优化设计系统,玉米育种科研人员可通过系统在计算机上提前根据拟育种的地里位置及当地的气候条件,虚拟构建出不同玉米的株型信息,并通过可视化模拟计算得到能使玉米群体最大程度的截获光能的玉米株型指标和种植密度等信息,进而缩短玉米新品种选育周期并减少育种劳动强度。
本发明的实施例四提供了一种能够实现上述方法各全部内容的玉米株型优化系统的具体实施方式,参见图5,所述玉米株型优化系统具体包括如下内容:
初始状态模型建立模块10,用于根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算。
在上述描述中,玉米参数组包括:玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数。
所述初始状态模型建立模块包括:
初始状态模型建立单元,用于根据玉米的叶片的形态参数、玉米的株型参数、玉米群体的株距和行距参数,依次初始状态的建立叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型,以及,根据玉米群体网络模型进行玉米群体光截获能力计算。
模型迭代模块20,用于分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算。
在上述描述中,所述模型迭代模块包括:
参数调整单元,用于分别多次调整玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数;
玉米群体交互设计单元,用于根据每次调整后的玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数,对所述叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型的构建过程,以及,玉米群体光截获能力计算的过程进行迭代,完成玉米群体交互设计和所生成群体的光截获能力计算。
玉米光截获能力数据库生成模块30,用于根据各次迭代的结果生成不同的玉米株型、群体及光环境下的玉米光截获能力数据库。
玉米株型优化模块40,用于在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果。
在上述描述中,玉米株型优化模块40包括:玉米株型优化单元,用于在所述玉米光截获能力数据库中确定多个叶片形态参数、株型参数和群体参数,并查找修改后使得光截获能力最大的参数,确定最优的株型或群体参数,完成对目标玉米株型及种植方式的优化。
从上述描述可知,本发明的实施例能够快速、准确地定量化、可视化和描述玉米株型与群体的形态结构特征,并准确评价不同玉米株型和冠层的光截获能力,能够快速且可靠地对玉米株型进行优化,为国内外育种研究人员提供玉米辅助株型育种信息化技术手段,为不同地理位置、不同栽培方式下的玉米株型性状寻优策略提供引导。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种玉米株型优化方法,其特征在于,所述方法包括:
根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算;
分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算;
根据各次迭代的结果生成不同的玉米株型、群体及光环境下的玉米光截获能力数据库;
以及,在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果。
2.根据权利要求1所述的方法,其特征在于,所述玉米参数组包括:玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数。
3.根据权利要求2所述的方法,其特征在于,所述根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算,包括:
根据玉米的叶片的形态参数、玉米的株型参数、玉米群体的株距和行距参数,依次初始状态的建立叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型,以及,根据玉米群体网络模型进行玉米群体光截获能力计算。
4.根据权利要求2所述的方法,其特征在于,所述分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算,包括:
分别多次调整玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数;
以及,根据每次调整后的玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数,对所述叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型的构建过程,以及,玉米群体光截获能力计算的过程进行迭代,完成玉米群体交互设计和所生成群体的光截获能力计算。
5.根据权利要求1所述的方法,其特征在于,所述在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果,包括:
在所述玉米光截获能力数据库中确定多个叶片形态参数、株型参数和群体参数,并查找修改后使得光截获能力最大的参数,确定最优的株型或群体参数,完成对目标玉米株型及种植方式的优化。
6.一种玉米株型优化系统,其特征在于,所述系统包括:
初始状态模型建立模块,用于根据玉米参数组,建立初始状态的玉米群体几何模型,并进行玉米群体的光截获能力计算;
模型迭代模块,用于分别多次调整所述玉米参数组中的各参数,并根据每次调整后的玉米参数组,生成对应玉米群体几何模型并进行光截获能力计算;
玉米光截获能力数据库生成模块,用于根据各次迭代的结果生成不同的玉米株型、群体及光环境下的玉米光截获能力数据库;
玉米株型优化模块,用于在所述玉米光截获能力数据库中进行参数寻优,得到玉米株型及种植方式的优化结果。
7.根据权利要求6所述的系统,其特征在于,所述玉米参数组包括:玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数。
8.根据权利要求7所述的系统,其特征在于,所述初始状态模型建立模块包括:
初始状态模型建立单元,用于根据玉米的叶片的形态参数、玉米的株型参数、玉米群体的株距和行距参数,依次初始状态的建立叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型,以及,根据玉米群体网络模型进行玉米群体光截获能力计算。
9.根据权利要求7所述的系统,其特征在于,所述模型迭代模块包括:
参数调整单元,用于分别多次调整玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数;
玉米群体交互设计单元,用于根据每次调整后的玉米的叶片的形态参数、玉米的株型参数、玉米群体参数和光分布计算参数,对所述叶片骨架模型、叶片网格模型、植株网格模型和玉米群体网络模型的构建过程,以及,玉米群体光截获能力计算的过程进行迭代,完成玉米群体交互设计和所生成群体的光截获能力计算。
10.根据权利要求6所述的系统,其特征在于,所述玉米株型优化模块包括:
玉米株型优化单元,用于在所述玉米光截获能力数据库中确定多个叶片形态参数、株型参数和群体参数,并查找修改后使得光截获能力最大的参数,确定最优的株型或群体参数,完成对目标玉米株型及种植方式的优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710429019.1A CN107403233B (zh) | 2017-06-08 | 2017-06-08 | 一种玉米株型优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710429019.1A CN107403233B (zh) | 2017-06-08 | 2017-06-08 | 一种玉米株型优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107403233A true CN107403233A (zh) | 2017-11-28 |
CN107403233B CN107403233B (zh) | 2020-06-09 |
Family
ID=60405168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710429019.1A Active CN107403233B (zh) | 2017-06-08 | 2017-06-08 | 一种玉米株型优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107403233B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108165554A (zh) * | 2018-01-30 | 2018-06-15 | 华中农业大学 | 控制玉米叶宽基因ZmNL4及其应用 |
CN108318626A (zh) * | 2018-01-25 | 2018-07-24 | 中国水稻研究所 | 一种基于群体构建期指数对水稻品种筛选的评价方法 |
CN108575602A (zh) * | 2018-04-28 | 2018-09-28 | 深圳春沐源控股有限公司 | 一种农作物植株整枝方法及系统 |
CN109034462A (zh) * | 2018-07-09 | 2018-12-18 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
CN115170573A (zh) * | 2022-09-08 | 2022-10-11 | 山东政信大数据科技有限责任公司 | 基于大数据与物联网的智慧农业监控管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376142A (zh) * | 2014-07-25 | 2015-02-25 | 浙江工业大学 | 一种结合作物虚拟生长模型的水稻株型定量控制方法 |
CN104615867A (zh) * | 2015-01-21 | 2015-05-13 | 青岛智能产业技术研究院 | 基于冠层光分布计算的品种分析方法 |
CN104656451A (zh) * | 2015-01-21 | 2015-05-27 | 中国科学院自动化研究所 | 一种基于作物模型的密闭系统环境因子优化调控方法 |
CN105590341A (zh) * | 2015-12-18 | 2016-05-18 | 北京农业信息技术研究中心 | 一种玉米群体三维重建方法及装置 |
-
2017
- 2017-06-08 CN CN201710429019.1A patent/CN107403233B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376142A (zh) * | 2014-07-25 | 2015-02-25 | 浙江工业大学 | 一种结合作物虚拟生长模型的水稻株型定量控制方法 |
CN104615867A (zh) * | 2015-01-21 | 2015-05-13 | 青岛智能产业技术研究院 | 基于冠层光分布计算的品种分析方法 |
CN104656451A (zh) * | 2015-01-21 | 2015-05-27 | 中国科学院自动化研究所 | 一种基于作物模型的密闭系统环境因子优化调控方法 |
CN105590341A (zh) * | 2015-12-18 | 2016-05-18 | 北京农业信息技术研究中心 | 一种玉米群体三维重建方法及装置 |
Non-Patent Citations (6)
Title |
---|
中国农业工程学会编: "《2005年中国农业工程学会学术年会论文集》", 31 December 2005 * |
周淑秋 等: "玉米可视化系统的设计与开发", 《计算机技术与发展》 * |
张正: "玉米植株叶片着生高度的数学模型", 《首都师范大学学报(自然科学版)》 * |
李书钦 等: "基于NURBS曲面的小麦叶片三维可视化研究与实现", 《中国农业科技导报》 * |
杨东方,苗振清编著: "《数学模型在生态学的应用及研究》", 30 June 2015 * |
王锡平: "玉米冠层光合有效辐射三维空间分布模型的构建与验证", 《万方数据知识服务平台》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108318626A (zh) * | 2018-01-25 | 2018-07-24 | 中国水稻研究所 | 一种基于群体构建期指数对水稻品种筛选的评价方法 |
CN108318626B (zh) * | 2018-01-25 | 2020-05-26 | 中国水稻研究所 | 一种基于群体构建期指数对水稻品种筛选的评价方法 |
CN108165554A (zh) * | 2018-01-30 | 2018-06-15 | 华中农业大学 | 控制玉米叶宽基因ZmNL4及其应用 |
CN108165554B (zh) * | 2018-01-30 | 2021-08-03 | 华中农业大学 | 控制玉米叶宽基因ZmNL4及其应用 |
CN108575602A (zh) * | 2018-04-28 | 2018-09-28 | 深圳春沐源控股有限公司 | 一种农作物植株整枝方法及系统 |
CN109034462A (zh) * | 2018-07-09 | 2018-12-18 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
CN109034462B (zh) * | 2018-07-09 | 2020-10-27 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
CN115170573A (zh) * | 2022-09-08 | 2022-10-11 | 山东政信大数据科技有限责任公司 | 基于大数据与物联网的智慧农业监控管理系统 |
CN115170573B (zh) * | 2022-09-08 | 2022-11-29 | 山东政信大数据科技有限责任公司 | 基于大数据与物联网的智慧农业监控管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107403233B (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107403233A (zh) | 一种玉米株型优化方法及系统 | |
CN102708254B (zh) | 基于虚拟植物的冠层对光合有效辐射截获能力分析方法 | |
CN103425851B (zh) | 基于三维虚拟植物的造林密度优化分析方法 | |
Zheng et al. | Comparison of architecture among different cultivars of hybrid rice using a spatial light model based on 3-D digitising | |
CN111783360B (zh) | 高分辨率土地利用及森林景观过程耦合模拟系统及方法 | |
CN103914786B (zh) | 一种大田农业生产情景感知计算方法及装置 | |
CN109829234A (zh) | 一种基于高分辨率遥感数据和作物模型的跨尺度高精度动态作物长势监测和估产方法 | |
CN106529451B (zh) | 一种冬小麦—夏玉米种植模式遥感识别方法 | |
CN102314546A (zh) | 基于虚拟植物的植物生长生物量变化估算方法 | |
CN113177345A (zh) | 一种网格化作物种植布局优化方法 | |
CN107329511A (zh) | 基于适宜根温区间的水培蔬菜光环境高效调控方法与系统 | |
CN110909933A (zh) | 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法 | |
CN109034462B (zh) | 玉米群体种植结构优化方法及装置 | |
CN105590341B (zh) | 一种玉米群体三维重建方法及装置 | |
CN108205718A (zh) | 一种粮食作物抽样测产方法及系统 | |
CN108984995A (zh) | 一种计算数值模拟的生态园林景观设计方法 | |
Pao et al. | How does structure matter? Comparison of canopy photosynthesis using one-and three-dimensional light models: a case study using greenhouse cucumber canopies | |
Liu et al. | Estimation model of canopy stratification porosity based on morphological characteristics: A case study of cotton | |
CN102930596B (zh) | 一种藤蔓类植物的三维模型建立方法 | |
CN116225114B (zh) | 一种基于大数据的作物生长可控农业温室智能环控系统及方法 | |
CN107369206B (zh) | 一种玉米群体三维模型构建方法及系统 | |
Li et al. | Direct solar radiation penetration into row crop canopies in a lean-to greenhouse | |
CN115392016A (zh) | 一种基于遥感数据同化的青贮玉米生长发育预测方法 | |
CN107194913A (zh) | 一种作物群体最适研究尺度检测方法及装置 | |
Qian et al. | Influence of temperature and light gradient on leaf arrangement and geometry in cucumber canopies: Structural phenotyping analysis and modelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |