CN112348064A - 白术叶面积无损估算系统 - Google Patents
白术叶面积无损估算系统 Download PDFInfo
- Publication number
- CN112348064A CN112348064A CN202011164999.5A CN202011164999A CN112348064A CN 112348064 A CN112348064 A CN 112348064A CN 202011164999 A CN202011164999 A CN 202011164999A CN 112348064 A CN112348064 A CN 112348064A
- Authority
- CN
- China
- Prior art keywords
- leaf
- leaf area
- leaves
- atractylodes rhizome
- area
- 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
- 241000132012 Atractylodes Species 0.000 title claims abstract description 116
- 150000001875 compounds Chemical class 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 7
- 241000092665 Atractylodes macrocephala Species 0.000 claims description 28
- 241000132011 Atractylodes lancea Species 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 10
- 241000894007 species Species 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 51
- 230000012010 growth Effects 0.000 abstract description 14
- 238000011160 research Methods 0.000 abstract description 7
- 238000012214 genetic breeding Methods 0.000 abstract description 6
- 241000196324 Embryophyta Species 0.000 description 24
- 238000004458 analytical method Methods 0.000 description 15
- 208000034530 PLAA-associated neurodevelopmental disease Diseases 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000012417 linear regression Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000029553 photosynthesis Effects 0.000 description 3
- 238000010672 photosynthesis Methods 0.000 description 3
- 230000005068 transpiration Effects 0.000 description 3
- 244000061176 Nicotiana tabacum Species 0.000 description 2
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 241000208838 Asteraceae Species 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 240000006394 Sorghum bicolor Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 240000006677 Vicia faba Species 0.000 description 1
- 235000010749 Vicia faba Nutrition 0.000 description 1
- 235000002098 Vicia faba var. major Nutrition 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000034373 developmental growth involved in morphogenesis Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007614 genetic variation Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/28—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明实施例提供一种白术叶面积无损估算系统，包括：获取白术叶的叶片参数；获取所述白术叶的叶面积系数；根据所述叶片参数和所述叶面积系数计算所述白术叶的估算叶面积；其中，所述叶面积系数是通过所述白术叶面积估算模型训练得到的。本发明实施例提供的一种白术叶面积无损估算系统，通过研究白术不同叶形的叶面积系数，旨在建立准确、快速、无损叶面积估算模型；本发明利用异速生长法测定白术单叶不同叶形叶面积系数，并对单叶和羽状复叶的实测叶面积与估算叶面积进行线性拟合，验证叶面积系数值对白术叶面积估算的适用性及准确性，可以准确、快速、无损的估算白术叶面积，为白术生理生化、遗传育种及高效栽培研究提供借鉴。
Description
技术领域
本发明实施例涉及植物学技术领域，尤其涉及一种白术叶面积无损估算系统。
背景技术
叶片是高等植物进行光合作用和蒸腾作用的主要器官，叶片发育状况及叶面积大小直接影响了植物的光合作用、蒸腾作用、呼吸作用、矿物质营养等，通常用叶面积指数(leaf area index，LAI)作为评价植物生长发育、光合作用效率及蒸腾作用强弱的重要指标。因此，准确、快速、无损地在田间条件下测定植物叶面积，对作物生理生化、遗传育种、高产栽培等具有重要意义。目前常用叶面积测定方法有叶面积仪法、求积仪法、方格纸法、异速生长法(长宽校正法或系数法)、称重法(打孔称重法和复印称重法)、数字图像处理法等，这些方法已被用于农作物和果树的叶面积测定，但是每种测量方法均有利弊。叶面积仪法、求积仪法、方格纸法等测量叶面积的准确性较高，但因植物叶片形状、大小和叶缘等性状差异，工作量大，可操作性不强；称重法需要摘取叶片，是一种有损测量方式，其过程繁琐、耗时、容易出错；数字图像处理方法测量精度受叶片平整度和拍摄视角影响，操作技术要求严格。
白术(A.macrocephala Koidz.)为菊科多年生草本植物，以常异花授粉为主，遗传变异程度较高，以叶片为例，植株下部以3～5回羽状全裂叶为主，植株中上部和接花序下部叶片不裂，主要以椭圆形、长椭圆形、倒长卵形和倒披针形为主，为同株异形叶。虽然植物的叶形较多，但通过田间调查，测定植物叶面积与叶长和叶宽的相关性可建立有效的植物叶面积估算模型。目前水稻、玉米、大豆和烟草等作物的叶面积系数已有相关研究，但白术叶面积系数研究仍未见报道。
有鉴于此提出本发明实施例。
发明内容
本发明实施例旨在至少解决现有技术中存在的技术问题之一。为此，本发明实施例提出一种白术叶面积无损估算系统，对白术不同叶形的叶面积系数进行研究，试图建立简单、准确、无损的白术叶面积估算模型，为白术生理生化、遗传育种及高效栽培研究提供借鉴。
根据本发明实施例提供的一种白术叶面积无损估算系统，包括：
获取白术叶的叶片参数；
获取所述白术叶的叶面积系数；
根据所述叶片参数和所述叶面积系数计算所述白术叶的估算叶面积；
其中，所述叶面积系数是通过所述白术叶面积估算模型训练得到的。
根据本发明实施例的一种实施方式，所述获取白术叶的叶片参数的步骤中，具体包括：
获取所述白术叶的长度尺寸并生成第一叶面尺寸；
获取所述白术叶的最大宽度尺寸并生成第二叶面尺寸；
根据所述第一叶面尺寸和所述第二叶面尺寸生成所述叶片参数。
根据本发明实施例的一种实施方式，所述根据所述叶片参数和所述叶面积系数计算所述白术叶的估算叶面积的步骤中，具体包括：
基于公式：PLA＝KLxWx计算出所述白术叶的估算叶面积；
其中，PLA为所述估算叶面积；
K为所述叶面积系数；
L为所述第一叶面尺寸；
W为所述第二叶面尺寸。
根据本发明实施例的一种实施方式，所述叶面积系数是通过所述白术叶面积估算模型训练得到的步骤中，具体包括：
获取所述白术叶的叶片种类；
计算出每种所述叶片的单种叶面积系数，根据所述单种叶面积系数确定综合叶面积系数；
根据所述综合叶面积系数确定每种所述叶片的单种估算叶面积；获取每种所述叶片的单种实测叶面积；
基于所述单种估算叶面积与所述单种实测叶面积进行线性拟合，若所述单种估算叶面积与所述单种实测叶面积满足预设拟合条件，则将所述综合叶面积系数确定为所述叶面积系数。
根据本发明实施例的一种实施方式，所述获取所述白术叶的叶片种类的步骤中，具体包括：
获取所述白术叶的种类，若所述白术叶的种类为单叶则分类为第一白术叶类别；
若所述白术叶的种类为羽状复叶则分类为第二白术叶类别。
根据本发明实施例的一种实施方式，所述若所述白术叶的种类为单叶则分类为第一白术叶类别的步骤中，具体包括：
在所述第一白术叶类别中，获取所述白术叶的种类至少包括卵形、宽椭圆形、椭圆形、倒长卵形、倒披针形和长椭圆形。
具体来说，所述白术叶包括顶裂片和侧裂片。
根据本发明实施例的一种实施方式，所述计算出每种所述叶片的单种叶面积系数，根据所述单种叶面积系数确定综合叶面积系数的步骤中，具体包括：
将所述第一白术叶类别中的全部所述白术叶种类的所述单种叶面积系数求和并确定根据所述第一白术叶类别的数量确定白术叶平均叶面积系数；
将所述白术叶平均叶面积系数作为所述白术叶平均叶面积系数。
根据本发明实施例的一种实施方式，所述若所述白术叶的种类为羽状复叶则分类为第二白术叶类别的步骤中，具体包括：
在所述第二白术叶类别中，获取所述白术叶的种类至少包括椭圆形、长椭圆形和倒披针形。
根据本发明实施例的一种实施方式，所述基于所述单种估算叶面积与所述单种实测叶面积进行线性拟合，若所述单种估算叶面积与所述单种实测叶面积满足预设拟合条件，则将所述综合叶面积系数确定为所述叶面积系数的步骤中，具体包括：
基于所述白术叶平均叶面积系数确定每种所述第一白术叶类别中，所述单叶的所述单种估算叶面积与所述单种实测叶面积的第一线性拟合结果；
基于所述白术叶平均叶面积系数确定每种所述第二白术叶类别中，所述羽状复叶的所述单种估算叶面积与所述单种实测叶面积的第二线性拟合结果；
若所述第一线性拟合结果与所述第二线性拟合结果符合正态分布时，判定所述白术叶平均叶面积系数满足预设拟合条件，并将所述白术叶平均叶面积系数作为所述叶面积系数。
本发明实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：本发明实施例提供的一种白术叶面积无损估算系统，通过研究白术不同叶形的叶面积系数，旨在建立准确、快速、无损叶面积估算模型；本发明利用异速生长法(allometric methods)测定白术单叶不同叶形叶面积系数(K)，并对单叶和羽状复叶的实测叶面积(OLA)与估算叶面积(PLA)进行线性拟合，验证K值对白术叶面积估算的适用性及准确性，可以准确、快速、无损估算白术叶面积，为白术生理生化、遗传育种及高效栽培研究提供借鉴。
本发明实施例的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实施例的实践了解到。
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一简单地介绍，显而易见地，下面描述中的附图是本发明实施例的一些实施例，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是本发明实施例提供的白术单叶不同叶形观测值差异性分析示意图；
图2是本发明实施例提供的白术单叶不同叶形的叶面积估算回归模型的统计与参数估计示意图；
图3是本发明白术单叶估算叶面积(PLA)与实测叶面积(OLA)线性拟合分析中，卵形叶线性拟合示意图；
图4是本发明白术单叶估算叶面积(PLA)与实测叶面积(OLA)线性拟合分析中，宽椭圆形叶线性拟合示意图；
图5是本发明白术单叶估算叶面积(PLA)与实测叶面积(OLA)线性拟合分析中，椭圆形叶线性拟合示意图；
图6是本发明白术单叶估算叶面积(PLA)与实测叶面积(OLA)线性拟合分析中，倒长卵形叶线性拟合示意图；
图7是本发明白术单叶估算叶面积(PLA)与实测叶面积(OLA)线性拟合分析中，倒披针形叶线性拟合示意图；
图8是本发明白术单叶估算叶面积(PLA)与实测叶面积(OLA)线性拟合分析中，长椭圆形叶线性拟合示意图；
图9是本发明白术单叶估算叶面积(PLA)与实测叶面积(OLA)线性拟合分析中，全部单叶线性拟合示意图；
图10是本发明全部单叶OLA和PLA差值与OLA差异的散点图示意图；
图11是本发明白术羽状复叶估算叶面积(PLA)与实测叶面积(OLA)线性拟合分析示意图；
图12是本发明复叶OLA和PLA差值与OLA差异的散点图示意图。
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、完整地描述，显然，所描述的实施例是本发明的一部分实施例，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做出创造性劳动的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。
下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。在本申请的描述中，除非另有说明，“至少一个”包括一个或多个。“多个”是指两个或两个以上。例如，A、B和C中的至少一个，包括：单独存在A、单独存在B、同时存在A和B、同时存在A和C、同时存在B和C，以及同时存在A、B和C。在本申请中，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
异速生长法因其测定方法简便、无损，无需昂贵的仪器，且可活体测定，在实际工作中成为测量叶面积的主要方法。异速生长法(allometric methods，又称为长宽校正法或系数法)，常以叶片的长度和最大宽度的积乘以叶面积系数估算叶面积。利用异速生长法估算叶面积时，叶面积系数是必须的参数。目前，多种植物的叶面积系数已有报道，如玉米、水稻、高粱、烟草等。植物类型、品种、叶形不同，相应的叶面积系数也会不同，因此，确定叶面积系数成为异速生长法应用的关键。
研究白术不同叶形的叶面积系数，旨在建立准确、快速、无损叶面积估算模型。本发明利用异速生长法(allometric methods)测定白术单叶不同叶形叶面积系数(K)，并对单叶和羽状复叶的实测叶面积(OLA)与估算叶面积(PLA)进行线性拟合，验证K值对白术叶面积估算的适用性及准确性。卵形、宽椭圆形、椭圆形、倒长卵形、倒披针形、长椭圆形6种单叶叶面积系数(K)分别为0.681、0.646、0.631、0.616、0.619、0.616，其平均值(全部叶片K值)与椭圆形叶、倒披针形叶、倒长卵形叶、长椭圆形叶的K值无显著性差异，因此将平均值确定为白术单叶K值(0.625)；对6种单叶的实测叶面积(OLA)与估算叶面积(PLA)进行线性拟合，发现6种单叶叶形PLA与OLA之间高度拟合(R2分别为0.979、0.970、0.993、0.987、0.981、0.992)，具有极显著相关性；同时对羽状复叶的OLA与PLA进行线性拟合，发现复叶OLA与PLA之间具有极显著相关性(R2＝0.952)，其差值符合正态分布，说明K＝0.625同样适用于复叶叶面积估算。本研究确定了白术叶面积系数为0.625，叶面积估算模型为PLA＝0.625xLW(R2＝0.989)(L为叶片长，W为叶片宽)，该模型可以准确、快速、无损估算白术叶面积，为白术生理生化、遗传育种及高效栽培研究提供借鉴。
进一步地，如图1所示，在植物分类学中，叶片的长宽比、最宽处位置是判断叶形的主要指标。白术为同株异形叶，叶片有多种类型，根据叶片最宽处位置与叶片长宽比确定白术叶片形状，植株下部以3～5回羽状全裂叶为主，顶裂片以椭圆形、长椭圆形叶为主，兼有少量的倒长卵形叶，侧裂片以倒披针形、长椭圆形为主；植株中上部的叶片及接花序下部叶不裂，其中椭圆形叶和长椭圆形叶最多，均超过总叶片数的25％，其次为倒长卵形叶和倒披针形叶，宽椭圆形叶与卵形叶所占比例较少，仅为3.51％～4.29％。白术叶片大小差异较大，叶长变异幅度为3.3cm～17.9cm，倒披针形、倒长卵形、长椭圆形叶长无显著性差异，椭圆形与倒长卵形叶长无显著性差异，但与倒披针形、长椭圆形叶有显著性差异；叶宽变异幅度为0.7cm～5.8cm，倒长卵形、椭圆形、倒披针形、长椭圆形叶宽均存在显著性差异；叶面积变异幅度较大，变异幅度为0.89cm2～67.33cm2，椭圆形、倒披针形、倒长卵形叶面积无显著性差异，但均与椭圆形叶存在显著性差异(卵形与宽椭圆形叶所占比例较少，叶形差异没有分析)。结合植株整体特征，植株下部的羽状全裂叶由下往上依次变小，最大单叶出现在植株中部，自中部向上向下，叶片越来越小，最小叶片为接花序下部叶。
需要说明的是：Type1、Type2、Type3、Type4、Type5和Type6分别代表卵形、宽椭圆形、椭圆形、倒长卵形、倒披针形、长椭圆形；同一列不同小写字母表示差异显著(P＜0.05)。
进一步地，关于白术单叶叶面积系数及适用性分析，如图2所示，利用Origin 8.1软件建立卵形、宽椭圆形、椭圆形、倒长卵形、倒披针形、长椭圆形6种单叶叶面积与长宽乘积的线性回归方程，其R2分别为0.979、0.970、0.993、0.987、0.981、0.992，说明6种单叶叶面积与长宽乘积均呈极显著相关。根据异速生长法计算6种单叶叶面积系数(K)。由图2可知，白术单叶最大K值的叶片为卵形叶，K值为0.681，其次为宽椭圆形叶，两者之间存在显著性差异；椭圆形叶与宽椭圆形叶的K值无显著性差异，但与卵形叶有显著性差异；椭圆形、倒长卵形、倒披针形、长椭圆形以及平均值(全部叶片)之间的K值没有显著性差异；倒长卵形、倒披针形、长椭圆形以及平均值(全部叶片)均与宽椭圆形、卵形有显著性差异。宽椭圆形叶和卵形叶均不超过总叶片的5％，可以忽略，因此，平均值(全部叶片)的K值为白术单叶的叶面积系数，即K＝0.625。
需要说明的是，LA和LW分别代表叶面积仪测得叶面积(实测叶面积)，LW为叶长宽乘积；同一列不同小写字母表示差异显著(P＜0.05)。
进一步地，如图3至图9所示，对PLA与OLA利用Origin8.1软件进行线性拟合分析和绘制散点图，验证叶面积系数对每种单叶叶形的适用性及准确性。卵形、宽椭圆形、椭圆形、倒长卵形、倒披针形、长椭圆形和全部单叶的OLA与PLA的拟合方程分别：
y＝0.915x+0.088(R2＝0.979)、
y＝0.976x+0.221(R2＝0.970)、
y＝1.013x-0.059(R2＝0.993)、
y＝1.047x-0.442(R2＝0.987)、
y＝1.010x+0.036(R2＝0.981)、
y＝1.029x-0.004y(R2＝0.992)、
y＝1.020x-0.094(R2＝0.989)，其P值均小于0.01，这表明单叶OLA与PLA之间拟合度高，其方程达到极显著水平。为了更进一步验证OLA与PLA的一致性可以通过计算相对偏差来评估，用全部单叶的PLA和OLA差异的平均值(d)和标准差(SD)来估算。绘制全部单叶PLA与OLA差值与OLA差异的散点图，当差值符合正态分布时，97％的差异值应位于d±3SD之间。图10显示，98.8％PLA与OLA差值位于d±3SD之间，可推定PLA与OLA的差值符合正态分布。因此，白术单叶的叶面积系数为0.625(K＝0.625)，可适用于各种白术单叶的叶面积估算。
进一步地，关于羽状全裂叶(复叶)叶面积系数的适用性分析，如图11和图12所示，白术植株下部以3～5回羽状全裂叶为主，裂片主要有椭圆形、长椭圆形、倒披针形，为了使白术叶面积测量简便易行，用OriginPro8.1软件进行线性回归分析，验证单叶叶面积系数是否适用于复叶叶面积估算。对60片复叶的裂叶相关参数进行测量与计算，并对复叶OLA与PLA进行线性回归分析，建立回归方程；结合绘制OLA与PLA的差值与OLA差异的散点图，验证叶面积系数对复叶的适用性及准确性。通过图11得知复叶的OLA与PLA的回归方程为y＝1.086x-1.210(R2＝0.952，P＜0.01)，因此，复叶OLA与PLA之间拟合度高，其方程达到极显著水平。为了更进一步验证OLA与PLA的一致性可以通过计算相对偏差来评估，用PLA和OLA差异的平均值(d)和标准差(SD)来估算。绘制PLA与OLA差值与OLA差异的散点图，当差值符合正态分布时，97％的差异值应位于d±3SD之间。图12显示，PLA与OLA差值均位于d±3SD之间，PLA与OLA的差值符合正态分布。因此，单叶叶面积系数适用于复叶叶面积估算。
需要说明的是，图10和图12中实线代表差值的平均值(d)，虚线代表OLA与PLA差异与OLA一致性的限制范围即d±3SD(SD为差值的标准差)。
总的来说，白术叶片形状有很多表现型，为同株异形叶。植株下部以3～5回羽状全裂叶为主，顶裂片以椭圆形、长椭圆形叶为主，兼有少量倒长卵形叶；侧裂片以倒披针形、长椭圆形为主；植株中上部的叶片不裂，主要以椭圆形、长椭圆形、倒长卵形和倒披针形为主；接花序下部叶不裂，以椭圆形、长椭圆形叶为主。白术叶片大小差异较大，植株下部的羽状全裂叶由下往上依次变小，最大单叶出现在植株中部，自中部茎叶向上向下，叶片越来越小，最小叶片为接花序下部叶。
建立数学模型预测植物叶面积已成为快速无损估算叶面积的主要方法，主要有异速生长法和回归方程法。构建霍霍巴树幼苗叶面积估算模型时发现，叶面积与长宽乘积具有极显著相关性，叶面积系数(K)的估算模型为K＝LAM/(LL*LB)(LAM为叶面积测量面积，LL为叶片的长度，LB为叶片最宽处的宽度)，其K值取钝尖叶和锐尖叶两种叶片K值的平均值，为0.64713±0.008229，根据上述模型估算叶面积与测量叶面积(LAM)无显著差异。基于蚕豆叶长、叶宽、叶长宽乘积、叶长宽比等多个不同参数组合之间的关系进行研究，结果显示叶长宽乘积与真实叶片面积之间的线性相关性最强，线性回归方程为LA＝0.919+0.682LW(R2＝0.977)。用异速生长法(矫正系数)和线性回归分析法推导了人心果叶面积估算公式，认为这两种模型均能较为准确地估算叶片面积。因此，数学模型预测植物叶面积已成为快速无损估算叶面积的主要方法。本发明对白术6种叶形单叶叶面积与长宽乘积进行回归分析时发现，6种叶形单叶的叶面积与长宽乘积均呈极显著相关，这与前人的研究一致；以此为基础，利用异速生长法(长宽校正法或系数法)确定了白术叶面积系数为0.625，并对单叶的OLA与PLA进行线性拟合，卵形、宽椭圆形、椭圆形、倒长卵形、倒披针形与长椭圆形叶的OLA与PLA的R2分别为0.979、0.970、0.993、0.987、0.981、0.992(P＜0.01)，表明单叶的OLA与PLA高度拟合；98.8％PLA与OLA差值位于d±3SD之间，可推定PLA与OLA的差值符合正态分布。
进一步地，对60片白术羽状全裂叶(复叶)进行验证，OLA与PLA的拟合方程R2为0.952(P＜0.01)，PLA与OLA差值均位于d±3D之间，差值符合正态分布。因此，确定白术的通用叶面积系数为0.625，估算模型为LA＝(LW)0.625(R2＝0.989，P＜0.01)。
本发明上述记载对白术叶面积无损估算模型的原理进行了介绍，基于上述原理，本发明建立了一种白术叶面积无损估算系统，用以对单叶和羽状复叶的白术叶面积无损估算模型进行建立，通过研究白术不同叶形的叶面积系数，旨在建立准确、快速、无损叶面积估算模型；本发明利用异速生长法(allometric methods)测定白术单叶不同叶形叶面积系数(K)，并对单叶和羽状复叶的实测叶面积(OLA)与估算叶面积(PLA)进行线性拟合，验证K值对白术叶面积估算的适用性及准确性，可以准确、快速、无损估算白术叶面积，为白术生理生化、遗传育种及高效栽培研究提供借鉴。
应用到具体的实施方案中时，如下所述。
在本发明的一些具体实施方案中，如图1至图12所示，本发明提供一种白术叶面积无损估算系统，包括：
获取白术叶的叶片参数；
获取所述白术叶的叶面积系数；
根据所述叶片参数和所述叶面积系数计算所述白术叶的估算叶面积；
其中，所述叶面积系数是通过所述白术叶面积估算模型训练得到的。
在一些实施例中，所述获取白术叶的叶片参数的步骤中，具体包括：
获取所述白术叶的长度尺寸并生成第一叶面尺寸；
获取所述白术叶的宽度尺寸并生成第二叶面尺寸；
根据所述第一叶面尺寸和所述第二叶面尺寸生成所述叶片参数。
在一些实施例中，所述根据所述叶片参数和所述叶面积系数计算所述白术叶的估算叶面积的步骤中，具体包括：
基于公式：PLA＝KLxWx计算出所述白术叶的估算叶面积；
其中，PLA为所述估算叶面积；
K为所述叶面积系数；
L为所述第一叶面尺寸；
W为所述第二叶面尺寸。
在一些实施例中，所述叶面积系数是通过所述白术叶面积估算模型训练得到的步骤中，具体包括：
获取所述白术叶的叶片种类；
计算出每种所述叶片的单种叶面积系数，根据所述单种叶面积系数确定综合叶面积系数；
根据所述综合叶面积系数确定每种所述叶片的单种估算叶面积；
获取每种所述叶片的单种实测叶面积；
基于所述单种估算叶面积与所述单种实测叶面积进行线性拟合，若所述单种估算叶面积与所述单种实测叶面积满足预设拟合条件，则将所述综合叶面积系数确定为所述叶面积系数。
在一些实施例中，所述获取所述白术叶的叶片种类的步骤中，具体包括：
获取所述白术叶的种类，若所述白术叶的种类为单叶则分类为第一白术叶类别；
若所述白术叶的种类为羽状复叶则分类为第二白术叶类别。
在一些实施例中，所述若所述白术叶的种类为单叶则分类为第一白术叶类别的步骤中，具体包括：
在所述第一白术叶类别中，获取所述白术叶的种类至少包括卵形、宽椭圆形、椭圆形、倒长卵形、倒披针形和长椭圆形。
在一些实施例中，如图3至图9所示，所述计算出每种所述叶片的单种叶面积系数，根据所述单种叶面积系数确定综合叶面积系数的步骤中，具体包括：
将所述第一白术叶类别中的全部所述白术叶种类的所述单种叶面积系数求和并确定根据所述第一白术叶类别的数量确定白术叶平均叶面积系数；
将所述白术叶平均叶面积系数作为所述白术叶平均叶面积系数。
在一些实施例中，所述若所述白术叶的种类为羽状复叶则分类为第二白术叶类别的步骤中，具体包括：
在所述第二白术叶类别中，获取所述白术叶的种类至少包括椭圆形、长椭圆形和倒披针形。
在一些实施例中，如图3至图9、图11所示，所述基于所述单种估算叶面积与所述单种实测叶面积进行线性拟合，若所述单种估算叶面积与所述单种实测叶面积满足预设拟合条件，则将所述综合叶面积系数确定为所述叶面积系数的步骤中，具体包括：
基于所述白术叶平均叶面积系数确定每种所述第一白术叶类别中，所述单叶的所述单种估算叶面积与所述单种实测叶面积的第一线性拟合结果；
基于所述白术叶平均叶面积系数确定每种所述第二白术叶类别中，所述羽状复叶的所述单种估算叶面积与所述单种实测叶面积的第二线性拟合结果；
若所述第一线性拟合结果与所述第二线性拟合结果符合正态分布时，判定所述白术叶平均叶面积系数满足预设拟合条件，并将所述白术叶平均叶面积系数作为所述叶面积系数。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以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；而这些修改或者替换，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 (9)
1.一种白术叶面积无损估算系统，其特征在于，包括：
获取白术叶的叶片参数；
获取所述白术叶的叶面积系数；
根据所述叶片参数和所述叶面积系数计算所述白术叶的估算叶面积；
其中，所述叶面积系数是通过所述白术叶面积估算模型训练得到的。
2.根据权利要求1所述的一种白术叶面积无损估算系统，其特征在于，所述获取白术叶的叶片参数的步骤中，具体包括：
获取所述白术叶的长度尺寸并生成第一叶面尺寸；
获取所述白术叶的最大宽度尺寸并生成第二叶面尺寸；
根据所述第一叶面尺寸和所述第二叶面尺寸生成所述叶片参数。
3.根据权利要求2所述的一种白术叶面积无损估算系统，其特征在于，所述根据所述叶片参数和所述叶面积系数计算所述白术叶的估算叶面积的步骤中，具体包括：
基于公式：PLA＝KLxWx计算出所述白术叶的估算叶面积；
其中，PLA为所述估算叶面积；
K为所述叶面积系数；
L为所述第一叶面尺寸；
W为所述第二叶面尺寸。
4.根据权利要求1至3任一所述的一种白术叶面积无损估算系统，其特征在于，所述叶面积系数是通过所述白术叶面积估算模型训练得到的步骤中，具体包括：
获取所述白术叶的叶片种类；
计算出每种所述叶片的单种叶面积系数，根据所述单种叶面积系数确定综合叶面积系数；
根据所述综合叶面积系数确定每种所述叶片的单种估算叶面积；
获取每种所述叶片的单种实测叶面积；
基于所述单种估算叶面积与所述单种实测叶面积进行线性拟合，若所述单种估算叶面积与所述单种实测叶面积满足预设拟合条件，则将所述综合叶面积系数确定为所述叶面积系数。
5.根据权利要求4所述的一种白术叶面积无损估算系统，其特征在于，所述获取所述白术叶的叶片种类的步骤中，具体包括：
获取所述白术叶的种类，若所述白术叶的种类为单叶则分类为第一白术叶类别；
若所述白术叶的种类为羽状复叶则分类为第二白术叶类别。
6.根据权利要求5所述的一种白术叶面积无损估算系统，其特征在于，所述计算出每种所述叶片的单种叶面积系数，根据所述单种叶面积系数确定综合叶面积系数的步骤中，具体包括：
将所述第一白术叶类别中的全部所述白术叶种类的所述单种叶面积系数求和并确定根据所述第一白术叶类别的数量确定白术叶平均叶面积系数。
7.根据权利要求6所述的一种白术叶面积无损估算系统，其特征在于，所述基于所述单种估算叶面积与所述单种实测叶面积进行线性拟合，若所述单种估算叶面积与所述单种实测叶面积满足预设拟合条件，则将所述综合叶面积系数确定为所述叶面积系数的步骤中，具体包括：
基于所述白术叶平均叶面积系数确定每种所述第一白术叶类别中，所述单叶的所述单种估算叶面积与所述单种实测叶面积的第一线性拟合结果；
基于所述白术叶平均叶面积系数确定每种所述第二白术叶类别中，所述羽状复叶的所述单种估算叶面积与所述单种实测叶面积的第二线性拟合结果；
若所述第一线性拟合结果与所述第二线性拟合结果符合正态分布时，判定所述白术叶平均叶面积系数满足预设拟合条件，并将所述白术叶平均叶面积系数作为所述叶面积系数。
8.根据权利要求5所述的一种白术叶面积无损估算系统，其特征在于，所述若所述白术叶的种类为单叶则分类为第一白术叶类别的步骤中，具体包括：
在所述第一白术叶类别中，获取所述白术叶的种类至少包括卵形、宽椭圆形、椭圆形、倒长卵形、倒披针形和长椭圆形。
9.根据权利要求5所述的一种白术叶面积无损估算系统，其特征在于，所述若所述白术叶的种类为羽状复叶则分类为第二白术叶类别的步骤中，具体包括：
在所述第二白术叶类别中，获取所述白术叶的种类至少包括椭圆形、长椭圆形和倒披针形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011164999.5A CN112348064B (zh) | 2020-10-27 | 2020-10-27 | 白术叶面积无损估算系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011164999.5A CN112348064B (zh) | 2020-10-27 | 2020-10-27 | 白术叶面积无损估算系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112348064A true CN112348064A (zh) | 2021-02-09 |
| CN112348064B CN112348064B (zh) | 2024-06-14 |
Family
ID=74360305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011164999.5A Active CN112348064B (zh) | 2020-10-27 | 2020-10-27 | 白术叶面积无损估算系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112348064B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114399545A (zh) * | 2022-02-11 | 2022-04-26 | 三峡大学 | 采用最小二乘法拟合参数的叶面积分类计算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628685A (zh) * | 2012-04-16 | 2012-08-08 | 江苏大学 | 一种测算红树植物秋茄叶面积的方法 |
| CN108229403A (zh) * | 2018-01-08 | 2018-06-29 | 中国科学院遥感与数字地球研究所 | 一种用于估算植被叶面积指数的混合模型构建方法 |
| CN109631821A (zh) * | 2019-01-14 | 2019-04-16 | 江西农业大学 | 一种快速无损测量竹子叶片面积的方法 |
| CN110068299A (zh) * | 2019-05-05 | 2019-07-30 | 华北水利水电大学 | 一种温室作物叶面积指数的计算方法 |
-
2020
- 2020-10-27 CN CN202011164999.5A patent/CN112348064B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628685A (zh) * | 2012-04-16 | 2012-08-08 | 江苏大学 | 一种测算红树植物秋茄叶面积的方法 |
| CN108229403A (zh) * | 2018-01-08 | 2018-06-29 | 中国科学院遥感与数字地球研究所 | 一种用于估算植被叶面积指数的混合模型构建方法 |
| CN109631821A (zh) * | 2019-01-14 | 2019-04-16 | 江西农业大学 | 一种快速无损测量竹子叶片面积的方法 |
| CN110068299A (zh) * | 2019-05-05 | 2019-07-30 | 华北水利水电大学 | 一种温室作物叶面积指数的计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| SWATI WALIA ET AL.: "Development of Nondestructive Leaf Area Estimation Model for Valeriana (Valeriana Jatamansi Jones)", 《COMMUNICATIONS IN SOIL SCIENCE AND PLANT ANALYSIS》, pages 1 - 23 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114399545A (zh) * | 2022-02-11 | 2022-04-26 | 三峡大学 | 采用最小二乘法拟合参数的叶面积分类计算方法 |
| CN114399545B (zh) * | 2022-02-11 | 2024-04-26 | 三峡大学 | 采用最小二乘法拟合参数的叶面积分类计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112348064B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
| Küßner et al. | Comparison of direct and indirect estimation of leaf area index in mature Norway spruce stands of eastern Germany | |
| Bock et al. | Accuracy of plant specimen disease severity estimates: concepts, history, methods, ramifications and challenges for the future. | |
| CN107464020A (zh) | 一种米制品加工原料快速筛选方法 | |
| Milošević et al. | Phenotypic diversity of autochthonous European (Prunus domestica L.) and Damson (Prunus insititia L.) plum accessions based on multivariate analysis | |
| CN110122915A (zh) | 一种打叶复烤加工质量综合评价方法 | |
| CN105067784A (zh) | 利用稻米品质的理化性状指标来判定稻米食味品质的方法 | |
| Thursby et al. | A rapid, non-destructive method for estimating aboveground biomass of salt marsh grasses | |
| dos Santos et al. | Use of allometric models to estimate leaf area in Hymenaea courbaril L. | |
| CN108901837A (zh) | 一种长江中下游单季粳稻优质高效品种筛选及栽培方法 | |
| CN112348064B (zh) | 白术叶面积无损估算系统 | |
| CÂNDEA-CRĂCIUN et al. | Non-destructive method for determining the leaf area of the energetic poplar | |
| Krause et al. | Digital phenotyping for quantification of genetic diversity in inbred guava (Psidium guajava) families | |
| Zhang et al. | Quantitative extraction and analysis of pear fruit spot phenotypes based on image recognition | |
| CN110609011A (zh) | 单籽粒玉米种子淀粉含量近红外高光谱检测方法及系统 | |
| CN107818565B (zh) | 一种小麦一至三叶期麦苗数量调查方法 | |
| CN113780845A (zh) | 一种基于多准则决策的甘薯种质资源评价方法 | |
| CN109631821A (zh) | 一种快速无损测量竹子叶片面积的方法 | |
| CN107704690B (zh) | 一种对茶叶杀青摊放的影响参数进行优化的方法 | |
| Wu et al. | A simple and inexpensive technique for estimating leaf surface area of muskmelon (Cucumis melo L.) | |
| Verma et al. | Genetic variability among ‘Kashmiri Nakh’pear (Pyrus pyrifolia): A local variety grown in North-Western Himalayan region of India | |
| CN111999443B (zh) | 一种卷烟工业基地后备品种资源的评价方法 | |
| CN111513022B (zh) | 一种低皮脂率的小体型肉鸭的选育方法 | |
| Thomas et al. | Biomass and taper for trees in thinned and unthinned longleaf pine plantations | |
| Beslic et al. | Validation of non-destructive methodology of grapevine leaf area estimation on cv. Blaufränkisch (Vitis vinifera L.) |
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 |