CN114241033B - 一种植株叶面积垂直结构的异位获取方法 - Google Patents
一种植株叶面积垂直结构的异位获取方法 Download PDFInfo
- Publication number
- CN114241033B CN114241033B CN202111555239.1A CN202111555239A CN114241033B CN 114241033 B CN114241033 B CN 114241033B CN 202111555239 A CN202111555239 A CN 202111555239A CN 114241033 B CN114241033 B CN 114241033B
- Authority
- CN
- China
- Prior art keywords
- plant
- vertical structure
- leaf
- leaf area
- leaves
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Cultivation Of Plants (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明涉及一种植株叶面积垂直结构的异位获取方法。植株叶面积不仅与其所有单叶叶面积相关，还与空间排布相关，为此，本发明利用植株叶面积数据和植株特征点数据计算植株叶面积垂直结构，本发明提供了一种新的植株叶面积垂直结构的异位获取方法，为细致刻画植物叶片光合作用空间分异状况，为植物栽培、品种选育提供基础，具有重要的应用价值。
Description
技术领域
本发明涉及植物学技术领域，更具体地，涉及一种植株叶面积垂直结构的异位获取方法。
背景技术
植物光合作用和蒸腾作用的主要器官是叶片，其发育状况及叶面积大小将影响植物的光合作用、蒸腾作用等生理活动，故而，植株叶面积的准确测量对植株的遗传育种、高产栽培等具有重要的参考价值。对植株叶面积的准确测量目的是，尽可能准确的反映叶面积的真实值，单叶叶面积的测量是基础，但因为单叶叶面积不能反映单株叶面积状况，故而其意义受限。植株叶面积不仅与其所有单叶叶面积相关，还与空间分布相关，但是，现有的研究中少有人考虑此方面数据。
发明内容
鉴于上述问题，本发明提供一种植株叶面积垂直结构的异位获取方法，采用该方法获得的植株叶面积不仅包括植株叶面积数据，还包括植株特征点数据。
一种植株叶面积垂直结构的异位获取方法，包括：
获得植株单叶叶面积数据；
获得植株特征点数据；
根据所述植株单叶叶面积数据和所述植株特征点数据计算植株叶面积垂直结构。
进一步，所述获得植株单叶叶面积数据的步骤为：剪取植株单叶叶片，放置在扫描仪台面上，获得植株单叶叶片的扫描图片；将所述扫描图片导入ArcGIS，提取植株单叶叶面积数据。
进一步，所述植株特征点数据包括植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据，对植株特征点进行编号；优选的，所述编号按照从茎、枝到叶和从下到上的分级分类原则对特征点进行逐一编号。
优选的，所述植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据为上述植株特征点的垂直高度；更优选的，所述植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据为上述植株特征点的垂直高度和圆心距和/或方位角。
进一步，所述获取植株特征点数据的步骤为：(1)将植株固定在圆盘尺上；(2)植株特征点数据测量：用铅锤尺测量植株特征点到圆盘尺的垂直高度，在圆盘尺上读取植株特征点在圆盘尺的投影点(即铅锤尺与圆盘尺的接触点)至圆盘尺圆心的距离(即圆心距)和角度(即方位角：圆盘尺0°线与植株特征点在圆盘尺的投影点至圆盘尺圆心连线的夹角，顺时针方向)。
进一步，所述植株叶面积垂直结构包括生长年龄分层垂直结构和/或绝对高度分层垂直结构。优选的，绝对高度分层垂直结构包括不同方位角绝对高度分层垂直结构、不同圆心距绝对高度分层垂直结构。
进一步，所述生长年龄分层垂直结构是以分枝为单位，根据叶片在分枝上的序号，将各枝上的叶片从下至上均分或近似均分为几个部分(例如老叶、成叶、新叶3部分)，分别计算出各分枝叶面积不同生长年龄分层垂直结构。
式中：ni为分枝叶片序号，N为该分枝叶片总数量。
各分枝叶面积不同生长年龄分层垂直结构计算公式：
式中：LAt为第t年龄层的叶面积之和，L为单叶叶面积，ni为第t年龄层中的叶片顺序号，m为第t年龄层中叶片总数量。
通过式(1)、式(2)计算出各年龄层的叶面积，通过分析不同年龄层叶面积大小和相互比例及关系，能够反映出各年龄层叶片间的分布与竞争关系，亦一定程度上反映植株生长过程中水肥等环境因子亏缺状况。
进一步，所述绝对高度分层垂直结构是以植株株高为总高度H，根据具体数据需求，划分高度分层Nh，单层高度为H/Nh，确定出1至Nh层的高度阈值，以叶柄顶部点为各叶片的高度值，根据高度阈值确定各叶片的高度层次，汇总各层次叶面积总和，从而最终实现构建出植株叶面积绝对高度分层垂直结构。
叶片高度分层阈值：
Nhj：((j-1)H/Nh,jH/Nh] (式3)
式中：Nhj为叶片第j层高度分层，Nh为高度分层总数，H为植株株高。
叶片高度分层号求算：
Nhj＝MOD(Hi，H/Nh)+1 (式4)
式中：Nhj为叶片第j层高度分层，Nh为高度分层总数，H为植株株高，Hi为第i叶片高度，MOD为求模运算。
植株叶面积绝对高度分层垂直结构计算公式：
式中：LANhj为第Nhj高度层的叶面积之和，L为单叶叶面积，ni为第Nhj高度层中的叶片顺序号，m为第Nhj高度层中叶片总数量。
通过式(3)～式(5)计算出各高度层的叶面积，通过分析不同高度层叶面积大小和相互比例及关系，能够反映出各高度层叶片间的分布与竞争关系，亦一定程度上反映植株生长过程中水肥等环境因子亏缺状况。
进一步，所述不同方位角绝对高度分层垂直结构：该种结构是在绝对高度分层垂直结构基础上的进一步细化，将方位角根据研究需要划分为Nω个均等象限(如4象限、8象限)，确定出1至Nω层的方位角阈值，以叶柄顶部点为各叶片的方位角值，再将方位角划分至对应象限中，结合绝对高度分层垂直结构构建植株叶面积不同方位角绝对高度分层垂直结构。
叶片方位角象限阈值范围：
Nωj：((j-1)360/Nω,j360/Nω] (式6)
式中：Nωj为叶片第j方位角象限，Nω为方位角象限总数。
叶片方位角象限号求算：
Nωj＝MOD(ωi，360/Nω)+1 (式7)
式中：Nωj为叶片第j方位角象限，Nω为方位角象限总数，ωi为第i叶片方位角，MOD为求模运算。
植株叶面积不同方位角绝对高度分层垂直结构计算公式：
式中：LANωj，Nhj为第Nωj方位角象限第Nhj高度层的叶面积之和，L为单叶叶面积，ni为第Nωj方位角象限第Nhj高度层中的叶片顺序号，m为第Nωj方位角象限第Nhj高度层中叶片总数量。
通过式(3)～式(4)和式(6)～式(8)计算出不同方位角象限高度层的叶面积，通过分析不同方位角象限高度层叶面积大小和相互比例及关系，除反映叶面积高度分层垂直结构意义之外，还能体现出太阳方位角对叶面积分布的影响。
进一步，所述不同圆心距绝对高度分层垂直结构：该种结构亦是在绝对高度分层垂直结构基础上的进一步细化，以叶柄顶部点圆心距最大值为总圆心距R，根据具体数据需求，划分圆心距分层Nr，单层圆心距为R/Nr，确定出1至Nr层的圆心距阈值，亦可根据研究对象情况，设置固定的圆心距值，以叶柄顶部点为各叶片的圆心距值，再将圆心距划分至对应圈层中，结合绝对高度分层垂直结构构建植株叶面积不同圆心距绝对高度分层垂直结构。
叶片圆心距分层阈值范围：
Nrj：((j-1)R/Nr,jR/Nr] (式9)
式中：Nrj为叶片第j层圆心距分层，Nr为圆心距分层总数，R为植株叶片总圆心距。
叶片圆心距分层号求算：
Nrj＝MOD(Ri，R/Nr)+1 (式10)
式中：Nrj为叶片第j层圆心距分层，Nr为圆心距分层总数，R为植株叶片总圆心距，Ri为第i叶片圆心距，MOD为求模运算。
植株叶面积不同圆心距绝对高度分层垂直结构计算公式：
式中：LANrj，Nhj为第Nrj圆心距层第Nhj高度层的叶面积之和，L为单叶叶面积，ni为第Nrj圆心距层第Nhj高度层中的叶片顺序号，m为第Nrj圆心距层第Nhj高度层中叶片总数量。
通过式(3)～式(4)和式(9)～式(11)计算出不同圆心距高度层的叶面积，通过分析不同圆心距高度层叶面积大小和相互比例及关系，除反映叶面积高度分层垂直结构意义之外，还能体现出植株冠型对叶面积分布的影响。
本申请的目的在于提供一种植株叶面积垂直结构的异位获取设备，包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时实现上述的植株叶面积垂直结构的异位获取方法步骤。
本申请的目的在于提供一种植株叶面积垂直结构的异位获取系统，包括：
第一获取单元301，用于获得植株特征点数据；
第二获取单元302，用于获得植株单叶叶面积数据；
处理单元303，用于根据所述植株单叶叶面积数据和所述植株特征点数据计算植株叶面积垂直结构。
本申请的目的在于提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的植株叶面积垂直结构的异位获取方法步骤。
本申请的目的在于提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的植株叶面积垂直结构的异位获取方法步骤。
本申请的优势：
1、提供了一种新的植株叶面积垂直结构的异位获取方法。
2、将植株叶面积垂直结构进一步细分，包括生长年龄分层垂直结构和/或绝对高度分层垂直结构，其中绝对高度分层垂直结构包括不同方位角绝对高度分层垂直结构、不同圆心距绝对高度分层垂直结构，为植株叶面积的测量提供精细划分。
3、绝对高度分层垂直结构是空间垂直结构的基本结构，能够反映出各高度层叶片间的分布与竞争关系，亦能一定程度上反映植株生长过程中水肥等环境因子亏缺状况；不同方位角绝对高度分层垂直结构和不同圆心距绝对高度分层垂直结构则在绝对高度分层垂直结构基础上，分别反映太阳方位角和植株冠型对叶面积分布的影响，为细致刻画植物叶片光合作用空间分异状况，为植物栽培、品种选育提供基础。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他的附图。
图1是本发明实施例提供的一种植株叶面积垂直结构的异位获取方法的示意流程图；
图2是arcgis重分类批量处理模型示意框图；
图3是arcgis栅格转矢量批量处理模型示意框图；
图4是arcgis建立属性结构批量处理模型示意框图；
图5是arcgis面积计算批量处理模型示意框图；
图6是本发明实施例提供的一种植株叶面积垂直结构的异位获取设备的示意框图；
图7是圆盘尺(半)图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如S101、S102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
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，所描述的实施例仅仅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，本领域技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。
图1是本发明实施例提供的一种植株叶面积垂直结构的异位获取方法的示意流程图，具体地，所述方法包括如下步骤：
S101：获得植株特征点数据。
在一个实施例中，所述植株特征点数据包括植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据，对植株特征点进行编号。优选的，所述编号按照从茎、枝到叶和从下到上的分级分类原则对特征点进行逐一编号。
在一个实施例中，所述植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据为上述植株特征点的垂直高度；优选的，所述植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据还包括上述植株特征点的圆心距和/或方位角。
在一个实施例中，所述获取植株特征点数据的步骤为：(1)植株取样。根据工作要求，选择好待取植物样株，用工字钉按照东西向水平扎入植株基部，钉头朝东，钉尖朝西，方向由GPS测定。用锄头或铁铲挖取带土植株，挖取时不能弄掉植株叶片，挖出后用尼龙网袋将其装好运回室内。(2)植株固定：在室内将植株固定在圆盘尺上，圆盘尺水平放置，植株基部(即茎与根的连接部)放在圆盘尺圆心，工字钉钉头指向0°，钉尖指向180°。(3)数据测量：用铅锤尺测量植株特征点到圆盘尺的垂直高度，在圆盘尺上读取植株特征点在圆盘尺的投影点(即铅锤尺与圆盘尺的接触点)至圆盘尺圆心的距离(即圆心距)和角度(即方位角：圆盘尺0°线与植株特征点在圆盘尺的投影点至圆盘尺圆心连线的夹角，顺时针方向)。植株特征点包括植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点。并按照茎→枝→叶和下→上的分级分类原则对特征点进行逐一编号。
S102：获得植株单叶叶面积数据。
在一个实施例中，所述获得植株单叶叶面积数据的步骤为：(1)叶片剪取与扫描，剪取植株单叶叶片，放置在扫描仪台面上，获得植株单叶叶片的扫描图片；(2)提取叶面积数据，将所述扫描图片导入ArcGIS，提取植株单叶叶面积数据。
在一个实施例中，叶片剪取与扫描前还包括设备准备，在台式扫描仪台面上端放置1块毫米级标尺。台式扫描仪参数设置为灰度8位、分辨率不低于300dpi、反射模式、不缩放、tif格式。
在一个实施例中，叶片剪取与扫描：按照先枝后茎、先下后上的原则，用剪刀在叶柄顶点剪下叶片，放置在扫描仪台面上，同一分枝放在同一版次扫描，一次扫描不下则放在下一版次，叶片摆放方向为上下向，严格按照从左到右、从上到下次序摆放，摆放时叶片不能重叠、不能超出最大扫描范围，盖上扫描仪盖板进行扫描，若扫描仪盖板与扫描仪台面贴合不紧密时，则放置1块与扫描仪台面大小的白色背景板，将叶片压平。文件命名规则为：试验小区号_植株号_分枝号_扫描版面顺序号.tif。
在一个实施例中，提取叶面积数据。该内容在ArcGIS的ArcMap中完成。(1)图像二值化：在ArcMap的目录工具中，选择数据文件夹，建立1个文件地理数据库为原始图像数据库，批量导入已扫描的叶面积tif图片。使用工具箱中的栅格重分类工具对原始图像进行重分类，分类参数为：0-240的值设为1,241-255的值设为0，重分类结果保存至新的文件地理数据库中。(2)数据格式转换：使用工具箱中的栅格转面工具对重分类结果文件进行格式转换，转换时去掉简化面功能，转换结果保存至新的文件地理数据库中。(3)噪声去除：以数据格式转换后的面文件为对象，使用ArcMap主菜单下的按属性选择工具，在SQL语言框中输入Shape_Area<＝0.001以选择待消除面，使用工具箱中的消除工具进行噪声去除，噪声去除结果保存至新的文件地理数据库中。(4)建立属性结构：使用工具箱中的添加字段工具对噪声去除结果面文件建立属性结构，分别建立XQBH(小区编号，文本型、长度10)、ZZBH(植株编号，文本型、长度10)、FZBH(分枝编号，短整型、长度10)、YPBH(叶片编号，短整型、长度10)、BLXS(比例系数，浮点型)、YPMJ(叶片面积，浮点型)，XQBH、ZZBH和FZBH这3个不为强制性字段，可根据具体情况进行设置。(5)属性录入：根据各叶片的情况，逐片录入XQBH、ZZBH、FZBH和YPBH4个字段的内容。(6)比例系数计算：用图中毫米级标尺数值和对应的ArcGIS图上长度求算图形比例系数，比例系数＝ArcGIS图上长度/图中毫米级标尺数值。(7)面积计算：在属性录入后的面文件属性表中，用SQL命令计算比例系数和叶片面积，YPMJ＝Shape_Area×BLXS×BLXS，(8)数据导出：使用工具箱中的表转excel工具对面积计算结果面文件导出为excel表格文件。(1)(2)(3)(4)(6)(7)(8)步均可以使用ArcGIS的模型构建器建立各步骤的批量处理模型，如下图2至图5。
S103：根据所述植株单叶叶面积数据和所述植株特征点数据计算植株叶面积垂直结构。
在一个实施例中，所述植株叶面积垂直结构包括生长年龄分层垂直结构和/或绝对高度分层垂直结构；优选的，绝对高度分层垂直结构包括不同方位角绝对高度分层垂直结构、不同圆心距绝对高度分层垂直结构。
在一个实施例中，所述生长年龄分层垂直结构是以分枝为单位，根据叶片在分枝上的序号，将各枝上的叶片从下至上均分或近似均分为几个部分(例如老叶、成叶、新叶3部分)，分别计算出各分枝叶面积不同生长年龄分层垂直结构。
式中：ni为分枝叶片序号，N为该分枝叶片总数量。
各分枝叶面积不同生长年龄分层垂直结构计算公式：
式中：LAt为第t年龄层的叶面积之和，L为单叶叶面积，ni为第t年龄层中的叶片顺序号，m为第t年龄层中叶片总数量。
在一个实施例中，所述绝对高度分层垂直结构是以植株株高为总高度H，根据具体数据需求，划分高度分层Nh，单层高度为H/Nh，确定出1至Nh层的高度阈值，以叶柄顶部点为各叶片的高度值，根据高度阈值确定各叶片的高度层次，汇总各层次叶面积总和，从而最终实现构建出植株叶面积绝对高度分层垂直结构。
叶片高度分层阈值：
Nhj：((j-1)H/Nh,jH/Nh] (式3)
式中：Nhj为叶片第j层高度分层，Nh为高度分层总数，H为植株株高。
叶片高度分层号求算：
Nhj＝MOD(Hi，H/Nh)+1 (式4)
式中：Nhj为叶片第j层高度分层，Nh为高度分层总数，H为植株株高，Hi为第i叶片高度，MOD为求模运算。
植株叶面积绝对高度分层垂直结构计算公式：
式中：LANhj为第Nhj高度层的叶面积之和，L为单叶叶面积，ni为第Nhj高度层中的叶片顺序号，m为第Nhj高度层中叶片总数量。
在一个实施例中，所述不同方位角绝对高度分层垂直结构：该种结构是在绝对高度分层垂直结构基础上的进一步细化，将方位角根据研究需要划分为Nω个均等象限(如4象限、8象限)，确定出1至Nω层的方位角阈值，以叶柄顶部点为各叶片的方位角值，再将方位角划分至对应象限中，结合绝对高度分层垂直结构构建植株叶面积不同方位角绝对高度分层垂直结构。
叶片方位角象限阈值范围：
Nωj：((j-1)360/Nω,j360/Nω] (式6)
式中：Nωj为叶片第j方位角象限，Nω为方位角象限总数。
叶片方位角象限号求算：
Nωj＝MOD(ωi，360/Nω)+1 (式7)
式中：Nωj为叶片第j方位角象限，Nω为方位角象限总数，ωi为第i叶片方位角，MOD为求模运算。
植株叶面积不同方位角绝对高度分层垂直结构计算公式：
式中：LANωj，Nhj为第Nωj方位角象限第Nhj高度层的叶面积之和，L为单叶叶面积，ni为第Nωj方位角象限第Nhj高度层中的叶片顺序号，m为第Nωj方位角象限第Nhj高度层中叶片总数量。
在一个实施例中，所述不同圆心距绝对高度分层垂直结构：该种结构亦是在绝对高度分层垂直结构基础上的进一步细化，以叶柄顶部点圆心距最大值为总圆心距R，根据具体数据需求，划分圆心距分层Nr，单层圆心距为R/Nr，确定出1至Nr层的圆心距阈值，亦可根据研究对象情况，设置固定的圆心距值，以叶柄顶部点为各叶片的圆心距值，再将圆心距划分至对应圈层中，结合绝对高度分层垂直结构构建植株叶面积不同圆心距绝对高度分层垂直结构。
叶片圆心距分层阈值范围：
Nrj：((j-1)R/Nr,jR/Nr] (式9)
式中：Nrj为叶片第j层圆心距分层，Nr为圆心距分层总数，R为植株叶片总圆心距。
叶片圆心距分层号求算：
Nrj＝MOD(Ri，R/Nr)+1 (式10)
式中：Nrj为叶片第j层圆心距分层，Nr为圆心距分层总数，R为植株叶片总圆心距，Ri为第i叶片圆心距，MOD为求模运算。
植株叶面积不同圆心距绝对高度分层垂直结构计算公式：
式中：LANrj，Nhj为第Nrj圆心距层第Nhj高度层的叶面积之和，L为单叶叶面积，ni为第Nrj圆心距层第Nhj高度层中的叶片顺序号，m为第Nrj圆心距层第Nhj高度层中叶片总数量。
在一个实施例中，以辣椒为对象，辣椒种类为簇生椒，品种为辣研102号，施肥水平为尿素1086.20kg/hm2、硫酸钾1472.72kg/hm2、普钙432.00kg/hm2，株行距0.2×0.5m，获得各分枝叶面积不同生长年龄分层垂直结构，如表1所述。
表1叶面积不同生长年龄分层垂直结构
单位：mm2
| 分枝编号 | 老叶 | 成叶 | 新叶 | 总计 |
| 1 | 13550.68 | 19645.90 | 9353.96 | 42550.54 |
| 2 | 12475.27 | 27852.04 | 12880.12 | 53207.43 |
| 3 | 11498.80 | 17809.25 | 8248.50 | 37556.55 |
| 4 | 4029.70 | 10774.60 | 6130.80 | 20935.10 |
| 5 | 7079.21 | 14460.39 | 6364.06 | 27903.66 |
| 6 | 10684.14 | 9998.11 | 7802.20 | 28484.45 |
| 7 | 1999.25 | 4103.96 | 5159.87 | 11263.08 |
| 8 | 842.78 | 4521.22 | 3693.53 | 9057.53 |
| 9(茎) | 6703.93 | 29435.09 | 21022.81 | 57161.83 |
| 总计 | 68863.76 | 138600.56 | 80655.85 | 288120.17 |
图6是本发明实施例提供的一种植株叶面积垂直结构的异位获取设备示意框图。
一种植株叶面积垂直结构的异位获取设备，包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时实现上述的植株叶面积垂直结构的异位获取方法步骤。
一种植株叶面积垂直结构的异位获取系统，包括：
第一获取单元301，用于获得植株特征点数据；
第二获取单元302，用于获得植株单叶叶面积数据；
处理单元303，用于根据所述植株单叶叶面积数据和所述植株特征点数据计算植株叶面积垂直结构。
一种计算机可读存储介质，所述计算机可读取存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的植株叶面积垂直结构的异位获取方法步骤。
本申请提供的方法可适用植物学特性相近的不同叶形、叶序、单叶与复叶等，以作物、草本植物、分枝较简单的小灌木和乔木幼苗等阔叶植物为佳。
本验证实施例的验证结果表明，为适应症分配固有权重相对于默认设置来说可以适度改善本方法的性能。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上对本发明所提供的一种计算机设备进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种植株叶面积垂直结构的异位获取方法，包括：
获得植株特征点数据，所述植株特征点数据包括植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据，对植株特征点进行编号；
获得植株单叶叶面积数据；
根据所述植株单叶叶面积数据和所述植株特征点数据计算植株叶面积垂直结构，所述植株叶面积垂直结构包括生长年龄分层垂直结构，所述生长年龄分层垂直结构是以分枝为单位，根据叶片在分枝上的序号，将各枝上的叶片从下至上均分或近似均分为几个部分，分别计算出各分枝叶面积不同生长年龄分层垂直结构。
2.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据为上述植株特征点的垂直高度。
3.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据还包括上述植株特征点的圆心距和/或方位角。
4.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述编号按照从茎、枝到叶和从下到上的分级分类原则对特征点进行逐一编号。
5.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述植株叶面积垂直结构还包括绝对高度分层垂直结构，所述绝对高度分层垂直结构包括不同方位角绝对高度分层垂直结构、不同圆心距绝对高度分层垂直结构。
6.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述将各枝上的叶片从下至上均分或近似均分为老叶、成叶、新叶3部分。
7.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，根据下述式1将各枝上的叶片从下至上均分或近似均分为老叶、成叶、新叶3部分，
式中：n i 为分枝叶片序号；N为该分枝叶片总数量。
8.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述各分枝叶面积不同生长年龄分层垂直结构计算公式为下述式2：
式中：
为第t年龄层的叶面积之和，L为单叶叶面积，n i 为第t年龄层中的叶片顺序号，
m为第t年龄层中叶片总数量。
9.根据权利要求5所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述绝对高度分层垂直结构是以植株株高为总高度H，根据具体数据需求，划分高度分层N h ，单层高度为H/N h ，确定出1至N h 层的高度分层阈值，以叶柄顶部点为各叶片的高度值，根据高度分层阈值确定各叶片的高度分层号，汇总各层次叶面积总和，从而最终实现构建出植株叶面积绝对高度分层垂直结构。
10.根据权利要求5所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述不同方位角绝对高度分层垂直结构是将方位角根据研究需要划分为N ω 个均等象限，确定出1至N ω 层的方位角阈值，以叶柄顶部点为各叶片的方位角值，再将方位角划分至对应象限中，结合绝对高度分层垂直结构构建植株叶面积不同方位角绝对高度分层垂直结构。
11.根据权利要求5所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述不同圆心距绝对高度分层垂直结构是以叶柄顶部点圆心距最大值为总圆心距R，根据具体数据需求，划分圆心距分层N r ，单层圆心距为R/N r ，确定出1至N r 层的圆心距阈值；或根据研究对象情况，设置固定的圆心距值，以叶柄顶部点为各叶片的圆心距值，再将圆心距划分至对应圈层中，结合绝对高度分层垂直结构构建植株叶面积不同圆心距绝对高度分层垂直结构。
12.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述获取植株特征点数据的步骤为：（1）将植株固定在圆盘尺上；（2）测量植株特征点数据：用铅锤尺测量植株特征点到圆盘尺的垂直高度，在圆盘尺上读取植株特征点在圆盘尺的投影点至圆盘尺圆心的距离和角度。
13.根据权利要求1所述的植株叶面积垂直结构的异位获取方法，其特征在于，所述获得植株单叶叶面积数据的步骤为：剪取植株单叶叶片，放置在扫描仪台面上，获得植株单叶叶片的扫描图片；将所述扫描图片导入ArcGIS，提取植株单叶叶面积数据。
14.一种植株叶面积垂直结构的异位获取设备，包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用程序指令，当程序指令被执行时实现权利要求1-13任意一项所述的植株叶面积垂直结构的异位获取方法步骤。
15.一种植株叶面积垂直结构的异位获取系统，包括：
第一获取单元301，用于获得植株特征点数据，所述植株特征点数据包括植株顶点、枝条分叉点、叶柄基部点、叶柄顶部点数据，对植株特征点进行编号；
第二获取单元302， 用于获得植株单叶叶面积数据；
处理单元303，用于根据所述植株单叶叶面积数据和所述植株特征点数据计算植株叶面积垂直结构，所述植株叶面积垂直结构包括生长年龄分层垂直结构和/或绝对高度分层垂直结构，所述生长年龄分层垂直结构是以分枝为单位，根据叶片在分枝上的序号，将各枝上的叶片从下至上均分或近似均分为几个部分，分别计算出各分枝叶面积不同生长年龄分层垂直结构。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-13任意一项所述的植株叶面积垂直结构的异位获取方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111555239.1A CN114241033B (zh) | 2021-12-17 | 2021-12-17 | 一种植株叶面积垂直结构的异位获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111555239.1A CN114241033B (zh) | 2021-12-17 | 2021-12-17 | 一种植株叶面积垂直结构的异位获取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114241033A CN114241033A (zh) | 2022-03-25 |
| CN114241033B true CN114241033B (zh) | 2022-07-22 |
Family
ID=80758621
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111555239.1A Active CN114241033B (zh) | 2021-12-17 | 2021-12-17 | 一种植株叶面积垂直结构的异位获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114241033B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077529A (zh) * | 2013-02-27 | 2013-05-01 | 电子科技大学 | 基于图像扫描的植物叶片特征分析系统 |
| CN108871235A (zh) * | 2018-04-27 | 2018-11-23 | 江南大学 | 植株叶片的信息获取方法和植株叶片信息采集系统 |
| CN110426491A (zh) * | 2019-07-26 | 2019-11-08 | 北京农业信息技术研究中心 | 一种果树垂直结构的分层光学测量方法及装置 |
| CN112418188A (zh) * | 2020-12-17 | 2021-02-26 | 成都亚讯星科科技股份有限公司 | 基于无人机视觉的农作物生长全程数字化评估方法 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB620759A (en) * | 1946-04-02 | 1949-03-30 | Samuel Peskin | Means for measuring surface areas |
| CN101021415A (zh) * | 2007-03-19 | 2007-08-22 | 山东省农业科学院蔬菜研究所 | 一种植物叶片面积的测量方法 |
| CN101324427A (zh) * | 2008-07-31 | 2008-12-17 | 华中科技大学 | 绿叶面积自动测量装置及方法 |
| CN102809357B (zh) * | 2012-08-17 | 2015-07-08 | 华中农业大学 | 农作物叶面积信息自动化测量分析仪 |
| JP6245181B2 (ja) * | 2012-12-26 | 2017-12-13 | 日本電気株式会社 | 画像計測方法、システム、装置およびプログラム |
| CN103398957B (zh) * | 2013-08-12 | 2015-11-18 | 河海大学 | 基于高光谱与激光雷达提取叶面积垂直分布的方法 |
| CN104268387A (zh) * | 2014-09-18 | 2015-01-07 | 南京信息工程大学 | 一种基于出叶和展叶的设施作物叶面积模拟方法 |
| CN104732564B (zh) * | 2015-04-03 | 2018-06-19 | 中国农业科学院农业信息研究所 | 一种玉米叶面积无损动态监测装置与方法 |
| CN104778693A (zh) * | 2015-04-08 | 2015-07-15 | 云挺 | 基于投影算法和活动轮廓模型的叶面积指数计算 |
| CN105910556A (zh) * | 2016-04-13 | 2016-08-31 | 中国农业大学 | 一种叶面积垂直分布信息提取方法 |
| JP2019037225A (ja) * | 2017-08-24 | 2019-03-14 | 富士電機株式会社 | 植物の生育状況監視装置及び植物の生育状況監視方法 |
| CN108765433A (zh) * | 2018-05-31 | 2018-11-06 | 西京学院 | 一种用于提高精度的多叶面积测量方法 |
| CN110274557B (zh) * | 2019-06-17 | 2021-02-09 | 徐州工业职业技术学院 | 一种基于计算机视觉的叶片面积测量装置和方法 |
| CN110345886A (zh) * | 2019-07-30 | 2019-10-18 | 中国海洋大学 | 一种植物胚表面积测量装置及方法 |
| CN111445513B (zh) * | 2020-02-24 | 2024-01-16 | 浙江科技学院 | 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质 |
| CN111539964B (zh) * | 2020-04-02 | 2023-11-07 | 浙江科技学院 | 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质 |
| CN112465893A (zh) * | 2020-11-05 | 2021-03-09 | 内蒙古工业大学 | 一种植被叶片面积测量方法、装置、终端及存储介质 |
| CN112700488A (zh) * | 2020-12-11 | 2021-04-23 | 浙江托普云农科技股份有限公司 | 基于图像拼接的活体长叶片叶面积分析方法、系统及装置 |
| CN113111793A (zh) * | 2021-04-16 | 2021-07-13 | 重庆大学 | 树木识别方法与装置 |
-
2021
- 2021-12-17 CN CN202111555239.1A patent/CN114241033B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077529A (zh) * | 2013-02-27 | 2013-05-01 | 电子科技大学 | 基于图像扫描的植物叶片特征分析系统 |
| CN108871235A (zh) * | 2018-04-27 | 2018-11-23 | 江南大学 | 植株叶片的信息获取方法和植株叶片信息采集系统 |
| CN110426491A (zh) * | 2019-07-26 | 2019-11-08 | 北京农业信息技术研究中心 | 一种果树垂直结构的分层光学测量方法及装置 |
| CN112418188A (zh) * | 2020-12-17 | 2021-02-26 | 成都亚讯星科科技股份有限公司 | 基于无人机视觉的农作物生长全程数字化评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于夏玉米冠层内辐射分布的不同层叶面积指数模拟;汪涛 等;《农业工程学报》;20150131;第221-229页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114241033A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cousins | Analysis of land-cover transitions based on 17th and 18th century cadastral maps and aerial photographs | |
| Woods et al. | Operational implementation of a LiDAR inventory in Boreal Ontario | |
| CN106643529A (zh) | 基于无人机影像的山区农作物生长高度快速测量的方法 | |
| KR20070056201A (ko) | Ｇｉｓ를 이용한 식물자원 수량화 방법 | |
| CN103824324B (zh) | 一种果树冠层叶子和果实三维重建方法及系统 | |
| CN108334476A (zh) | 农机作业平整度的检测方法、装置和系统 | |
| CN108205718B (zh) | 一种粮食作物抽样测产方法及系统 | |
| CN115563493A (zh) | 一种基于聚类算法划分乡村景观生态单元的方法 | |
| Lei et al. | Extraction of maize leaf base and inclination angles using terrestrial laser scanning (TLS) data | |
| CN114241033B (zh) | 一种植株叶面积垂直结构的异位获取方法 | |
| CN109034462A (zh) | 玉米群体种植结构优化方法及装置 | |
| CN107194913A (zh) | 一种作物群体最适研究尺度检测方法及装置 | |
| CN107369206B (zh) | 一种玉米群体三维模型构建方法及系统 | |
| CN109977190A (zh) | 面向大规模矢量地图数据的面积查询处理方法及装置 | |
| CN115909063A (zh) | 一种中分辨率水稻提取方法及系统 | |
| US20220092306A1 (en) | Cloud platform-based garlic crop recognition method by coupling active and passive remote sensing images | |
| CN114581450A (zh) | 基于点云图像转换的玉米株高茎粗测量方法及装置 | |
| Wilkinson et al. | Change detection techniques for use in a statewide forest inventory program | |
| CN109033568B (zh) | 一种草地产草量空间数据格网化重建方法 | |
| CN113487636A (zh) | 基于激光雷达的宽垄作物株高及行间距自动提取方法 | |
| CN116679333B (zh) | 一种基于rtk技术开展复杂森林植物群落样方调查的方法 | |
| Ziadat et al. | Selection and characterization of badia watershed research sites | |
| CN115620171B (zh) | 树林蓄积量评估方法、装置、设备及存储介质 | |
| CN114399332A (zh) | 一种耕地价格评估方法、系统及电子设备 | |
| CN111949752B (zh) | 基于数字高程模型的特定生物种群高程获取方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Xiao Jiujun Inventor after: Xing Dan Inventor after: Xie Yuangui Inventor after: Zhang Lanyue Inventor after: Li Kexiang Inventor after: Chen Yang Inventor before: Xiao Jiujun Inventor before: Xing Dan Inventor before: Zhang Lanyue Inventor before: Li Kexiang Inventor before: Chen Yang Inventor before: Xie Yuangui |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |