利用计算智能对玉米冠层进行三维建模

了解作物冠层结构对优化作物生产至关重要，因为它会显著影响资源利用效率、产量和抗逆性。尽管研究已将冠层研究纳入各种农业实践，但由于复杂的空间分布和技术限制，构建准确的三维模型仍然具有挑战性

由于分辨率和成本等问题，当前的方法难以捕获详细的形态学数据。为了解决这些问题，人们对应用计算智能（CI）技术产生了新的兴趣。这些技术在各种农业应用中显示出了前景，但尚未被探索用于构建玉米冠层的3D模型

2024年3月，Plant Phenomics发表了一篇题为“基于计算智能的玉米冠层三维建模”的研究文章。这项研究旨在将CI集成到3D植物冠层建模中，特别是专注于克服密集种植作物之间的内部遮挡和资源竞争的挑战

该研究提出了一种基于计算智能的玉米冠层三维建模方法，重点是可视化和验证不同种植密度和品种的玉米冠层结构。利用该方法，构建了JNK728和JK968玉米品种在3、6和9倍密度下的三维模型；每公顷104株植物

这些模型证明了该方法能够捕捉种植密度对冠层结构的影响，包括增加遮荫和调整叶片方位角以优化光捕获。模型经过验证，在模拟叶片方位角分布方面有了显著改进。R2值与实测数据高度一致，尤其是在通过反射法优化后

该研究还验证了模型在表示冠层覆盖率方面的准确性，显示了与实际冠层条件的相关性，并强调了模型在捕捉落叶和杂草等元素方面的局限性。叶片方位角的分布接近90°；随着种植密度的增加而增加，这表明玉米叶片对环境胁迫的适应性反应是通过更垂直于行方向排列。通过在种植密度梯度上构建3D模型，进一步验证了这一趋势

计算过程虽然耗时，但突出了计算智能在三维树冠建模中的效率和潜力。日照叶面积比的迭代优化和3D植物体方位角的智能调整反映了群体智能原理在作物冠层建模中的应用

该研究强调了精确的作物冠层建模对理解植物对光资源的竞争的重要性。它建议进一步增强和未来的工作，通过考虑更广泛的环境因素并结合更详细的表型和生长信息来提高模型的准确性和实用性