刘守阳、金时较、郭庆华、朱艳、Fred Baret1

来源：智慧农业

摘要：冠层光截获能力是反映作物品种间差异的重要功能性状，高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标，利用数字化植物表型平台（ D3P ）模拟生成了100种冠层结构不同的小麦品种在5个生育期的三维冠层场景，记录了从原始冠层结构中提取的绿色叶面积指数（GAI ）、平均倾角（ AIA ）和散射光截获率（FIPARdif）信息作为真实值，进一步利用上述三维小麦场景开展了虚拟的激光雷达（ LiDAR ）模拟实验，生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征（H）和绿色分数特征（GF）。较后，利用人工神经网络（ANN）算法分别构建了从不同 LiDAR 点云特征（H、GF和 H+GF ）输入到FIPARdif、 GAI和AIA的反演模型。结果表明，对于GAI、AIA和FIPAR dif，预测精度从高到低对应的点云特征输入为 GF+H > H > GF 。由此可见，H特征对提高目标表型特性的估算精度起到了重要作用。输入 GF + H 特征，在中等测量噪音（10% ）情况下，FIPAR dif和 GAI的估算均获得了满意精度，R2分别为 0.95 和 0.98 ，而 AIA 的估算精度（R2=0.20 ）还有待进一步提升。本研究基于 D3P 模拟数据开展，算法的实际表现还有待通过田间数据进一步验证。尽管如此，本研究验证 D3P协助表型算法开发的能力，展示了高通量 LiDAR 数据在估算田间冠层光截获和冠层结构方面的较高潜力。

图 1 基于 D3P 和 ANN 的高通量冠层结构和光截获反演算法流程图

Fig. 1 Flow chart of the D3P and ANN based inversion algorithm for the high-throughput phenotyping of canopy structure and light interception

图 2 数字化植物表型平台，D3P（翻译和修改自文献［16）

Fig. 2 Digital Plant Phenotyping Platform，D3P（Revised from reference［16］）

图 3  D3P 模拟的 RGB 图像（a）和 LiDAR 三维点云（b）

Fig. 3 RGB imagery（a）and 3D LiDAR point cloud（b）generated  byD3P 

关键词：冠层光截获;高通量表型;LiDAR;数字化植物表型平台(D3P)小麦冠层