条带间作系统中较低的作物辐射可用性量化


发布时间:

2025-02-18

来源:

作者:

遮荫是低作物条带间作系统中不可避免的现象,它会影响太阳辐射的量和成分,从而影响辐射利用效率(radiation use efficiency,RUE)。较高的作物通常被视为一个均匀的块,而不是实际的冠层结构,以计算较低的作物辐射可用性(block-based method,BM),这低估了穿过冠层间隙的光量。因此,提出了一种新的阴影分数方法(shadow fraction method,SFM),用于分别量化低作物上的直接辐射和漫射辐射。SFM考虑了阴影分数动态和一天内的视野系数,这是基于无人机衍生的冠层结构模型计算的。为了测试这种方法,从六种种植配置的玉米-大豆间作试验中收集了无人机图像和作物数据。对于日总辐射,随着大豆条带宽度从3.8米减小到1.6米,BM和SFM之间的相对差异从约11.10%增加到20.36%。因此,SFM计算的大豆RUE比BM低0.2-0.3 g/MJ。与之前的研究一致,SFM在条带间作系统中计算的大豆的RUE(1.36-1.61 g/MJ)高于单作系统(0.98 g/MJ。较高的RUE通常归因于条带间作系统中扩散分数的增加。然而,SFM表明,间作大豆的扩散分数(范围为37.42%至38.58%)略低于单作大豆(39.48%),这意味着其他因素,如光照强度和质量,可能会影响大豆的性能,值得进一步研究。SFM在理论上比BM更准确,因为它考虑了实际的3D冠层结构。该方法可以增强对间作系统中光分布和利用效率的理解,可以与作物生长模型或功能结构植物模型相结合,优化间作配置,提高资源利用效率。

 

图1  田间试验布置图(a)中,红框是用于三维冠层点云模型重建的复制品。两行玉米与三行大豆(2M3S;左)和三行玉米与六行大豆(3M6S;右)间作处理示意图(b)。玉米和大豆的行距分别为0.4、0.6和0.8米,种植方向为北西59°。每种处理的缩写和相应的大豆条宽度如图所示。

 

图2  从无人机图像序列中导出的3D点云创建目标单元的过程,用于计算2M3S处理(a、b、c和d)和3M6S处理(e、f、g和h)在大豆冠层上的阴影分数。目标单元(a和e)的点云被分割和去噪,然后旋转和平移,使其X、Y和Z轴分别表示东、北和植物生长方向(b和f)。确定了三维冠层结构模型的大豆平面(c和g中的灰色阴影区域),并使用相邻玉米和大豆条带的几何关系(行距和条带宽度)计算了大豆冠层面积(d和h中的黄色阴影区域)。对于玉米条一侧缺失大豆平面(h中的A1B1C1D1)的3M6S处理点云,通过从另一侧复制和翻译现有大豆平面(小时中的ABCD)来补充。点A和B是玉米和相邻大豆条之间行距的中点。AD和BC线是大豆种植区的边界,分别垂直于AB线。

 

图3 利用无人机图像序列导出的三维冠层结构模型计算大豆冠层阴影分数的管道。上部玉米带的点云投影在大豆冠层平面(a)上。然后,使用2D Delaunay三角剖分技术,使用投影点(a中的灰点)生成三角形刻面(b),并通过刻面面积阈值去除异常刻面(c)。玉米条带三维冠层结构模型的投影面积是通过将单个小平面的面积相加来计算的,因此大豆冠层上的阴影分数被计算为大豆冠层上阴影面积的比率(d)。

 

图4  使用所提出的阴影分数法估算大豆条带间作系统大豆冠层的辐射量和成分的示意图。以3M6S-0.6处理为例来演示该示意图。灰色阴影区域表示大豆冠层上没有直接太阳辐射的区域,黄色阴影区域是接收直接太阳辐射区域。漫射辐射分为两部分:直接到达大豆冠层(半球黄色区域)的辐射和穿过玉米冠层(半球浅蓝色区域)后到达大豆冠层的辐射。

 

图5  不同生长阶段间作处理大豆条带上阴影分数的动态。使用从播种后48、56和64天的无人机图像中导出的3D冠层结构模型计算阴影分数(DAS)。彩色线条代表不同宽度大豆条的间作处理。

 

图6  观察不同生长阶段间作处理对大豆条带的影响因素。使用播种后48、56和64天(DAS)无人机图像得出的冠层数字表面模型计算了景观因子。

 

图7  通过阴影分数法(SFM)和基于块的方法(BM)计算的间作处理到达大豆条带的日总辐射的比较。Rd是2M3S或3M6S间作处理两种方法计算的日总辐射的平均差值。颜色代表不同宽度大豆条的间作处理。

 

图8  间作和单独处理到达大豆条带的累积总辐射和不同辐射成分(直接和漫射)。这些辐射分量是使用SFM计算的。每个条顶部的数字是累积的每日直接(绿色)或漫射(红色)辐射与总辐射(蓝色)的比率。

 

来 源

Li, M., He, D., Hu, P., Duan, T., Wu, Y., & Guo, Y. Quantifying lower crop radiation availability in strip intercropping systems via UAV-derived canopy structural models. Computers and Electronics in Agriculture. 2025, 229, 109691.

 

编辑

王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。