环境胁迫下温室黄瓜营养期叶片性状数字化系统研究

唐卫东 刘冬生 刘振文 王茜娟

摘要 叶性状数字化对提高温室环境智能决策与控制水平具有重要意义，针对传统叶性状变化模型难以反映外部环境胁迫等问题，提出基于环境胁迫的黄瓜营养期叶片性状数字化系统设计方法。根据试验观测数据提取黄瓜营养期叶片性状特征信息，并在此基础上对叶片性状信息与温室环境信息进行融合，采用信息重构与虚拟植物技术构建反映环境胁迫的叶性状信息数字化模型。在环境控制分析与模型融合基础上实现温室黄瓜叶片生长信息数字化系统的有机集成。实例验证表明，该方法有效地虚拟了叶片性状受外部环境胁迫的动态变化。

关键词 温室;环境胁迫;信息融合;叶片性状;数字化

中图分类号 S126;TP391文献标识码 A

文章编号 0517-6611（2019）14-0238-04

doi：10.3969/j.issn.0517-6611.2019.14.070

開放科学（资源服务）标识码（OSID）：

Abstract The digitalization of leaf traits is of great significance to improve the level of intelligent decisionmaking and control of greenhouse environment.Aiming at the problem that traditional leaf traits change model can not reflect external environmental stress，a method of designing digital system of leaf traits of cucumber in vegetative period based on environmental stress was put forward.Based on the experimental observation data，the leaf trait information of cucumber in vegetative period was extracted.And based on this，the leaf trait information was fused with greenhouse environmental information.Information reconstruction and virtual plant technology were used to construct a digital model of leaf traits information reflecting environmental stress.Based on the integration of environmental control analysis and model，the digital system of cucumber leaf growth information in greenhouse was integrated.Examples showed that the method effectively simulated the dynamic changes of leaf traits under external environmental stress.

Key words Greenhouse;Environmental stress;Information fusion;Leaf traits;Digital method

作者简介 唐卫东（1974—），男，江西吉安人，副教授﹐博士，从事农业信息化及温室环境控制研究。

收稿日期 2019-02-19

随着数字农业的发展，农林数字化设计已逐渐为现代农业的作物育苗、植株株型改良及其生长监测等提供有力支持[1]。例如，Ngele等[2]构建了数字植物代谢功能模型，有效地探究了外部环境因子对植物代谢功能的作用机制;Harder等[3]基于花序演变时的拓扑结构、几何形态及物候期特征，建立了花序的体系结构可视化模型，有效地探究了花序结构-功能互作机理。叶片是作物地上部冠层完成光合作用、蒸腾作用等生理功能的重要敏感器官，在不同生境下以叶片等主要器官为对象进行建模并利用其探究作物功能-结构关系的研究已引起国内外学者的广泛关注[4-5]。Furutani等[6]基于植物生长素在根、叶等器官之间的传输过程建立了相关器官的形态结构及生理功能模型;Ge等[7]通过提取玉米叶性状特征并利用Lemnatec提供的GmbH系统可实时监测玉米的生长状态。苗腾等[8]利用叶性状特征参数并基于数据约束建立了黄瓜叶片参数化模型。目前，有关植物生长数字化的研究多以田间作物为主，近年来有关叶片形态的数字化仿真研究受多数研究者关注[9-10]，而对温室植物的研究则不多见，尤其是叶性状信息数字化及其在温室环境控制中的研究鲜见报道。鉴于此，笔者在已获取黄瓜叶片生长信息并对其融合的基础上，研究温室黄瓜叶片性状信息数字化及其环境控制过程，对温室黄瓜叶片性状进行动态模拟，为现代温室作物生长及其环境调控提供支持。

1 信息融合

1.1 数据采集

在温室作物生产中，数据采集主要包括环境信息和叶器官生长信息。环境信息主要由植物生长的水分、养分、温度、湿度、光照等构成，这可根据当地气象数据并通过信息测定传感器获得。叶器官生长信息主要包括叶器官的生理状态（蒸腾速率、光合作用速率等）、生长量（叶长、叶宽及叶面积等）等。其中，光合作用速率、蒸腾速率等信息由光合测定仪及植物生理生态仪采集获得，叶长、叶宽及叶面积等信息可采用位移传感器采集获得。

1.2 信息处理

由试验观测所获取的叶片形态结构与生理生态数据仅能反映叶器官局部生长状况，且采集的原始数据由于信息粗糙或缺乏信息之间内在关系而难以反映叶片生长规律。为此，可应用数据挖掘方法对原始的试验观测数据进行分析和预处理，以适应计算机模拟叶片生长所需的环境设置要求，并通过对叶片生长的定量化处理来有效提取能反映叶片不同生长阶段状况的特征信息，如叶片拓扑信息与器官形态信息。采用遗传算法对这些特征信息进行筛选和优化组合，去掉次要的和重复的信息，由此获得叶片不同生长阶段的形态参数与生理生态参数。在处理数据时，可根据不同类型的信息开发各类数据处理模块并选择合适的数据结构有序地组织这些信息，在此基础上建立叶器官特征参数库，以供将来构建虚拟叶片模型使用。

1.3 信息融合

叶片生长是一个连续不断的生命过程，其间发生许多量和质的变化，如叶片拓扑结构、几何形態等[5]。叶片生长不仅受内在因素作用还受外部环境因子影响，依赖现有的叶性状变化模型仅能表达叶片局部变化规律，如基于生理生态功能的叶性状模型能够预测叶片的光合产物、同化物分配等生理行为，而基于形态结构的叶片形态发生模型能够模拟叶片的大小等形态特征，难以较全面地反映叶器官生长机理。因此，需要将叶片生长信息与外部环境信息进行有机融合，以便在计算机上实现叶片生长过程的真实再现。

在叶器官生长发育过程中，叶片生长与外部环境存在一定的相互关系（图1），为外部环境、叶片形态结构与生理生态信息之间的交互过程。考虑到叶片生长与外部环境之间的信息交互具有较强的时空性，采用模糊理论或神经网络方法进行信息融合，将按时序获得的实验观测信息依据一定准则进行分析综合以供分配使用。

2 叶片性状数字化

2.1 信息重构方法

为了将叶器官生长信息转换为数字化信息，需采用信息重构方法对叶片生长信息进行数字化。根据所提取的叶片特征信息，构造出反映叶片拓扑变化的形态发生数学模型，并基于图形技术建立叶片形态的几何模型及其显示模型，并在信息融合基础上实现叶片生长信息重构。信息重构过程主要为：

①利用所建立的反映不同生长阶段叶片拓扑结构及形态变化的特征参数库，通过定量化处理不同生育阶段的形态变化，依据叶片拓扑变化规则及同化物的定量分配构造叶片的形态发生数学模型。

②依据叶片形态发生数学模型，由试验观测数据及叶片在不同生育阶段特性提取叶片特征参数库的形态信息，并根据叶片结构和形态将叶片拓扑信息和形态信息映射处理为点、线、面等几何图形信息，再采用相关的数据结构组织与存储这些信息以供调用。

③对叶片在不同生长阶段的几何信息进行归一化处理，依据叶片生长特性基于Nurbs技术与器官图形化函数模块构建归一化的器官图形库。

④根据叶片形态发生方式构建叶片几何模型，并依据叶片拓扑变化规则，基于叶片特征参数与图形库，结合叶片纹理、阴影及光照模型构建叶片拓扑结构与形态变化的显示模型，从而将几何数据信息通过信息的图形化处理转换为对应的图形图像信息。

在对叶片生长信息进行重构时，有效构建叶片形态发生数学模型是建立叶片形态的几何模型及其显示模型的关键。根据不同生育阶段叶片生长特性，通过定期试验观测得到叶片形态结构与生理生态作用关系，确立叶片拓扑变化规则，由此对叶片在不同生育阶段的形态变化进行定量化处理，再依据叶片拓扑变化规则构造叶片的形态发生数学模型。

2.2 叶片性状数字化模型构建

根据试验观测结果所构建的叶片生长模型在一定程度上反映了叶片形态发生和生理生态变化规律，而采用特征提取和信息融合方法并通过信息重构所建立的虚拟叶片模型则能在计算机上较好地模拟叶片生长行为。

为实现叶片生长过程的数字化，在大量试验观测基础上，结合叶片生长模拟模型，针对叶片生长过程中发生的拓扑结构和形态变化，建立反映叶片生长机理的虚拟叶片模型来对叶片生长进行模拟。由图2可知，为虚拟叶片模型构建过程及利用该模型对叶片生长信息进行重构以实现对叶片性状变化的数字化模拟。

3 环境控制系统

现代温室环境控制系统大多利用传感器监测水分、光照、温度、CO2浓度等环境信息，根据设定值或模型提供决策值，对温室环境进行控制。这些环境因子之间都是互相关联的，如光照增强则温度提高，温度提高则湿度下降，若采用单因子的环境信息采集和控制，则会出现一些冗余的条件属性及重复信息，影响了信息存储空间的有效利用，也存在控制的片面性。因此，为了提高温室环境智能决策与调控水平，笔者对温室黄瓜生长信息与环境信息进行融合，结合相关模型库、数据库、专家库等基本信息库，实现基于信息融合的数字化温室环境调控，图3为温室环境控制系统结构示意图。由图3可知，温室植物生长与环境因子监测信息通过信息传输链路送入环境控制设施，经过信息转换后再送入计算机操作室进行处理，处理结果将通过信息传输链路返回给环境控制设施，再通过信息传输链路实施温室环境因子的调控。

4 系统集成

在对植物生长进行数字化及环境调控时，需要对植物生长模型和虚拟植物模型进行有机融合。

①以时间为步长并依据叶片形态显示模型计算有关叶片形态特征信息，再将其传递给叶片形态发生数学模型，并利用其获得新的叶片拓扑结构信息与形态信息，从而通过信息互反馈实现叶片形态发生数学模型与叶片形态显示模型的融合。②利用融合后的各模型作为数据处理模块，以文档为外部数据输入接口，集成系统并采用人机交互界面在视口中显示叶片生长的数字化模拟或预测分析结果，实时掌握与合理决策植物叶片适宜的生长条件。

依据叶片生长数字化流程，结合虚拟植物及其模型构建思想，由试验获取叶片形态结构与生理生态信息，通过信息处理将叶片生长的时间和空间信息进行重构，并基于植物学规律对模型进行有机融合，再采用相应的技术路线实现植物生长信息数字化模拟和环境控制。图4为基于输入输出特征的特征获取-虚拟植物模型构建及其融合-数字化模拟与环境调控。

此外，为了有效实施温室环境调控，需在信息融合基础上获得温室土壤水分、温度、光照、湿度等环境因子的最佳控制量以便实施温室环境控制;利用试验结果并通过叶片形态发生模型、拓扑结构与几何模型及数字化显示模型，对信息融合及数字化模拟结果进行评价分析，对信息融合及数字化方法进行完善。

5 实例应用与分析

以温室水果黄瓜为例，根据试验观测值，开发了一个温室黄瓜生长数字化原型系统，该系统能够模拟植株在外部环境作用下的动态生长过程。该系统以Visual C++为开发平台，充分利用开放式图形工具包OpenGL提供的图形函数模块，针对黄瓜叶片等器官性状变化特点及外部环境作用规律，该系统设计了一个基本属性对话框，由该对话框进行交互设计，修改植株叶片形态参数，如叶片形状、叶柄与茎的夹角等（图5）;外部环境因子如水分、光强、温度等则根据试验采集数据通过加载环境因子文本文件获得。

在设置有关形态特征参数及外部环境条件后，由该系统得到如图6、7所示的植株在不同生长天数时的模拟结果。其中图6模拟了黄瓜在不适环境下的动态生长过程，植株出现叶片枯黄且停滞生长直至衰败的现象，可能因为黄瓜没有获得足够的温度、光照、水肥等环境条件而无法进行正常的生长发育;图7模拟了黄瓜生长环境有所改善，当植株获得适宜的环境条件后黄瓜叶片才能完成正常的生长发育，叶片性状变化良好。通过实验验证得出，该系统模拟结果与试验观测结果基本一致，表明该系统可以为动态掌握黄瓜生长发育和对温室环境智能调控提供技术支持。

以上植株生长过程不难发现，从幼苗阶段开始到发育成熟阶段，若给定适合植物生长的水分、养分、光照、温度等条件，则在外部环境因子作用下，叶片等器官能够按照正常的生长规律发生变化，否则需要对温室环境相关参数进行調节以获得适宜植物生长的外部环境条件。

6 小结

该研究采用信息融合及重构方法，对温室黄瓜营养期叶性状信息数字化及其环境胁迫进行了研究。利用所构建的温室黄瓜营养期生长数字化原型系统对叶片性状在不同环境下的变化进行了仿真，不仅实现了叶片生长过程的可视化，反映了叶性状特征变化规律，还通过信息融合及借助计算机手段实现对黄瓜等植物生长的动态跟踪与管理，提高温室环境智能决策与控制水平，从而更好地为现代农业生产与管理提供服务。

考虑到不同植物生长特性的差异，应用该方法时需要考虑到很多因素，这也是构建数字化控制系统的难点，拟在将来研究中通过试验观测和工作积累加以解决。

参考文献

[1] 赵春江，陆声链，郭新宇，等.数字植物研究进展：植物形态结构三维数字化[J].中国农业科学，2015，48（17）：3415-3428.

[2] NGELE T，WECKWERTH W.Mathematical modeling of plant metabolism―From reconstruction to prediction[J].Metabolites，2012，2（3）：553-566.

[3] HARDER L D，PRUSINKIEWICZ P.The interplay between inflorescence development and function as the crucible of architectural diversity[J].Annals of botany，2013，112（8）：1477-1493.

[4] 王志彬，王开义，王书锋，等.基于动态集成的黄瓜叶部病害识别方法[J].农业机械学报，2017，48（9）：46-52.

[5] UBBENS J，CIESLAK M，PRUSINKIEWICZ P，et al.The use of plant Models in deep learning：An application to leaf counting in rosette plants[J].Plant Methods，2018，14（1）：6-15.

[6] FURUTANI M，NAKANO Y，TASAKA M.MAB4-induced auxin sink generates local auxin gradients in Arabidopsis organ formation[J].Proceedings of the national academy of sciences of the United States of America，2014，111（3）：1198-1203.

[7] GE Y F，BAI G，STOERGER V，et al.Temporal dynamics of maize plant growth，water use，and leaf water content using automated high throughput RGB and hyper spectral imaging[J].Computers and electronics in agriculture，2016，127：625-632.

[8] 苗腾，赵春江，郭新宇，等.基于数据约束的黄瓜叶片参数化建模[J].农业机械学报，2011，42（1）：171-176.

[9] 杨亮，郭新宇，陆声链，等.基于多幅图像的黄瓜叶片形态三维重建[J].农业工程学报，2009，25（2）：141-144.

[10] 蔡祥，孙宇瑞，赵燕东，等.基于3-D数据的叶片萎蔫形态辨识方法[J].农业机械学报，2015，46（5）：286-292.