Трёхмерное моделирование кукурузного полога с использованием вычислительного интеллекта

Понимание структуры полога сельскохозяйственных культур критически важно для оптимизации производства, так как напрямую влияет на эффективность использования ресурсов, урожайность и устойчивость к стрессам. Однако создание точных 3D-моделей остаётся сложной задачей из-за сложного пространственного распределения растений и технологических ограничений.

Существующие методы часто не могут захватить детальные морфологические данные из-за проблем с разрешением и стоимостью. В марте 2024 года журнал Plant Phenomics опубликовал исследование, направленное на решение этих проблем путём интеграции методов Вычислительного Интеллекта (Computational Intelligence, CI) в 3D-моделирование растительного полога.

Метод и результаты

Исследователи представили метод 3D-моделирования кукурузного полога на основе CI, сфокусированный на визуализации и валидации структуры при разных плотностях посадки и сортах.

• Были построены 3D-модели для сортов кукурузы JNK728 и JK968 при плотностях посадки 3, 6 и 9×10⁴ растений на гектар.
• Модели продемонстрировали способность улавливать влияние плотности на структуру полога: увеличение затенения и адаптацию азимутальных углов листьев для оптимизации захвата света.
• Валидация показала значительное улучшение в симуляции распределения азимутальных углов листьев. Значения R² указали на высокую степень соответствия измеренным данным, особенно после оптимизации с помощью рефлексивного подхода.
• Распределение азимутальных углов листьев, близких к 90°, увеличивалось с ростом плотности посадки. Это говорит об адаптивной реакции листьев кукурузы на стресс окружающей среды путём ориентации более перпендикулярно направлению ряда.

Значение и перспективы

Исследование подчёркивает важность точного моделирования полога для понимания конкуренции растений за световые ресурсы. Вычислительный процесс, хотя и требующий времени, демонстрирует эффективность и потенциал CI в этой области.

Для дальнейшего повышения точности и практической полезности моделей будущая работа должна учитывать более широкий спектр факторов окружающей среды и включать более детальную фенотипическую и ростовую информацию.