一种高产棉花株行距配置优化方法与流程

1.本发明涉及农业信息化技术领域，特别涉及一种高产棉花株行距配置优化方法。


背景技术：

2.棉花是我国重要的经济作物和纺织工业原料，是全国1亿多棉农收入的主要来源，对国民经济的发展具有重要意义。棉花群体的产量和棉铃的品质是棉花品种、种植环境和管理综合共同作用下的结果，合理的棉花株行距配置不仅能够充分挖掘棉花群体增产潜力，还能够在有助于提高机械化作业质量的同时降低产量损失。棉花株行距的确定是棉花生产全程机械化的重要一环，根据种植地区的光热资源和棉花品种的株型特征对株行距进行定量优化配置，能够提升棉田光热资源利用效率，促进棉花全程机械化和高产高效协同。
3.棉花的株距：棉花的密度与群体结构密切相关，直接关系到光能利用和产量品质的形成。若密度太小不利于高产，密度过高导致棉花生长过旺，不利于田间管理，且造成冠层郁闭，进而影响到棉铃品质。研究表明在一定范围内，种植密度的增加会带来棉铃数量增加，进而使籽棉产量呈线性增加趋势，而密度增加到一定程度籽棉产量可达到最大值，此后籽棉产量进入稳定的平台期，若进一步增加密度反而会引发严重遮阴，导致产量下降。
4.棉花的行距：调整行距配置是实现作物合理密植，确保其与机械采收技术相结合的重要手段。在棉花生产机械化程度较高的地区，行距一般由采棉机采摘头决定，如新疆高密度下机采棉主要运用(66cm 10cm)、(68cm 8cm)等配置方式。然而，高密度下田间行距较小容易造成脱叶剂喷施效果差、棉株干枯叶较多、挂枝叶较多等问题，导致机械采收前落叶率达不到机采要求、所采籽棉杂质含量较高，对机采棉品质造成严重影响。本领域技术人员通过开展规模田间试验，明确了增大行距、减少行数或等行距种植对于提高产量品质具有显著成效，通过选取不同品种开展了不同行距的比较试验研究，结果表明等行距低密度下杂交棉花产量最高。
5.目前，本领域的研究人员主要通过分析多年多点的栽培试验数据来优化棉花株行距，此种方式存在着费时耗力、成本高昂、优化精度不足等问题，并难以形成精确的优化模式。此外，在全程化控塑型技术的大面积推广应用的背景下，传统的田间试验分析受到多种因素综合作用的影响，已经无法满足开展大规模株型育种和塑型栽培研究的要求，迫切需要信息化手段提供技术支撑。
6.因此，针对上述问题，本技术提供了一种高产棉花株行距配置优化方法，通过构建棉花主栽品种在不同生态点的株行距配置下的棉花三维模型，结合三维冠层光合模型进行光合生产力计算分析，实现棉花种植株行距优化。


技术实现要素：

7.本发明的目的在于提供一种高产棉花株行距配置优化方法，通过构建棉花主栽品种在不同生态点的株行距配置下的棉花三维模型，结合三维冠层光合模型进行光合生产力计算分析，实现棉花种植株行距优化。
8.本发明提供了一种高产棉花株行距配置优化方法，包括如下步骤：
9.获取棉花植株三维形态数据，构建棉花植株三维模型；
10.输入当前棉花植株的株距数据和行距数据至棉花植株三维模型，得到棉花植株三维冠层模型；
11.基于棉花植株三维冠层模型，输入棉花植株的各器官对光合有效辐射的透射率和反射率，进行光合生产力计算，得到棉花植株籽棉产量；
12.采用梯度下降法逐步调节棉花植株的株距数据和行距数据，直至当前棉花植株籽棉产量达到最大值，输出棉花植株最优的株距数据和行距数据。
13.进一步地，所述获取优化目标地点往期的棉花植株三维形态数据，构建棉花植株三维模型的步骤，包括：
14.获取优化目标地点往期的棉花植株三维形态数据；
15.根据往期的棉花植株三维形态数据的变化，求取优化目标地点棉花叶片和节间的发育和生长速率数据；
16.基于优化目标地点棉花叶片和节间的发育和生长速率数据随时间的变化规律，构建棉花植株三维模型。
17.进一步地，所述棉花植株三维形态数据包括：叶片拓扑结构图、柱式图、株高、主茎节间长度、主茎节间直径、果枝节间长度、果枝节间直径、主茎叶片数、果枝叶片数、叶长、叶宽、叶型、叶倾角和方位角。
18.进一步地，所述基于优化目标地点棉花叶片和节间的发育和生长速率数据随时间的变化规律，构建棉花植株三维模型的步骤，包括：
19.采集优化目标地点往期的棉花植株的不同叶位叶片的图像信息；
20.从往期的棉花植株的不同叶位叶片的图像信息中，提取出棉花植株主茎叶和果枝叶在不同时期的叶型参数，构建棉花叶片模板库；
21.根据棉花叶片模板库中棉花叶片扩张和节间伸长随时间的变化规律，得到逻辑斯蒂增长曲线；
22.根据逻辑斯蒂增长曲线构建棉花植株三维模型。
23.进一步地，所述棉花植株三维冠层模型，包括：
24.棉花主茎叶长、叶宽和主茎节间长度随主茎节位的分布函数；
25.主茎节间直接随主茎节位的分布函数；
26.利用连续两片叶片之间的积温(℃d)控制棉花生长节元发生的发生函数；
27.采用逻辑斯蒂增长曲线描述棉花叶片扩张和节间伸长随时间的分布函数。
28.进一步地，所述棉花植株三维冠层模型，包括：
29.棉花主茎叶长、叶宽和主茎节间长度随主茎节位的分布函数：
[0030][0031]
其中，l
i
表示第i主茎节位上的叶长、叶宽和节间长度，lm表示各节位叶长、长宽和节间长度的最大值，r表示节位序，r
m
表示取得最大叶长、叶宽和节间长度所在节位的节位序，b为经验参数；
[0032]
主茎节间直接随主茎节位的分布函数：
[0033][0034]
其中，w
i
表示第i主茎节位上的茎直径，wm表示主茎基部节间直径最大值，k和r0为经验参数，r为主茎节位序；
[0035]
利用连续两片叶片之间的积温(℃d)控制棉花生长节元的发生，控制函数如下：
[0036]
phyllo＝tt
n 1
‑
tt
n
[0037]
其中，ttn 1和ttn分别为第n 1片叶和第n片叶所需积温；
[0038]
采用逻辑斯蒂增长曲线描述棉花叶片扩张和节间伸长随时间的分布函数：
[0039][0040]
其中，l
i,tt
为第i节位的主茎叶片在叶龄达到tt时的长度，b和tt
m
为经验参数。
[0041]
进一步地，所述基于棉花植株的各器官对光合有效辐射的透射率和反射率，采用棉花植株三维冠层模型进行光合生产力计算，得到棉花植株籽棉产量的步骤，包括：
[0042]
基于蒙特卡洛反向追踪算法和棉花植株的各器官对光合有效辐射的透射率和反射率，构建辐射数据驱动模型；
[0043]
采集逐日气象数据，所述逐日气象数据包括：气温、降雨量、日照时数；
[0044]
将逐日气象数据输入辐射数据驱动模型，实现对棉花生长发育和产量形成的模拟，输出棉花植株籽棉产量。
[0045]
进一步地，所述辐射数据驱动模型，包括：
[0046]
基于棉花植株的各器官对光合有效辐射的透射率和反射率，利用光响应曲线计算叶片光合速率a；
[0047]
将叶片光合速率a转化为叶片当日产生的光合同化产物总量s
d,gross
；
[0048]
全株叶片的光合同化产物总量s
d,gross
扣除器官呼吸作用消耗rm，获得当日光合同化产物的净积累量s
d,net
；
[0049]
利用棉花植株器官潜在生长速率d占总库强的比例，表示光合产物总量分配到各个器官上的比例r
o,i
；
[0050]
根据光合产物总量分配到各个器官上的比例r
o,i
，获得器官在第d天分配到的光合产物，得到器官中的碳水化合物转化为干物质的量m
o,d
。
[0051]
与现有技术相比，本发明具有如下显著优点：
[0052]
本发明提供了一种高产棉花株行距配置优化方法，以棉花群体籽棉产量最大化为目标函数，以株距和行距作为优化目标参数，基于目标地点往期的棉花植株三维形态数据，构建棉花主栽品种在不同生态点的株行距配置下的棉花三维模型，输入当前棉花植株的株距数据和行距数据，得到棉花植株三维冠层模型，进行棉花植株三维冠层模型的光合生产力计算分析，利用梯度下降法使得棉花植株籽棉产量最大化，实现棉花种植株行距优化。本发明提供的一种高产棉花株行距配置优化方法，以期在不同生态点，为不同主栽品种的种植模式方案制定和棉花全程农机农艺融合提供信息化技术手段和理论依据。
附图说明
[0053]
图1为本发明实施例提供的一种高产棉花株行距配置优化方法的处理流程图。
具体实施方式
[0054]
下面结合本发明中的附图，对本发明实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
[0055]
棉花植株由生长节单位构成，营养节单位包括一个节间、一个叶片和一个分支叶芽，生殖节单位包括一个节间、一个叶片和一个果实。棉花的生长过程相当于在顶端和分枝不断产生新的生长单元，通常在主茎第4～8节位上由营养节单位分生出营养枝，并在该营养枝上产生新的营养节单位不断伸长且两侧继续分生出新的生殖节单位形成二级果枝，二级果枝上只产生新的生殖单元而不再分枝，而在第9主茎节位及以上，随着主茎节位的不断增加，主茎两侧一次产生新的生殖单元，进而形成果枝。节单位的发生速率由上述确定的叶热间距来决定。
[0056]
参照图1，本发明提供了一种高产棉花株行距配置优化方法，包括如下步骤：
[0057]
步骤一：获取棉花植株三维形态数据，构建棉花植株三维模型。
[0058]
本方案中，获取优化目标地点往期的棉花植株三维形态数据，构建棉花植株三维模型的步骤，包括：
[0059]
获取优化目标地点往期的棉花植株三维形态数据，所述棉花植株三维形态数据包括：叶片拓扑结构图、柱式图、株高、主茎节间长度、主茎节间直径、果枝节间长度、果枝节间直径、主茎叶片数、果枝叶片数、叶长、叶宽、叶型、叶倾角和方位角；
[0060]
根据往期的棉花植株三维形态数据的变化，求取优化目标地点棉花叶片和节间的发育和生长速率数据；
[0061]
基于优化目标地点棉花叶片和节间的发育和生长速率数据随时间的变化规律，构建棉花植株三维模型。
[0062]
其中，基于优化目标地点棉花叶片和节间的发育和生长速率数据随时间的变化规律，构建棉花植株三维模型的步骤，包括：
[0063]
采集优化目标地点往期的棉花植株的不同叶位叶片的图像信息；
[0064]
从往期的棉花植株的不同叶位叶片的图像信息中，提取出棉花植株主茎叶和果枝叶在不同时期的叶型参数，构建棉花叶片模板库；
[0065]
根据棉花叶片模板库中棉花叶片扩张和节间伸长随时间的变化规律，得到逻辑斯蒂增长曲线；
[0066]
根据逻辑斯蒂增长曲线构建棉花植株三维模型。
[0067]
步骤二：输入当前棉花植株的株距数据和行距数据至棉花植株三维模型，得到棉花植株三维冠层模型。
[0068]
本方案中，棉花植株三维冠层模型，包括：
[0069]
棉花主茎叶长、叶宽和主茎节间长度随节位的升高呈先增大后减小的趋势，采用洛伦兹单峰分布曲线描述棉花主茎叶长、叶宽和主茎节间长度随主茎节位的分布规律，其
分布函数为：
[0070][0071]
其中，l
i
表示第i主茎节位上的叶长(cm)、叶宽(cm)和节间长度(cm)，lm表示各节位叶长(cm)、长宽(cm)和节间长度(cm)的最大值，r表示节位序(无量纲)，r
m
表示取得最大叶长、叶宽和节间长度所在节位的节位序，b为经验参数(无量纲)；
[0072]
主茎节间直接随主茎节位的升高而下降，采用逻辑斯蒂下降曲线描述其空间分布规律，主茎节间直接随主茎节位的分布函数：
[0073][0074]
其中，w
i
表示第i主茎节位上的茎直径(mm)，wm表示主茎基部节间直径最大值(mm)，k和r0为经验参数(无量纲)，r为主茎节位序(无量纲)；
[0075]
利用连续两片叶片之间的积温(℃d)控制棉花生长节元的发生，控制函数如下：
[0076]
phyllo＝tt
n 1
‑
tt
n
[0077]
其中，ttn 1和ttn分别为第n 1片叶和第n片叶所需积温(≥12℃)；
[0078]
采用逻辑斯蒂增长曲线描述棉花叶片扩张和节间伸长随时间的变化规律，变化规律的分布函数为：
[0079][0080]
其中，l
i,tt
为第i节位的主茎叶片在叶龄(自叶片出芽后的积温)达到tt时的长度(cm)，b和tt
m
为经验参数(无量纲)。此函数同样适用模拟于节间长度和直径的增长动态。
[0081]
步骤三：基于棉花植株的各器官对光合有效辐射的透射率和反射率，采用棉花植株三维冠层模型进行光合生产力计算，得到棉花植株籽棉产量。
[0082]
辐射模型利用蒙特卡洛反向追踪算法和棉花各器官对光合有效辐射的透射率和反射率来模拟叶片光截获，并充分考虑了光源的位置、数量、光强以及光线在冠层内的传输状况。辐射模型在棉花三维冠层模型运行的每一步运算一次，根据各叶片面积计算出各叶片单位面积逐日平均光合有效辐射截获强度ipar。
[0083]
本方案中，得到棉花植株籽棉产量的步骤，包括：
[0084]
基于蒙特卡洛反向追踪算法和棉花植株的各器官对光合有效辐射的透射率和反射率，构建辐射数据驱动模型；
[0085]
采集逐日气象数据，所述逐日气象数据包括：气温、降雨量、日照时数；
[0086]
将逐日气象数据输入辐射数据驱动模型，实现对棉花生长发育和产量形成的模拟，输出棉花植株籽棉产量。
[0087]
所述辐射数据驱动模型，包括：
[0088]
基于棉花植株的各器官对光合有效辐射的透射率和反射率，利用光响应曲线计算
叶片光合速率a，其中，a
max
为棉花叶片饱和光强下的净光合速率(μmolco2m
‑2s
‑1)，ε叶片光量子效率，ipar为叶片截获的日平均光合有效辐射强度(μmolco2m
‑2s
‑1)；
[0089]
将叶片光合速率a转化为叶片当日产生的光合同化产物总量sd,gross，其中，s
d,gross
＝a
×
a
l
×
d
×
3600
×
30
×
10
‑3，a为棉花单叶日平均光合速率(μmol co2m
‑2s
‑1)，a
l
为棉花单叶面积(m2)，d为日照时数；
[0090]
全株叶片的光合同化产物总量s
d,gross
扣除器官呼吸作用消耗r
m
，获得当日光合同化产物的净积累量s
d,net
，棉株所有器官的维持呼吸消耗量r
m
的计算公式如下：r
m
＝m
leaf
r
leaf
m
stem
r
stem
m
fruit
r
fruit
，式中m
leaf
、m
stem
和m
fruit
分别为棉株叶、茎和果实的干物重(mg)，rleaf、rstem和rfruit分别为棉株叶、茎和果实的维持呼吸系数(mgch2omg
‑1mass)，棉花全株当日光合同化产物(光合同化产物(以ch2o计)的净积累量s
d,net
的计算公式如下：
[0091][0092]
利用棉花植株器官潜在生长速率d占总库强的比例，表示光合产物总量分配到各个器官上的比例r
o,i
，其中，其中式中t
e
为器官从开始扩张到停止生长的所需积温(℃d)，t
m
为增长速率达到最大时的积温(℃d)，c
m
表示器官在t
m
所到达的最大潜在生长速率(mg(℃d)
‑1)；
[0093]
根据光合产物总量分配到各个器官上的比例r
o,i
，获得器官在第d天分配到的光合产物，得到器官中的碳水化合物转化为干物质的量m
o,d
，器官在第d天的相对库强r
o,d
(无量纲)，即库强占总库强之比计算公式如下：
[0094][0095]
器官在第d天分配到的光合产物，进而转化为干物质的量m
o,d
(mg)的计算公式为：
[0096][0097]
式中r
cm
为考虑了生长呼吸后光合产物(以ch2o计)到干物质重量的转化系数(mg ch2o mg
‑1mass)。
[0098]
步骤四：采用梯度下降法逐步调节棉花植株的株距数据和行距数据，直至当前棉花植株籽棉产量达到最大值，输出棉花植株最优的株距数据和行距数据。
[0099]
实施例1
[0100]
获取优化目标地点的近30年逐日气象数据，选取2010
‑
2012年位于河南安阳的棉花试验数据，验证本技术建立的模型的可靠性。
[0101]
利用内外围铃的脱落率来控制棉株蕾铃脱落状况，根据各果实的相对库强确定每
日干物质的增加量，到收获时对群体棉铃重量进行求和可得出群体籽棉产量。
[0102]
利用2010和2011年内的逐日气温和辐射数据驱动模型，对棉花生长发育和产量形成进行模拟，用当年实测的叶面积指数、株高、果枝数和果实数量对模拟值进行验证。选取均方根误差rmse来检验棉花模型的可靠性，rmse值越小表明预测能力越强，精度高且稳定性好。
[0103]
根据验证结果，棉花模型在2010和2011年对不同密度下叶面积指数的模拟结果较好，rmse为0.22～0.85，对2010年铃数、果枝数、株高和节元数的模拟结果较好，rmse分别为1.37个，0.82个，5.8cm和8.39个。
[0104]
在黄河流域棉区，单作棉花的种植密度大约是4.5株/m
‑2，利用该系统优化得出该密度并未使棉花群体的累积光截获量达到最大，应该适当增加密度来实现光截获的最大化，而2:4的棉花小麦间作配置(即2行棉花，4行小麦宽窄行种植)能够获得最大的累积光截获量，进而获得最大的产量。
[0105]
发明的关键点是棉花株行距优化部分，以籽棉产量为优化目标，在迭代株距和行距的同时，调整叶片、节间和分枝等形态参数，重新构建棉田冠层模型，最终获得高产的棉田株行距配置。
[0106]
本发明可面向栽培科研人员用于确定不同品种在不同地区可获得高产的株行距，本发明也可面向育种科研人员设计出适宜机械作业种植模式下的高产理想株型。
[0107]
以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。