一种先进的三维现象型测量方法,用于提取根基根基因结构参数,基于地面激光扫描

科学领域:

• 植物科学 植物科学
• 林业林业 林业 林业 林业
• 计算生物学 计算生物学

背景情况:

• 传统的植物根表型是劳动密集型和有限的,特别是对于木质物种.
• 精确的根系表型是提高植物生产力和适应性的关键.
• 开发自动化方法对于有效的根系分析至关重要.

研究的目的:

• 开发一种基于定量结构模型 (基于QSM) 的根系表型测量 (ARPM) 的自动化方法,用于金科树根系.
• 为了比较ARPM的准确性与传统的3D重建方法 (基于MST和基于TIN).
• 为了确定提取根结构表型的最佳参数.

主要方法:

• 使用陆地激光扫描 (TLS) 点云的金科根系统的三维 (3D) 重建.
• 开发一种基于QSM (基于AdQSM) 的准确和详细的根系表型测量 (ARPM) 方法.
• 使用ARPM,基于MST和基于TIN的模型提取和比较根系表型参数 (根系直径,长度,表面积,体积,侧向根数).

主要成果:

• 从点云直接使用的ARPM产生了非常准确的根直径 (RD) 测量 (R2 = 0.99,RMSE = 0.41 cm),性能优于3D模型.
• 基于最小跨度树 (MST) 的模型显示,在横向根检测方面,基于三角形不规则网络 (TIN) 的模型 (F1 = 0.80) 的模型 (F1 = 0.81) 的性能略好 (F1 = 0.81).
• 确定0.002的云参数 (CP) 值是提取结构表型的最佳值 (r = 0.94,p < 0.01).

结论:

• 基于AdQSM的ARPM方法提供了一个更准确和自动化的方法,用于Ginkgo根表型.
• 从点云中直接提取RD优于使用3D重建模型.
• 这项研究增强了对树根结构及其与生理功能的关系的理解.