基于三維結(jié)構(gòu)模型的晚稻楊梅冠層光分布模擬研究

摘要：果樹冠層形態(tài)結(jié)構(gòu)決定其冠層內(nèi)部的光分布情況，果園修剪管理通過改變冠層內(nèi)微環(huán)境進而影響果樹的生長發(fā)育和光截獲能力，最終影響果實產(chǎn)量和品質(zhì)形成。以晚稻楊梅果樹自然生長與修剪管理兩種樹型結(jié)構(gòu)為研究對象，采用多視角圖像序列法重建楊梅樹冠層三維結(jié)構(gòu)，結(jié)合三維輻射模型和光線追蹤算法定量模擬冠層內(nèi)光分布規(guī)律。結(jié)果表明，多視角圖像序列法可以較好地重建楊梅樹冠層形態(tài)結(jié)構(gòu)，果樹主要形態(tài)參數(shù)模型提取值與人工實測值之間具有較好的一致性，均方根誤差RMSElt;19.3 cm。自然生長樹型結(jié)構(gòu)較為緊湊，葉片相對集中，光截獲量大多集中于冠層頂部，中下部由于枝條葉片的遮擋，截獲光照較少。修剪后，果樹矮化，枝條分布松散均勻，尤其冠層中下部枝條葉片遮擋較少，整體葉面積較自然生長樹型增加16.3%，中下部光截獲系數(shù)高于自然生長樹型。修剪管理使得晚稻楊梅的葉片光截獲能力提高15.8%。可用于定量分析不同修剪方案形成的樹型結(jié)構(gòu)對果樹冠層光分布和光截獲量的影響，為楊梅果樹整形修剪裝備智能化決策提供數(shù)據(jù)參考。

關(guān)鍵詞：晚稻楊梅；多視角圖像；三維重建；冠層結(jié)構(gòu)；光分布；輻射模型

中圖分類號：S667.6" " " 文獻標(biāo)識碼：A" " " 文章編號：2095?5553 （2025） 04?0080?06

Simulation study on the light distribution within Wandao Myrica rubra tree canopy based on three?dimensional structural model

Hua Shan Li Shuangwei Zhang Shuwen Qi Xingjiang Zhang zhenzhen

（1. Institute of Agricultural Equipment， Zhejiang Academy of Agricultural Sciences， Hangzhou， 310021， China;

2. Key Laboratory of Agricultural Equipment for Hilly and Mountainous Areas in Southeastern China （Co?construction by Ministry and Province）， Ministry of Agriculture and Rural Affairs， Hangzhou， 310021， China; 3. Institute of Horticulture， Zhejiang Academy of Agricultural Sciences， Hangzhou， 310021， China; 4. Dinghai District Agricultural Technology Extension Center， Zhoushan， 316000， China）

Abstract： Fruit tree architecture， changed by orchard pruning management， determines the internal light distribution and light interception efficiency， which affects fruit growth and development process in turn. Light distribution within fruit tree canopy is one of the important factors to optimize the tree architecture， and to improve the potential production and fruit quality. There were natural growth tree type and trimmed tree type used to analyze the effect of pruning on the canopy structure and light distribution for Wandao Myrica rubra. Multi?view image sequence method was used to reconstruct the three?dimensional （3D） structure for the tree canopy， combined with three?dimensional radiation model and ray tracing algorithm to simulate the light distribution within the 3D canopy. The results showed that the multi?view image method well reconstructed the canopy structure of Myrica rubra tree. There was satisfactory correspondence between acquired and measured tree canopy parameters， with the root mean squared error （RMSE） smaller than 19.3 cm. The natural growth tree had a more crowded structure， with relative concentrated leaves and more light interception at the top of the canopy. However， due to the occlusion of foliage and branches， the light interception in the middle and lower part was less. After pruning， the tree canopy height went to shorter and the branches went to looser and distributed more uniform. Due to the less occlusion of foliage and branches in the middle and bottom part， the overall leaf area increased by 16.3%. The light interception coefficient in the middle and bottom part was higher than that of the natural growth tree type. Pruning management in the orchard increased the ability of light interception by 15.8%. This study could be further used to analyze the effect of different tree type， caused by pruning management， on the canopy light distribution and light interception， which provides data reference for intelligent decision?making of fruit tree pruning equipment.

Keywords： Wandao Myrica rubra tree; multi?view images; 3D reconstruction; canopy structure; light distribution; radiation model

0 引言

楊梅是中國長江中下游地區(qū)具有鮮明特色的經(jīng)濟果樹。楊梅果實不僅富含豐富的糖、酸、維生素等營養(yǎng)物質(zhì)，還含有豐富的楊梅苷、類黃酮等抗氧化類物質(zhì)，兼具藥用、食用價值[1]。目前，浙江省楊梅栽培面積超86.67 khm2，年產(chǎn)量逾600 kt，總產(chǎn)值近50億元，種植面積和產(chǎn)量均居全國第一[2]。舟山晚稻楊梅為楊梅四大良種之一[3]，在楊梅屆具有極高的美譽[4]。舟山晚稻楊梅因果實成熟時間晚于其他楊梅品種，在市場上成功錯開了楊梅產(chǎn)量高峰時間，因此，在上市時間上具有一定優(yōu)勢。但從楊梅品種的生產(chǎn)布局來看，晚稻楊梅僅占2.9%[4]，產(chǎn)業(yè)規(guī)模程度較低，相比于東魁、荸薺等品種，舟山晚稻楊梅在設(shè)施化、數(shù)字化、機械化等高效栽培技術(shù)研究與應(yīng)用方面鮮有報道。

果樹冠層結(jié)構(gòu)不僅影響果樹的光分布和光截獲量，還對果樹的水分利用、養(yǎng)分吸收以及病蟲害抵抗能力有著重要影響[5]。研究表明，果樹不同冠層結(jié)構(gòu)對光利用效率具有顯著影響，是決定果實產(chǎn)量與品質(zhì)的關(guān)鍵因素[6]。楊梅果樹具有樹體較大、形態(tài)結(jié)構(gòu)復(fù)雜、多年生、常綠等特點，傳統(tǒng)原位測量果樹冠層光分布，不僅耗時耗力，時空分辨率還難以保證。構(gòu)建楊梅樹冠三維結(jié)構(gòu)模型，實現(xiàn)人機交互，將有利于對果樹進行虛擬剪枝模擬，結(jié)合三維輻射模型和光合生產(chǎn)模擬，可實現(xiàn)果園剪枝管理對果樹冠層結(jié)構(gòu)、光截獲和產(chǎn)量的影響研究。植物三維結(jié)構(gòu)模型可模擬植物生長發(fā)育狀況，捕捉植物冠層結(jié)構(gòu)對環(huán)境的復(fù)雜動態(tài)響應(yīng)[7]，常用于一年生田間作物和設(shè)施作物冠層結(jié)構(gòu)、光截獲及光合生產(chǎn)的精準(zhǔn)定量化模擬和動態(tài)評價[8]，鮮有楊梅果樹冠層結(jié)構(gòu)及光截獲的精準(zhǔn)定量化研究。因此，通過構(gòu)建晚稻楊梅果樹三維結(jié)構(gòu)模型，探索晚稻楊梅果樹冠層結(jié)構(gòu)與光分布和光截獲的響應(yīng)關(guān)系，對形成優(yōu)質(zhì)高產(chǎn)的晚稻楊梅果樹冠層結(jié)構(gòu)具有重要指導(dǎo)意義。

近年來，生長規(guī)則法、光譜技術(shù)和計算機視覺的發(fā)展顯著促進了植物數(shù)字化的研究進程，通過多學(xué)科交叉融合實現(xiàn)了作物器官和群體結(jié)構(gòu)重建[9]，解析果園日常管理對冠層結(jié)構(gòu)和果實空間分布規(guī)律的影響[10]，模擬果樹光截獲分布[11]，優(yōu)化果樹修剪，提高果樹光合效率[12]，最終揭示植物功能—結(jié)構(gòu)—環(huán)境的互作規(guī)律[13]。然而，果樹復(fù)雜的形態(tài)結(jié)構(gòu)使得高效準(zhǔn)確實現(xiàn)果樹冠層三維結(jié)構(gòu)重建成為難點。因此，探尋有效的果樹冠層結(jié)構(gòu)重建方法十分必要。

本文以舟山特色經(jīng)濟果樹晚稻楊梅為研究對象，將圖像處理技術(shù)、三維重建技術(shù)與計算機仿真技術(shù)相結(jié)合，通過多視角圖像序列法構(gòu)建楊梅果樹冠層三維結(jié)構(gòu)模型，快速獲取楊梅樹冠三維表型信息，耦合三維輻射模型，定量化分析果樹修剪影響下冠層結(jié)構(gòu)與光分布和光截獲的響應(yīng)關(guān)系，為舟山晚稻楊梅樹型改良和種植管理提供理論支撐，推進舟山晚稻楊梅產(chǎn)業(yè)健康發(fā)展。

1 材料與方法

1.1 試驗地點

試驗在浙江省舟山市某果園進行。2023年9月6日在該楊梅生產(chǎn)基地隨機選擇兩棵3～7年生樹種進行冠層數(shù)據(jù)采集，其中1棵為自然生長樹型，另1棵樹型于每年11—12月采用人工修剪方式進行修剪管理。

1.2 圖像采集方法

選擇無風(fēng)、陽光充足的中午，利用無人機搭載配有18～135 mm等距鏡頭的佳能相機，像素為3 250萬，獲取楊梅果樹外圍約900個相對目標(biāo)果樹不同拍攝位置的多視角圖像。多視角圖像序列圍繞拍攝目標(biāo)呈半球狀分布，相鄰相機位置的垂直和水平間隔大約為20°～30°，從目標(biāo)的頂部額外拍攝幾張能涵蓋果樹較多結(jié)構(gòu)的圖片（圖1）。

在不改變冠層結(jié)構(gòu)的前提下，通過人為干預(yù)方式去除外圍遮擋枝葉，再次利用人工環(huán)繞拍攝法，實現(xiàn)果樹冠層內(nèi)遮擋嚴(yán)重枝條的二次取樣。拍攝結(jié)束后，利用卷尺和塔尺人工測量果樹主干高、主干周長、冠層高度和冠幅。

1.3 三維結(jié)構(gòu)模型重建方法

基于多視角圖像序列法重建楊梅果樹冠層三維結(jié)構(gòu)并提取器官表型參數(shù)主要包括5步（圖2）：（1）獲取目標(biāo)果樹冠層的多視角圖像序列；（2）果樹冠層三維點云重建；（3）將無序的三維點云按器官進行分割；（4）單個器官面片化和紋理化；（5）基于果樹重建結(jié)果提取表型參數(shù)。將獲取的RGB圖像導(dǎo)入Agisoft PhotoScan軟件，經(jīng)對齊圖片、添加控制點重建楊梅果樹冠層結(jié)構(gòu)三維點云。三維點云重建的主要算法依據(jù)為MVS—SFM[14]。首先，通過尺度不變特征變換算法從多視角圖像序列中檢測特征點集，并在多幅圖像間進行匹配；其次，選擇特征點匹配對數(shù)最多的相鄰兩幅圖像作為初始圖像對，利用隨機采樣一致性算法求取新增圖像的投影矩陣，從而計算新加入的三維點，并對已重建點進行集束調(diào)整；重復(fù)上述過程，直至所有圖像都添加到現(xiàn)有模型；最后，對所有重建三維點進行集束調(diào)整，得到稀疏的三維點云。利用MVS算法先將稀疏點云作為種子面片，從種子面片開始擴散，利用相鄰面片具有相似的法向和位置的特性，逐步擴散重建出種子面片周圍的空間面片，剔除擴散重建錯誤的外點后，將灰度一致性、幾何一致性比較弱的面片過濾剔除，得到具有紋理特征和顏色屬性的稠密三維點云。稠密果樹三維點云在Autodesk 3dsMax軟件中經(jīng)去噪處理得到邊緣清晰的點云[15]。根據(jù)點云中標(biāo)尺大小，將點云縮放至實際場景大小。采用區(qū)域增長分割算法[16]對植株點云進行分割，得到單個枝條和葉片的點云。采用泊松重建算法對單個枝條和葉片的點云進行重建，刪除冗余網(wǎng)格，得到水密性曲面。對枝條和葉片重建曲面及邊緣進行優(yōu)化得到每個枝條和葉片的重建曲面，并離散為邊長不大于5.0 cm的三角面片[17]。利用3dsMax軟件中的測量工具實現(xiàn)果樹模型的參數(shù)提取，地面到主干分枝的高度為主干高，主干中部的周長為主干周長，冠層最高點到地面的距離為冠層高度，冠層在x軸方向投影的距離為東西冠幅，冠層在y軸方向投影的距離為南北冠幅。

1.4 光分布模擬方法

楊梅果樹冠層三維模型重建后，利用fastTracer軟件[18]模擬果樹冠層內(nèi)的光分布。為計算果樹葉片水平的光截獲量，模型中引入了光源及葉片光學(xué)性質(zhì)參數(shù)。模型中的入射光源由直射輻射和散射輻射組成，直射輻射光線方向由太陽高度角和方位角決定。根據(jù)Turtle輻射模型，散射輻射由天空半球46個方向的定向光源組成，其將天空半球劃分成大小相等的46份[19]，如圖3所示?？?cè)肷漭椛鋸姸扔删暥群鸵荒曛械奶鞌?shù)計算得到，并用于計算果樹光截獲量，大氣透射率為0.43。全年模型中葉片的反射率和透射率均設(shè)為0.15，枝條設(shè)為不透光對象。依據(jù)Monte—Carlo光線追蹤算法模擬計算冠層內(nèi)的光截獲分布。

通過虛擬層切法[20]對楊梅果樹冠層葉面積和光截獲分布進行分析，定量研究修剪措施對冠層葉面積和光截獲分布的影響。為使兩棵楊梅樹冠在同一范圍內(nèi)比較，以楊梅果樹東西冠幅為x軸（以東方位為正值、西方位為負值），南北冠幅為y軸（以北方位為正值、南方位為負值），冠層高度為z軸（以地面向上為正值）。由x、y、z區(qū)域形成立方體，并進行歸一化處理。對歸一化區(qū)域按0.2步長進行水平層切后，統(tǒng)計中心坐標(biāo)在各層的三角面片分布。其中，各層三角面片的面積累積為該層的葉面積，各層三角面片截獲的光照累積為該層的光截獲量。各層的光截獲系數(shù)為該層三角面片的光截獲量占總?cè)肷漭椛涞谋壤齕11]。

1.5 試驗指標(biāo)

采用均方根誤差（RMSE）檢驗果樹主干高、主干周長、冠層高度和冠幅的模型提取值與人工實測值之間的吻合程度，計算如式（1）所示。

2 結(jié)果與分析

2.1 晚稻楊梅冠層三維結(jié)構(gòu)重建

基于可見光相機獲取露天晚稻楊梅果樹冠層不同位置的多視角圖像序列，經(jīng)三維點云重建、去噪、分割和器官重建，能夠還原晚稻楊梅冠層三維形態(tài)結(jié)構(gòu)和葉片分布，重建果樹三維結(jié)構(gòu)模型具有較強的真實感（圖4）。

表1為晚稻楊梅冠層形態(tài)參數(shù)三維重建模型模擬值與人工實測值的比較，主干高、主干周長的RMSE為1.9～7.9 cm，冠高的RMSE為10.6～13.4 cm，南北—東西冠幅的RMSE為8.6～19.3 cm。采用的三維重建技術(shù)可以較好地模擬田間原位晚稻楊梅冠層三維空間結(jié)構(gòu)。

2.2 晚稻楊梅果樹冠層光分布

楊梅果樹冠層器官主要包括枝條和葉片，模型中葉片為光照的主要接收器官。將楊梅果樹冠層從下往上分為5層，進行高度歸一化處理，計算得到兩種樹型冠層葉面積分布情況（圖5）。由圖5可知，修剪樹型累積葉面積為73.88 m2，自然生長樹型累積葉面積為63.51 m2，修剪樹型冠層中部葉面積大于自然生長樹型。

三維輻射模型計算了楊梅果樹冠層三維結(jié)構(gòu)數(shù)據(jù)采集當(dāng)天從日出到日落冠層的光分布和光截獲量。數(shù)據(jù)采集當(dāng)天樹冠頂部的入射光照強度設(shè)定為14.76 MJ/（m2 ? d），同樣將楊梅果樹冠層從下往上分為5層，按照高度進行歸一化處理，得到楊梅果樹冠層光分布情況，如圖6和圖7所示。從圖4、圖6、圖7可知，修剪樹型較為低矮，枝條分布松散均勻，尤其冠層中下部枝條葉片遮擋較少，相比于自然生長樹型能夠截獲更多的光照，從下往上5個層次的光截獲系數(shù)分別為0.13、0.13、0.14、0.16、0.22、0.35，光截獲量為1.98 MJ/（m2 ? d）。而自然生長樹型較為緊湊，葉片相對集中，光截獲量多集中于冠層頂部，而中下部由于枝條葉片的遮擋，截獲光照較少，從下往上5個層次的光截獲系數(shù)分別為0.11、0.11、0.12、0.14、0.19、0.35，光截獲量為1.71 MJ/（m2 ? d）。

對兩種樹型的總光截獲量與葉面積進行回歸分析（圖8），可知冠層的總光截獲量與葉面積成正相關(guān)，線性擬合相關(guān)性均大于0.99，修剪管理將葉片的光截獲能力提高15.8%。

3 討論

目前，可見光相機、光譜、熱成像、光探測、激光雷達等是常見的高通量植物表型獲取傳感器[21]。與其他三維重建技術(shù)相比，基于可見光圖像的三維重建技術(shù)更簡單、快速、節(jié)約成本。通過人工方式實現(xiàn)果樹冠層內(nèi)遮擋嚴(yán)重部位的二次采樣，提高了遮擋嚴(yán)重部位的重建精度。盡管如此，本研究方法仍存在一定的局限性，如對冠層遮擋嚴(yán)重部位進行二次采樣時，依然存在重建不完全現(xiàn)象。這是由于楊梅樹高大、部分枝干較粗，在不傷害樹體的前提下，人工難以完全將外圍枝干分開。為解決此問題，三維數(shù)字化儀和激光雷達等設(shè)備可輔助獲取嚴(yán)重遮擋部位的三維點云。

光照是植物進行光合作用的能量來源。果樹修剪是平衡樹勢、調(diào)節(jié)生長和結(jié)果的重要措施。通過修剪形成不同的樹形結(jié)構(gòu)，使得樹形變矮、內(nèi)膛葉片分布更加均勻，提高冠層相對光照度和光截獲量，進而提高葉片光合凈累積量和果實品質(zhì)[22]。盡管目前已開展對樹形結(jié)構(gòu)的優(yōu)化研究，但由于果樹樹型高大、結(jié)構(gòu)復(fù)雜，高光效、省力化、輕簡宜機的樹形仍在探索中。本研究為修剪決策方法的量化評價提供了技術(shù)手段，可根據(jù)果樹學(xué)者需求，設(shè)計不同修剪方案，形成多種樹型結(jié)構(gòu)，定量分析冠層結(jié)構(gòu)對光分布和光截獲量的影響，為果樹整形修剪裝備智能化決策提供數(shù)據(jù)參考。

4 結(jié)論

以舟山特色經(jīng)濟果樹晚稻楊梅為研究對象，通過果樹三維結(jié)構(gòu)重建旨在分析楊梅修剪后果樹結(jié)構(gòu)和光截獲的變化。

1） 采用基于多視角圖像序列的方法可以較好地實現(xiàn)楊梅果樹三維結(jié)構(gòu)重建，主要果樹形態(tài)參數(shù)模型提取值與實測值之間具有較好的一致性，RMSElt;19.3 cm。

2） 果樹經(jīng)修剪后，樹體矮化，枝條分布松散均勻，整體葉面積較自然生長樹型增加16.3%，冠層中下部截獲能力優(yōu)于自然生長樹型，修剪后冠層葉片光截獲能力提高15.8%。

參 考 文 獻

[ 1 ] 張淑文， 梁森苗， 鄭錫良， 等. 楊梅果實主要性狀與單果重的相關(guān)性及回歸分析[J]. 中國果樹， 2018（6）： 14-18.

[ 2 ] 江云珠， 姚佳蓉， 姜遙， 等. 浙江省楊梅設(shè)施栽培主要模式及效益分析[J]. 農(nóng)產(chǎn)品質(zhì)量與安全， 2022（4）： 69-73.

[ 3 ] 曹立群. 舟山特色農(nóng)產(chǎn)品區(qū)域品牌建設(shè)研究——以舟山“晚稻楊梅”為例[D]. 舟山： 浙江海洋大學(xué)， 2017.

[ 4 ] 陳方永. 中國楊梅產(chǎn)業(yè)發(fā)展現(xiàn)狀、問題與對策淺析[J]. 中國果業(yè)信息， 2012， 29（7）： 20-22.

[ 5 ] 陳久紅， 馬建江， 李永豐， 等. 香梨不同樹形冠層結(jié)構(gòu)、光合特性及產(chǎn)量品質(zhì)的比較[J]. 河南農(nóng)業(yè)科學(xué)， 2021， 50（8）： 113-123.

Chen Jiuhong， Ma Jianjiang， Li Yongfeng， et al. Comparison of canopy structure， photosynthetic characteristics， yield and quality of Korla fragrant pear with different tree shapes [J]. Journal of Henan Agricultural Sciences， 2021， 50（8）： 113-123.

[ 6 ] 李桂祥， 聶佩顯， 高曉蘭， 等. 桃樹不同樹形樹體結(jié)構(gòu)及葉片光合作用和葉綠素?zé)晒鈪?shù)比較[J]. 北方園藝， 2023（14）： 30-35.

Li Guixiang， Nie Peixian， Gao Xiaolan， et al. Comparison of tree structure and leaf photosynthetic and chlorophyll fluorescence parameters of different tree shapes of peach [J]. Northern Horticulture， 2023（14）： 30-35.

[ 7 ] Vos J， Evers J B， Buck?Sorlin G H， et al. Functional?structural plant modelling： A new versatile tool in crop science [J]. Journal of Experimental Botany， 2010， 61（8）： 2101-2115.

[ 8 ] Shu M， Li Q， Ghafoor A， et al. Using the plant height and canopy coverage to estimation maize aboveground biomass with UAV digital images [J]. European Journal of Agronomy， 2023， 151： 126957.

[ 9 ] Zhu B， Liu F， Xie Z， et al. Quantification of light interception within image?based 3—D reconstruction of sole and intercropped canopies over the entire growth season [J]. Annals of Botany， 2020， 126（4）： 701-712.

[10] 毛金梅， 韓宏偉， 劉鳳蘭， 等. 樹形對巴旦木‘小軟殼’冠層結(jié)構(gòu)和果實產(chǎn)量及品質(zhì)的影響[J]. 經(jīng)濟林研究， 2022， 40（1）： 11-18.

Mao Jinmei， Han Hongwei， Liu Fenglan， et al. Effect of tree shapes on canopy structures， yield and nut quality of ‘Xiaoruanke’ almond [J]. Non?wood Forest Research， 2022， 40（1）： 11-18.

[11] Li S， Zhang Q， Hua S， et al. Estimating the light distribution within Chinese bayberry tree canopy based on a three?dimensional structural model [J]. International Conference on Computer Graphics， Artificial Intelligence， and Data Processing， 2024， 13105： 131051R.

[12] Fei S， Xiao S， Xu D， et al. Improved random patches and model transfer for deriving leaf mass per area across multispecies from spectral reflectance [J]. Computers and Electronics in Agriculture， 2024， 218： 108745.

[13] 趙孟嬌， 董一超， 王玉彬， 等. 基于圖像的果樹三維結(jié)構(gòu)重建研究[J]. 信息技術(shù)與信息化， 2020（2）： 133-136.

[14] Xiao S， Ye Y， Fei S， et al. High?throughput calculation of organ?scale traits with reconstructed accurate 3D canopy structures using a UAV RGB camera with an advanced cross?circling oblique route [J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2023， 201： 104-122.

[15] 蔡東健， 岳東杰， 岳順. 基于3DS MAX的三維激光點云處理及建模方法[J]. 測繪與空間地理信息， 2022， 45（11）： 19-22.

[16] Rabbani T， Van den， Heuvel F， et al. Segmentation of point clouds using smoothness constraint [J]. International Archives of Photogrammetry， Remote Sensing and Spatial Information Sciences， 2006， 36（5）： 248-253.

[17] 王錫平， 郭焱， 李保國， 等. 玉米冠層內(nèi)太陽直接輻射三維空間分布的模擬[J]. 生態(tài)學(xué)報， 2005， 25（1）： 7-12.

[18] Song Q， Zhang G， Zhu X. Optimal crop canopy architecture to maximise canopy photosynthetic CO2 uptake under elevated CO2- a theoretical study using a mechanistic model of canopy photosynthesis [J]. Functional Plant Biology， 2013， 40： 109-124.

[19] Den Dulk J A. The interpretation of remote sensing， a feasibility study [D]. Wageningen： Wageningen University， 1989.

[20] 鄭邦友， 石利娟， 馬韞韜， 等. 水稻冠層的田間原位三維數(shù)字化及虛擬層切法研究[J]. 中國農(nóng)業(yè)科學(xué)， 2009， 42（4）： 1181-1189.

[21] 吳升， 溫維亮， 王傳宇， 等. 數(shù)字果樹及其技術(shù)體系研究進展[J]. 農(nóng)業(yè)工程學(xué)報， 2021， 37（9）： 350-360.

Wu Sheng， Wen Weiliang， Wang Chuanyu， et al. Research progress of digital fruit trees and its technology system [J]. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（9）： 350-360.

[22] 兗攀， 王振東， 鄧永輝， 等. 庫爾勒香梨的光能截獲率及冠層結(jié)構(gòu)優(yōu)化[J]. 中國農(nóng)業(yè)科學(xué)， 2024， 57（5）： 965-979.