蘋果產(chǎn)業(yè)的可持續(xù)發(fā)展有賴于對蘋果樹進(jìn)行管理,使其具有最佳的結(jié)構(gòu)特征,這些特征對蘋果樹的生長、結(jié)果潛力和環(huán)境相互作用有著重要影響。例如,樹高影響下部樹枝的光照,從而影響果實(shí)的產(chǎn)量和質(zhì)量,而樹干直徑有助于確定理想的作物負(fù)荷。準(zhǔn)確評估這些特征對最大化果園生產(chǎn)力和果品質(zhì)量至關(guān)重要。
傳統(tǒng)上,蘋果樹的特征通常通過卷尺和卡尺等工具進(jìn)行人工測量。然而,這些方法勞動強(qiáng)度大、主觀性強(qiáng),且往往無法充分捕捉對果實(shí)生產(chǎn)至關(guān)重要的復(fù)雜結(jié)構(gòu)。視覺檢查可能無法察覺枝條角度或長度上的細(xì)微差異,這些差異會影響果實(shí)分布和整體產(chǎn)量,而樹木的復(fù)雜結(jié)構(gòu)也使得在田間進(jìn)行精確測量變得困難。
光學(xué)傳感技術(shù),特別是成像技術(shù),因其非侵入性、多功能性和成本效益,正日益受到青睞(Jiang et al., 2020; Jin et al., 2021; Li et al., 2014)。這些技術(shù)能夠提供對植物結(jié)構(gòu)和生理的深入洞察,推動了對先進(jìn)成像和機(jī)器學(xué)習(xí)(ML)方法的興趣,以實(shí)現(xiàn)更精確和高效的特征表征。利用這些技術(shù)可以克服傳統(tǒng)方法的局限,進(jìn)而更好地理解樹木特征,并改善果園管理。
以往關(guān)于蘋果樹表征的研究大多集中在特定特征方面,如枝條檢測(Zhang et al., 2020)、果實(shí)檢測(Gené-Mola et al., 2020; Dong et al., 2023)和葉面積分析(Tsoulias et al., 2022),而未能提供全面的樹木結(jié)構(gòu)視角。最近的一項(xiàng)研究探討了使用樹木定量結(jié)構(gòu)模型(TreeQSM)和地面激光掃描(TLS)分析蘋果樹枝條,通過這一方法高精度地檢測和估算了主要枝條的數(shù)量(Zhang et al., 2020)。然而,該研究也揭示了若干局限性,例如需要高分辨率的TLS設(shè)備,以及隨機(jī)種子樹木重建引入的變異性,這影響了農(nóng)業(yè)管理所需的一致性測量。此外,該研究集中于非支架式蘋果樹,這些樹木更接近自然形態(tài),避免了與支架系統(tǒng)相關(guān)的數(shù)據(jù)質(zhì)量問題。因此,迫切需要新的方法來解決這些挑戰(zhàn),并改進(jìn)蘋果樹的表征,特別是在現(xiàn)代采用支架樹形訓(xùn)練的果園中。本文介紹了蘋果樹結(jié)構(gòu)表征的最新發(fā)展——AppleQSM(Qiu et al., 2024),該方法使用地面激光掃描點(diǎn)云數(shù)據(jù),定量分析現(xiàn)代管理實(shí)踐下高密度蘋果果園的結(jié)構(gòu)特征。
圖1 康奈爾果園中的區(qū)塊用于田間數(shù)據(jù)采集,并展示了采集的區(qū)塊點(diǎn)云的示例圖像。
圖2 基于AppleQSM的蘋果樹結(jié)構(gòu)三維表征流程圖:從使用地面激光掃描儀進(jìn)行田間數(shù)據(jù)采集,到單株樹木分割,再到結(jié)構(gòu)特征提取。
圖3 用于測量蘋果樹重要結(jié)構(gòu)特征的方法。
圖4 使用基于AppleQSM的方法與田間人工方法測量的四個(gè)結(jié)構(gòu)特征的回歸分析結(jié)果。
Jiang Y, Qiu T, Robinson T, et al. 3D Characterization of Apple Tree Architecture for Precision Pruning and Crop Load Management[J].