耦合粘蟲脅迫的玉米生長可視化模擬

唐麗玉，韓 偉，林 定，陳崇成，陳曉玲，江 鋒

耦合粘蟲脅迫的玉米生長可視化模擬

唐麗玉，韓 偉，林 定，陳崇成，陳曉玲，江 鋒

（1. 福州大學空間數據挖掘與信息共享教育部重點實驗室，福州 350108；2. 福州大學地理空間信息技術國家地方聯合工程研究中心，福州 350108）

針對難以定量化模擬蟲害影響植物形態結構和生理過程的問題，提出將蟲害影響耦合至植物功能-結構模型中的可視化模擬方法。根據粘蟲啃食葉片的空間分布特征，改進細胞紋理特征點和基函數，適用于描述粘蟲啃食路徑，采用單葉被啃食率描述被啃食程度，并以三維可視化形式模擬蟲害啃食效果；結合粘蟲數量、啃食量以及分布規律，估計各單葉被啃食率，根據單葉蟲洞可視化方法，定量化表達粘蟲對單株玉米形態結構的影響；根據植物形態結構變化，將粘蟲脅迫作用于生物量產量、生物量分配等植物生理過程，確定粘蟲對植物形態發育的影響。試驗結果表明，單葉蟲洞可視化方法能較形象、逼真的仿真不同受災程度下粘蟲對葉片形態的影響，并將蟲害影響耦合至功能-結構模型中，實現蟲害脅迫下植物生長發育的模擬和仿真，為定量描述和理解災害程度提供新思路。

作物；病害；模型；功能-結構模型；模擬；虛擬植物；可視化

0 引 言

病蟲害影響植物生長發育，可造成植物死亡或作物嚴重減產，導致不同程度的經濟損失。圖像智能識別、物聯網視頻監控等技術可輔助識別植物葉片病蟲害及動態監測病蟲害發展過程[1-2]。病蟲害防治除了識別和監測外，還需要從生物學、生理學、生態學等角度研究。害蟲的生物防治成為重要手段[3-4]。這需要揭示天敵、害蟲與寄主之間的內在關系（如食物鏈）。傳統通過田間試驗和跟蹤調查，研究玉米粘蟲產卵習性、不同齡期取食選擇性和取食量[5]；或通過人工去葉、修剪葉片形狀的方式模擬病蟲采食過程[6-8]。但該類方法耗時費力、或對植物造成不可逆的損害且研究結果可視性較差。虛擬植物利用計算機模擬植物在三維空間中的生長狀況[9]，通過植物功能與結構相互作用過程的模擬，以可視化方式闡釋植物與環境的關系[10-11]。植物功能-結構模型是虛擬植物的重要內容之一，集成了植物形態結構、光合生產及光合產物的分配及內在聯系，在器官尺度上模擬植物個體生長發育的模型[12-13]。隨著植物形態建模方法和植物生理生態研究的不斷深入，計算機計算能力的不斷提升，使虛擬植物模型更加精準，為植物表型學研究[14-15]、理想株型設計[16-18]、產量估算[19-21]、植物冠層微環境分析[22]等方面提供更可靠、價值更高的分析手段。借助虛擬植物，模擬分析不同條件、不同災害程度下植物生長狀況，有助于制定蟲害治理方案。有些學者利用計算機模擬粘蟲種群的動態變化，并建立了天敵、粘蟲及寄主之間的關系[4,23]，但該模型僅為數值統計模型，未考慮粘蟲的運動和分布規律、葉片局部變化等形態結構差異對小麥生長的影響。后續有學者研究并模擬昆蟲在植物冠層中的運動軌跡[24-26]；有學者利用細胞紋理在葉片尺度上模擬了白粉病、葉銹病的產生和擴散過程[27]，但大多忽略或簡化植物形態結構與生態過程的結合，因而無法真實模擬植物的生長發育過程。

本文以粘蟲（）和玉米為例，在植物功能-結構模型的基礎上，耦合粘蟲生長和啃食葉片的空間分布規律，定量化模擬蟲害影響植物形態結構和生理過程，并以可視化形式表達模擬結果，為理解蟲害對植物生長發育造成的影響提供新方法。

1 概念模型

耦合粘蟲脅迫的玉米生長可視化模擬主要包括玉米的形態結構三維模型，玉米功能模型；粘蟲生長規律，粘蟲空間分布特征和蟲洞可視化模擬，各部分之間的關系如圖1所示。粘蟲主要啃食玉米葉片，而且葉片是光合作用主要器官。因此，單葉蟲洞模擬是本文可視化的核心，其依據單葉被啃食率和細胞紋理中描述的粘蟲時空分布規律，動態模擬葉片上蟲洞擴展過程。玉米的形態結構三維模型利用L-系統方法，根據玉米器官間的拓撲結構與器官三維模型，建立植株的三維形態結構模型。集成光合作用模型，考慮葉片被啃食后的葉面積，估算光合產量，根據生物量分配的源匯模型，估算各器官獲得生物量，從而相應改變結構模型中各器官的形態大小。根據粘蟲蟲害程度以及粘蟲的運動、分布規律，估算各單葉被啃食率，并以單葉蟲洞可視化方法為基礎，將單葉被啃食率與器官形態結合，形象模擬整株玉米被啃食程度，從而改變后續冠層光環境，通過結構與功能的迭代互反饋，從而實現粘蟲脅迫下的玉米生長可視化模擬。

2 單葉蟲洞動態可視化

不同蟲害程度下單葉蟲洞的仿真是定量化粘蟲對玉米形態結構影響的基礎，也是將蟲害耦合至植物功能-結構模型的關鍵。單葉蟲洞可視化步驟如圖2所示，針對每一片葉，生成其特有且不變的細胞紋理，該細胞紋理存儲蟲洞的空間信息，并輔助單葉被啃食率計算閾值以及依據閾值處理葉片紋理，使葉片紋理生成蟲洞，以實現單葉蟲洞可視化。

圖2 單葉蟲洞可視化步驟

2.1 細胞紋理

細胞紋理的思想是將一系列特征點分散到三維空間，將以局部點與各特征點之間的距離構建的基函數任意組合，構建不同形態的紋理樣式[28]。以二維空間為例，在一定范圍內的二維空間上隨機分布一定數量的特征點，對于空間上任意一點，定義其與最近特征點的距離為1()，與其第二近的特征點的距離為2()，與其第近的特征點的距離為F()，將基函數1()、2()至F()任意組合，如1()+2()+…+F()、1()·2()·…·F()等，根據組合后的值不同，賦予不同的顏色值。圖3a為特征點隨機分布，且僅采用基函數1()，并以最小值為黑色、最大值為白色的線性數值-顏色映射關系繪制的大小為1 024×1 024像素的細胞紋理，其結構與Voronoi形態相同，且當像素距離特征點越近，顏色越黑。由此可知，當采用合適的基函數與組合時，細胞紋理中某一像素的顏色可認為是其與另一特定像素之間的距離、時間或其他可表示大小、順序的信息。將此類細胞紋理作為存儲空間信息以及擴展次序的載體，可應用于實現不同病害程度下葉片病斑的可視化[27]。與病斑隨機分布、四周擴散不同，玉米粘蟲易從葉緣開始向主葉脈啃食，且不啃食主葉脈。圖3b、3c、3d分別修改圖3a繪制方式的某一項：圖3b將特征點分布在半圓邊，圖3c采用2()+4()的基函數組合方式，圖3d將基函數改為以距離為參數的正弦函數。可見，細胞紋理特征點的分布、基函數類型以及基函數組合方式決定了細胞紋理的樣式，從這三方面入手，改進細胞紋理，使其可應用于單葉蟲洞可視化。

圖3 細胞紋理

2.2 粘蟲啃食軌跡模擬

為生成可模擬粘蟲啃食空間信息的細胞紋理，需確定特征點分布規律、基函數以及基函數的組合類型。

根據粘蟲在葉片的分布規律，以葉片紋理為參考，在葉緣隨機分布若干個特征點，即粘蟲開始啃食的位置。

葉片上被粘蟲啃食后剩下的蟲洞無明顯特征，可視為由多個大小不一但擴散方向受限（如圖4虛線所示）的圓形組成，而傳統的細胞紋理表達的圖案多為向四周任意擴散（如圖4實線所示）的圓形，為模擬該效果，需要對細胞紋理的特征點進行如下改進：按一定分布規律隨機得到的坐標點視作圓心（下稱起始特征點），并按一定半徑大小隨機分布若干個隨機點（下稱臨界特征點）。

粘蟲的啃食路徑模擬如圖4虛線所示，先從起始特征點開始向四周擴散，當啃食到臨界特征點所在的位置時，以臨界特征點為圓心再向外進行擴散，從而實現多個圓形組合的效果。為滿足該需求，細胞紋理中除起始特征點所在的像素外，其他像素對應的最近特征點（最近起始特征點或最近臨界特征點）應滿足如下要求：非該像素自身；與該像素具有相同的最近起始特征點；與其最近起始特征點的距離必須小于該像素與其最近起始特征點的距離。

注：圖中實線表示改進前的路徑，虛線表示改進后的路徑。

故基函數1()重新定義為像素與滿足上述條件的最近特征點的距離。每個像素被啃食的先后順序可通過重新定義的基函數1()得到，即基函數的組合方式

式中表示該像素被啃食的序列號，該值越大表明該像素越遲被啃食；INT表示向下取整；為縮放系數；O為滿足上述條件的最近特征點的序列號。為模擬葉片不同區域先后被啃食的效果，需預先隨機賦予起始特征點合適的序列號。

最后采用數值—顏色映射關系將各像素的序列號轉換成顏色存儲于細胞紋理中，生成細胞紋理。為保證每個像素均有足夠的空間存儲其對應的序列號信息，采用256進制的方式將十進制的序列號轉換成對應的顏色，即使用紅綠藍三色通道分別存儲不同位的數值（紅色通道為高位，綠色通道為中位，藍色通道為低位），并規定透明通道的值為255，即該像素不透明。

由于粘蟲不會啃食葉片的主葉脈，對細胞紋理進行后處理，使其更符合粘蟲實際的啃食路徑。通過對最初用來確定葉片邊緣的葉片紋理進行處理，生成被粘蟲啃食干凈且與該細胞紋理等大小的葉片紋理（下稱障礙物紋理）。當細胞紋理中的像素在障礙物紋理中位于葉片內，即在障礙物紋理中相同坐標的像素為非透明像素，則表明該像素不會被啃食，故在細胞紋理中將該像素透明化。

2.3 蟲洞可視化及動態模擬

蟲洞的形態與粘蟲啃食的路徑密切相關，采用上述細胞紋理中像素的序列號作為蟲洞的擴展次序，通過序列號（顏色）閾值和對應像素坐標確定已經被粘蟲啃食的范圍，從而模擬蟲洞。步驟如圖5所示，根據葉片紋理中像素的坐標信息，確定其在離屏渲染的細胞紋理中對應的像素位置；讀取該像素的顏色數據，轉換為序列號，并判斷其是否小于計算得到的閾值：當小于閾值時，葉片紋理中對應的像素透明化，否則不進行任何處理。將由此生成的葉片紋理映射至對應模型上，即可實現蟲洞可視化。為模擬粘蟲不啃食葉片主葉脈這一現象，規定當細胞紋理中的像素為透明像素時，也不處理對應葉片紋理中的像素。

1.定位 2.讀取顏色 3.判斷大小 4.像素處理

閾值是實現單葉蟲洞擴展的關鍵，其數值表示蟲洞擴展序列號，隨單葉受災程度的變化而變化。小于等于閾值的序列號對應的像素均被透明化，即序列號小于等于閾值的個數累加和與葉片紋理透明像素數相等，故可根據葉片紋理透明像素數推之。以某一細胞紋理為例，其序列號為0、1、2、3的像素個數分別為4、5、5、2，當葉片紋理中需要透明的像素個數為9時，根據該細胞紋理各序列號累加個數值（累加個數值分別為4、9、14、16）即可知當前的序列號閾值為1。

單葉被啃食率定義為該葉片被啃食面積占總葉片面積的百分比，亦可認為葉片紋理透明像素數占葉片紋理中代表葉片的像素個數的百分比。葉片紋理不變，其代表葉片的像素個數也不變，因此確定該葉片的被啃食率，即可計算出葉片紋理透明像素個數，繼而實現單葉蟲洞可視化。

3 耦合蟲害影響的玉米生長模擬

如圖1概念模型所示，耦合蟲害的玉米生長模擬主要分為3個模塊：玉米生長可視化、各單葉蟲洞可視化模擬和蟲害程度估計。其中各單葉蟲洞模擬模塊采用上節的方法，使蟲害程度以可視化形式表示于玉米形態結構中，實現耦合蟲害的功能-結構模型。

3.1 玉米生長可視化

玉米生長可視化模塊采用玉米功能-結構模型，其可細分為功能模型子模塊和三維結構模型子模塊。

三維結構模型子模塊，模擬玉米結構動態變化與形態可視化，其包括器官建成（拓撲結構變化）和器官擴展（器官形態、大小）兩部分內容。本文以積溫預測玉米生長周期（公式參考文獻[29]），并采用L-系統[30-31]描述玉米器官的拓撲結構變化以及各器官的空間位置，根據由功能模型推算得到的各器官累計生物量（鮮質量）計算各器官的形態大小[32]（公式與參數參考文獻[32]），調用歸一化三維器官模型庫進行組合，并基于Unity3D引擎渲染，實現玉米形態結構三維可視化。各單葉蟲洞模擬的結果直接影響該子模塊，即將整株玉米模型中對應器官模型紋理替換為模擬后被啃食的葉片紋理，即可實現被粘蟲啃食后整株玉米形態結構的可視化。

功能模型子模塊，用于計算光合產量以及其在器官中的分配，模擬器官生長，本文基于GreenLab-Maize模型[13]實現。粘蟲對葉片形態的影響使玉米冠層內的光分布發生了改變，其中包括不同時間段葉片間的遮擋變化、冠層光線透過率的變化等，GreenLab-Maize的Beer-Lambert經驗公式無法準確估算，采用光線跟蹤或輻射度算法較準確地模擬玉米冠層內光分布的變化。本文采用光線跟蹤算法，根據結構模型中玉米的形態結構，逐日逐時模擬玉米冠層內的光分布，計算每片葉截獲的光合有效輻射量，并根據直角雙曲線修正模型[33]（參數參考文獻[33]）計算其凈光合速率，與葉面積、光合時長、光合產物與二氧化碳質量比0.681 8相乘，從而估算玉米每日光合產量。GreenLab-Maize模型基于生物量（鮮質量）模擬玉米生長，且假定各器官含水率不變[13]，故將光合產量（干質量）乘以系數4.75轉換為生物量（鮮質量）便于模擬。將生物量分為地上地下生物量，采用改進的Fredlingstein模型[34-35]（公式與參數參考文獻[34]）計算地上地下生物量分配比，并根據GreenLab-Maize源匯模型[36]（公式與參數參考文獻[36]）實現地上各器官生物量分配，并結合結構模型實現器官至整株玉米形態、大小變化可視化。

3.2 蟲害程度估計

蟲害程度估計主要分三步：粘蟲進食量估算、粘蟲在玉米中的分布（進食量分配）以及各單葉被啃食率估計。

3.2.1 粘蟲進食量估算

式中N表示第齡期年齡級數；R()表示第天第齡期粘蟲的發育速率；Cu() 表示當日有效積溫，℃；DD表示第齡期粘蟲發育所需的有效積溫，℃；SP()表示第天第齡期時個體在遭受天敵捕食后的存活率；P表示第齡期粘蟲在天敵作用后的參考存活率；1齡粘蟲的自然存活率[37]SN2()由公式（5）計算得到，式中RH() 表示第天平均相對濕度，其他齡期的自然存活率SN()參考文獻[4]。

注：P表示天敵捕食，D表示自然死亡，i表示粘蟲齡期，j表示年齡級，Gi表示高發育速率個數比率，Mi表示齡級增量，Ni表示齡期i的年齡級數。

根據上述模型逐日模擬每個齡期不同年齡級粘蟲的數量變化，并結合每只粘蟲的每日平均進食量，從而得出該粘蟲種群每日的進食量。由于粘蟲在不同階段時的進食量有所不同，故根據齡期逐一計算。其中因粘蟲幼蟲在1齡時期的進食量不足其幼蟲總進食量的0.5%[23]，故不考慮該時期幼蟲的進食量，其他時期的日均進食量為在溫度為（25±1）℃、相對濕度為60%±10%的條件下實測的數據（表1）[5]。

表1 粘蟲各蟲態日平均啃食玉米葉片量

3.2.2 粘蟲在玉米的分布模擬

模擬粘蟲在玉米的分布將估算出的總進食量分配給各個葉片器官，輔助估計各單葉被啃食率。假定粘蟲在整株玉米中的啃食路徑由底部葉片至頂部葉片，且不啃食已經衰老的葉片（年齡大于其光合持續時間的葉片[13]，即不再進行光合作用的葉片）。根據粘蟲種群的進食需求，從下至上計算每片葉的被啃食量，直至該粘蟲種群的進食需求被滿足，從而實現進食量的分配。

3.2.3 單葉被啃食率估計

單葉被啃食率是實現蟲洞可視化的關鍵參數，由被啃食面積S（cm2）和完整葉片的面積（cm2）之比決定。在粘蟲種群進食量被分配后，將單葉當日被啃食面積（被啃食量，cm2）與發育后（當日蟲害模擬前）的被啃食面積S累加，即可知被啃食面積S（cm2），即

因葉片發育，葉面積改變，導致已被啃食面積也發生改變。采用發育后的葉片剩余面積S與發育后的完整葉片的面積計算得到發育后的被啃食面積S，即

4 結果與分析

4.1 單葉蟲洞模擬結果

以大小為256×1 536像素的葉片紋理為參考，起始特征點為30個，半徑為150像素，每組100個臨界特征點為參數生成的細胞紋理，將其應用于對應的葉片紋理中，模擬葉片的蟲洞效果。該葉片在不同被啃食率下的模擬結果如圖7a所示，其與圖7b中實際拍攝的被粘蟲啃食的玉米葉片[38-40]進行比較可知，該方法可以較好模擬出葉片先后被啃食的痕跡以及粘蟲啃食的不規律性，并保留粘蟲不啃食主葉脈的習性。

圖7 玉米單葉蟲洞模擬結果對比圖

Fig7. Comparison diagram of simulation results of wormhole in maize single-leaf

4.2 耦合蟲害的玉米生長模擬結果

假定在溫度為25 ℃，相對濕度為80%的環境下模擬玉米生長，并假定100顆粘蟲蟲卵在第15個生長周期開始出現（該環境條件下為第43天出現），其不對粘蟲發育進行任何干預行為。粘蟲種群每日的進食量模擬結果如圖8所示。因改進的Rusink模型已由文獻[4]驗證，且單一粘蟲進食量為實測數據，故不對進食量模擬結果進行驗證。

圖8 粘蟲種群進食量變化模擬結果

為增強粘蟲啃食的不規律性，隨機賦予每片葉最高被啃食率，即低于該被啃食率粘蟲將不再啃食該葉片，表觀效果如圖9a所示，并重復模擬了361次單株玉米在長期受粘蟲影響下的生長發育狀況和136次未受粘蟲影響的生長發育狀況，結果如圖9所示。文獻[13]中實測玉米生物量與無粘蟲脅迫下玉米生物量模擬預測值對比，精度為88.76%。與圖8結合可知，蟲卵出現后的10 d內雖然進食量較小，但其啃食葉片造成葉片用于光合作用的面積減少，導致每日的光合產量減少，使玉米發育減緩，但植物各形態參數仍不低于正常發育情況下的最小值，玉米仍可視作正常發育。蟲卵出現后的第11天開始，葉面積的日增長量低于粘蟲的日啃食量，導致葉面積開始下降，使玉米生物量、株高小于正常發育的最小值。隨后因粘蟲已啃食完該株玉米，遷移至其他玉米處，故葉面積開始增加，但由于葉面積較小，且部分葉片已經衰老不再進行光合作用，導致玉米整體發育極度緩慢，最后成熟的玉米生物量相對較少。

a. 遭粘蟲啃食的整株玉米表觀 a. Appearance of maize responding to armyworm eatingb. 玉米生物量變化模擬結果 b. Simulation result of variation in maize biomassc. 玉米株高變化模擬結果 c. Simulation result of variation in maize heightd. 玉米葉面積變化模擬結果 d. Simulation result of variation in maize leaf area

5 結 論

本文提出不同粘蟲災害程度下玉米單葉蟲洞可視化表達的方法。該方法以細胞紋理作為存儲粘蟲的空間分布以及粘蟲啃食路徑的載體，并與由單葉被啃食率計算得到的閾值結合，改變葉片紋理上的像素透明度，從而實現單葉蟲洞的表觀可視化。為使表觀效果更符合粘蟲的啃食特性，改進細胞紋理，以起始特征點和臨界特征點代替傳統細胞紋理中的特征點，改進其基函數，并進行適當的后處理。從視覺角度分析，模擬結果與實際拍攝的被粘蟲啃食的玉米葉片形態基本吻合，說明改進后的細胞紋理可存儲符合粘蟲啃食規律的空間信息，葉片紋理可細致地表達粘蟲啃食的空間分布以及不啃食葉脈的習性，具有較高的真實感。在此基礎上，提出構建耦合粘蟲脅迫的玉米功能-結構模型的思路，通過逐日模擬粘蟲種群的蟲態結構變化和數量變化，確定其啃食需求，并分配給各葉片，確定各單葉被啃食率，并與單葉蟲洞可視化方法結合，逐時間段定量描述粘蟲對單株玉米形態結構造成的影響，改變玉米冠層內的光分布，從而影響光合作用和生物量分配等功能模型。若將其應用至模擬天敵-粘蟲-玉米簡單的生態系統中，通過綜合考慮天敵與粘蟲之間數量的相互關系、粘蟲數量對玉米生長的影響，估算粘蟲危害玉米的經濟閾值，可為田間生態系統管理以及治理粘蟲提供科學依據，同時可應用于農業的科普教育或中學生物教學。

本方法采用的粘蟲種群結構模擬模型將粘蟲死亡因素分為自然死亡和天敵捕食，其便于分別引入并拓展不同環境因素與不同天敵數量對粘蟲數量的影響。本方法亦可用于不同蟲害類型和不同植物，其關鍵在于各單葉被啃食率的估計以及選擇適用于該類蟲害的細胞紋理樣式。針對不同的啃食類蟲害類型，改變蟲害在單葉上的分布規律生成不同樣式的細胞紋理，并選擇合適的蟲害啃食量及其分配模型估算各單葉被啃食率即可實現不同啃食類蟲害脅迫下玉米的生長模擬，以此為基礎改變功能-結構模型可實現不同蟲害脅迫下不同植物的生長模擬。

本文方法是在農業領域專家對粘蟲生長規律和啃食時空研究成果的基礎上，對粘蟲分布、運動規律的假設上建立的，模擬結果只從視覺角度上與實際拍攝的被粘蟲啃食的玉米葉片進行比較，未與試驗數據結合，今后可與蟲害監測的時序數據結合，分析啃食過程模擬的精度。

[1]孫俊，譚文軍，毛罕平，等. 基于改進卷積神經網絡的多種植物葉片病害識別[J]. 農業工程學報，2017，33(19)：209－215. Sun Jun, Tan Wenjun, Mao Hanping, et al. Recognition of multiple plant leaf diseases based on improved convolutional neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 209－215. (in Chinese with English abstract)

[2]喬虹，馮全，張芮，等. 基于時序圖像跟蹤的葡萄葉片病害動態監測[J]. 農業工程學報，2018，34(17)：167－175. Qiao Hong, Feng Quan, Zhang Rui, et al. Dynamic monitoring of grape leaf disease based on sequential images tracking[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(17): 167－175. (in Chinese with English abstract)

[3]陳學新. 21世紀我國害蟲生物防治研究的進展、問題與展望[J]. 昆蟲知識，2010，47(4)：615－625. Chen Xuexin. Recent progress, existing problems and prospects in biological control of insect pests in China[J]. Chinese Bulletin of Entomology, 2010, 47(4): 615－625. (in Chinese with English abstract)

[4]蘇祥瑤，林昌善. 粘蟲種群動態模擬的研究[J]. 生態學報，1986，6(1)：65－73. Su Xiangyao, Lin Changshan. Computer simulation of population dynamics of the oriental armyworm()[J]. Acta Ecologica Sinica, 1986，6(1): 65－73. (in Chinese with English abstract)

[5]程志加，孫嵬，高月波，等. 東北地區三代粘蟲玉米田為害行為研究[J]. 應用昆蟲學報，2018，55(5)：849－856. Cheng Zhijia, Sun Wei, Gao Yuebo, et al. Damage to maize crops in Northeastern China caused by the third generation of the arymworm(Walker)[J]. Chinese Journal of Applied Entomology, 2018, 55(5): 849－856. (in Chinese with English abstract)

[6]高芳磊，郭素民，閆明，等. 不同生境下空心蓮子草響應模擬昆蟲采食的生長和化學防御策略[J]. 生態學報，2018，38(7)：2344－2352. Gao Fanglei, Guo Sumin, Yan Ming, et al. Effects of simulated insect herbivory on the growth and chemical defense ofin different habitats[J]. Acta Ecologica Sinica, 2018, 38(7): 2344－2352. (in Chinese with English abstract)

[7]曹慶軍，楊粉團，梁堯，等. 灌漿期模擬粘蟲危害對春玉米產量和品質的影響[J]. 華北農學報，2015，30(3)：180－185. Cao Qingjun, Yang Fentuan, Liang Yao, et al. Simulation in harm degree of mythimna seperata in filling stage and its effect on maize yield and quality[J]. Acta Agriculturae Boreali-Sinica, 2015, 30(3): 180－185. (in Chinese with English abstract)

[8]Schat M, Blossey B. Influence of natural and simulated leaf beetle herbivory on biomass allocation and plant architecture of purple Loosestrife ()[J]. Environmental Entomology, 2005, 34(4): 906-914.

[9]郭焱，李保國. 虛擬植物的研究進展[J]. 科學通報，2001，46(1)：1－5. Guo Yan, Li Baoguo. New advances in virtual plant research[J]. Chinese Science Bulletin, 2001, 46(1): 1－5. (in Chinese with English abstract)

[10]趙春江，陸聲鏈，郭新宇，等. 數字植物及其技術體系探討[J]. 中國農業科學，2010，43(10)：2023－2030. Zhao Chunjiang, Lu Shenglian, Guo Xinyu, et al. Exploration of digital plant and its technology system[J]. Scientia Agricultura Sinica, 2010, 43(10): 2023－2030. (in Chinese with English abstract)

[11]趙春江，陸聲鏈，郭新宇，等. 數字植物研究進展：植物形態結構三維數字化[J]. 中國農業科學，2015，48(17)：3415－3428. Zhao Chunjiang, Lu Shenglian, Guo Xinyu, et al. Advances in research of digital plant: 3D digitization of plant morphological structure[J]. Scientia Agricultura Sinica, 2015, 48(17): 3415－3428. (in Chinese with English abstract)

[12]康孟珍. 植物功能結構模型研究的回顧與展望[J]. 系統仿真學報，2012，24(10)：2039－2048. Kang Mengzhen. Review and perspectives on research about functional-structural plant models[J]. Journal of System Simulation, 2012, 24(10): 2039－2048. (in Chinese with English abstract)

[13]馬韞韜，郭焱，展志崗，等. 玉米生長虛擬模型GREENLAB-Maize的評估[J]. 作物學報，2006，32(7)：956－963. Ma Yuntao, Guo Yan, Zhan Zhigang, et al. Evaluation of the plant growth model GREENLAB-Maize[J]. Acta Agronomica Sinica, 2006, 32(7): 956－963. (in Chinese with English abstract)

[14]郭慶華，吳芳芳，龐樹鑫，等. Crop 3D—基于激光雷達技術的作物高通量三維表型測量平臺[J]. 中國科學：生命科學，2016，46(10)：1210－1221. Guo Qinghua, Wu Fangfang, Pang Shuxin, et al. Crop 3D: A platform based on LiDAR of 3D high-throughput crop phenotyping[J]. Scientia Sinica Vitae, 2016, 46(10): 1210－1221. (in Chinese with English abstract)

[15]Ndour A, Vadez V, Pradal C, et al. Virtual plants need water too: functional-structural root system models in the context of drought tolerance breeding[J/OL]. Frontiers in Plant Science, 2017, 8: 1577[2017-09-26]. https://www.frontiersin.org/ articles/10.3389/fpls.2017.01577/full.

[16]Tang Liyu, Yin Dan, Chen Chongcheng, et al. Optimal design of plant canopy based on light interception: A case study with Loquat[J/OL]. Frontiers in Plant Science, 2019, 10: 364[2019-04-26]. https://www.frontiersin.org/articles/10.3389/ fpls.2019.00364/full.

[17]Ding Weilong, Xu Lifeng, Wei Yang, et al. Genetic algorithm based approach to optimize phenotypical traits of virtual rice[J]. Journal of Theoretical Biology, 2016, 403: 59－67.

[18]Constantinescu D, Memmah M, Vercambre G, et al. Model-assisted estimation of the genetic variability in physiological parameters related to tomato fruit growth under contrasted water conditions[J/OL]. Frontiers in Plant Science, 2016, 7: 1841[2016-12-09]. https://www.frontiersin.org/ articles/10.3389/fpls.2016.01841/ full.

[19]年飛翔. 秈、粳型水稻生長模擬模型及其應用研究[D]. 武漢：華中農業大學，2017. Nian Feixiang. Study on Growth Simulation Model of Indica and Japonica Rice and Its Application[D]. Wuhan: Huazhong Agricultural University, 2017. (in Chinese with English abstract)

[20]曹亦兵，黃收兵，王媛媛，等. 玉米群體生長與光截獲的動態模擬及應用[J]. 中國農業科學，2017，50(11)：1973－1981. Cao Yibing, Huang Shoubing, Wang Yuanyuan, et al. Dynamic simulation of relationship between light interception and growth of maize population and its application[J]. Scientia Agricultura Sinica, 2017, 50(11): 1973－1981. (in Chinese with English abstract)

[21]張建平，趙艷霞，王春乙，等. 不同發育期干旱對冬小麥灌漿和產量影響的模擬[J]. 中國生態農業學報，2012，20(9)：1158－1165. Zhang Jianping, Zhao Yanxia, Wang Chunyi, et al. Impact simulation of drought disaster at different developmental stages on winter wheat grain-filling and yield[J]. Chinese Journal of Eco-Agriculture, 2012, 20(9): 1158－1165. (in Chinese with English abstract)

[22]Tang Liyu, Yin Dan, Chen Shuwei, et al. Virtual geographic simulation of light distribution within three-dimensional plant canopy models[J/OL]. ISPRS International Journal of Geo-Information, 2017, 6(12): 405[2017-12-19]. https://www.mdpi.com/2220-9964/6/12/405/htm.

[23]蘇祥瑤，林昌善. 粘蟲危害小麥的動態經濟閾值的研究[J]. 生態學報，1987，7(4)：322－330. Su Xiangyao, Lin Changshan. A dynamic economic threshold (ET) for controlling the oriental armyworm () on wheat[J]. Acta Ecologica Sinica, 1987, 7(4): 322－330. (in Chinese with English abstract)

[24]Casas J, Aluja M. The geometry of search movements of insects in plant canopies[J]. Behavioral Ecology, 1997, 8(1): 37－45.

[25]Hanan J, Prusinkiewicz P, Zalucki M, et al. Simulation of insect movement with respect to plant architecture and morphogenesis[J]. Computers and Electronics in Agriculture, 2002, 35(2): 255－269.

[26]Wang Ming, Cribb B, Clarke A, et al. A generic individual-based spatially explicit model as a novel tool for investigating insect-plant interactions: A case study of the behavioural ecology of Frugivorous Tephritidae[J/OL]. Plos One, 2016, 11(3):e0151777[2016-04-21]. https://journals. plos.org/plosone/article?id=10.1371/journal.pone.0151777.

[27]苗騰，趙春江，郭新宇，等. 病蟲害狀態下作物葉片表觀模擬方法[J]. 農業工程學報，2014，30(2)：169－175. Miao Teng, Zhao Chunjiang, Guo Xinyu, et al. Visual simulating appearance of plant leaves infected by disease and insect pests[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(2): 169－175. (in Chinese with English abstract)

[28]Worley S. A cellular texture basis function, 1996[C]. //John Fujii. Proceedings of the 23rdannual conference on Computer graphics and interactive techniques. Los Angeles: ACM, 1996:291-294.

[29]馬韞韜. 玉米虛擬模型GreenLab-Maize的構建與評估[D]. 北京：中國農業大學，2006. Ma Yuntao. Construction and Evaluation of Virtual Plant Model GreenLAB-Maize[D]. Beijing: China Agricultural University, 2006. (in Chinese with English abstract)

[30]林民銓，唐麗玉，陳崇成，等. 基于L-系統規則組合機制的植物建模新方法[J]. 中國農業科技導報，2011，13(2)：65－71. Lin Minquan, Tang Liyu, Chen Chongcheng, et al. A new plant modeling method based on rule compound mechanism of L-system[J]. Journal of Agricultural Science and Technology, 2011, 13(2): 65－71. (in Chinese with English abstract)

[31]林郁欣，唐麗玉，陳崇成，等. 基于組合型L-系統的單樹建模工具的設計與實現[J]. 農業工程學報，2011，27(3)：185－190. Lin Yuxin, Tang Liyu, Chen Chongcheng, et al. Design and implementation of tree individual modeling tool based on compounded L-system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(3): 185－190. (in Chinese with English abstract)

[32]宋有洪，郭焱，李保國，等. 基于器官生物量構建植株形態的玉米虛擬模型[J]. 生態學報，2003，23(12)：2579－2586. Song Youhong, Guo Yan, Li Baoguo, et al. Virtual maize model Ⅱ. Plant morphological constructing based on organ biomass accumulation[J]. Acta Ecologica Sinica, 2003, 23(12): 2579－2586. (in Chinese with English abstract)

[33]李付杰，武蘭芳，馬軍花，等. 長期養分虧缺對夏玉米葉片光合特性的影響[J]. 華北農學報，2013，28(5)：213－218. Li Fujie, Wu Lanfang, Ma Junhua, et al. Effects of long-term nutrient deficiency on photosynthetic characteristics of summer maize[J]. Acta Agriculturae boreali sinica, 2013, 28(5): 213－218. (in Chinese with English abstract)

[34]麻雪艷，周廣勝. 基于光合產物動態分配的玉米生物量模擬[J]. 應用生態學報，2016，27(7)：2292－2300. Ma Xueyan, Zhou Guangsheng. Maize biomass simulation based on dynamic photosynthate allocation[J]. Chinese Journal of Applied Ecology, 2016, 27(7): 2292－2300. (in Chinese with English abstract)

[35]Friedlingstein P, Joel G, Field Cb, et al. Toward an allocation scheme for global terrestrial carbon models[J]. Global Change Biology, 1999, 5(7): 755－770.

[36]Qi Rui, Ma Yuntao, Hu Baogang, et al. Optimization of source–sink dynamics in plant growth for ideotype breeding: A case study on maize[J]. Computers and Electronics in Agriculture, 2010, 71(1): 96－105.

[37]金翠霞，何忠，馬世駿. 粘蟲的發育和成活與環境濕度的關系Ⅰ. 卵和一齡幼蟲[J]. 昆蟲學報，1964，13(6)：835－843. Jin Cuixia, He Zhong, Ma Shijun. The relations between humidities in the environment and the rates of survival and development of the armyworm,walker I. Eggs and first instar larvae[J]. Acta Entomologica Sinica, 1964, 13(6): 835－843. (in Chinese with English abstract)

[38]深圳天鷹兄弟無人機創新有限公司. 植保飛防：玉米粘蟲該如何防治？[EB/OL]. 2018-07-02[2018-07-02]. http://www.sohu.com/a/238903034_457627.html.

[39]渭南政府網. 北京韋加助力渭南植保[EB/OL]. 2016-08-08[2016-08-08]. http://www.weinan.gov.cn/news/bdyw/527379.htm.

[40]吾谷新聞. 進入灌漿期的夏玉米，這是怎么了？[EB/OL]. 2018-08-20[2018-08-20]. http://news.wugu.com.cn/article/1373107.html.

Visual simulation of maize growth responding to armyworm () attack

Tang Liyu, Han Wei, Lin Ding, Chen Chongcheng, Chen Xiaoling, Jiang Feng

(1.,,350108,; 2.,,350108,)

Insect pest attack has serious consequences for plants growth and development. Biological control of pests is a potential solution, which needs to understand the quantitative interactions among various organisms in the environment for management optimization. However, it is time-consuming and laborious to determine the effect of insect attack on plants through experiments. In this paper, a new method was proposed and developed to simulate the effect of insect pest on leaves and quantify the effect of insect pest on plant growth. An improved cellular texture strategy was used for describing the appearance of leaves eaten by armyworm. The procedures are as follows: (1) to simulate the irregular eating path of pests, we use origination feature point, which is the position where the armyworm begins to eat, and critical feature point to model the pest’s trajectory. The critical feature point is generated randomly within a circle, which is defined by certain distance as radius and the origination feature point as the center, and (2) to simulate armyworm eating habits, we select the closest feature point to a pixel, which is closer to the origination feature point than the distance between the pixel and the origination feature point; (3) a transparent pixel in cellular texture is used to represent the leaf area where pests will not eat. To describe wormhole intuitively and visually, cellular texture values were mapped to color, the pixels in leaf texture will be transparent when the color of corresponding cellular texture pixels are lower than a threshold. To describe the effect of leaf eaten by pest, we used the proportion of being eaten, namely the percentage of eaten leaf area to the whole leaf area. As the proportion of being eaten changes, the number of transparent pixels also changes. Therefore, the appearance of the leaves could represent conditions under various degrees of armyworm attack. Coupling armyworm attack with functional-structural model is able to quantitatively describe the interactions between armyworm and maize and visually simulate the growth of maize. Models of maize architectural development were constructed based on the L-System, which facilitates the simulation of physiological response to damage. The morphological size of each organ was calculated according to their cumulative biomass (fresh weight). For estimating the proportion of being eaten of each leaf, it is necessary to calculate the number of armyworms and the amount of their food intake, and simulate the distribution of armyworms in maize. Based on the literature review, the life cycle of armyworm was divided into 10 different stages, and every stage was further divided into multiple age classes. On the basis of daily effective accumulated temperature at each age, the number and intake of each age class in each stage of the armyworm population was simulated per day, combined with the effect of natural enemies and environmental factors on the survival of armyworms. Ray tracing algorithm was employed to simulate light interception of a canopy, and a photosynthesis model was applied to estimate biomass. To simulate the assimilate partitioning within a maize and quantify the effects of armyworms eating on whole plant structure, Friedlingstein model was used to estimate the partitioning ratio of above-ground and underground assimilate affected by leaf area index, and source-sink model and parameters from GreenLab were used to simulate the distribution of aboveground assimilate. The growth simulation also takes the effects of maize changing, armyworm damage inducing further changes that affect development into consideration. The results showed that simulation could realistic represent the vivid appearance of leaf eaten by armyworms, such as irregularity of wormhole, random selection of eaten areas and armyworms eating habits. The proposed approach can quantify the effects of armyworms attack on maize development and crop yields; it is useful for quantifying and understanding disaster degree in pest management, and it has potential for agricultural technical training and education.

crops; diseases; models; functional-structural model; simulation; virtual plant; visualization

唐麗玉，韓 偉，林 定，陳崇成，陳曉玲，江 鋒. 耦合粘蟲脅迫的玉米生長可視化模擬[J]. 農業工程學報，2019，35(24)：191－198. doi：10.11975/j.issn.1002-6819.2019.24.023 http://www.tcsae.org

Tang Liyu, Han Wei, Lin Ding, Chen Chongcheng, Chen Xiaoling, Jiang Feng. Visual simulation of maize growth responding to armyworm () attack [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(24): 191－198. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.24.023 http://www.tcsae.org

2019-09-23

2019-11-20

國家自然科學基金項目（41971344）；國家重點研發計劃項目（2018YFB1004905）

唐麗玉，博士，研究員，主要從事地理可視化與虛擬地理環境、虛擬植物研究。Email：tangly@fzu.edu.cn

10.11975/j.issn.1002-6819.2019.24.023

TP391.4

A

1002-6819(2019)-24-0191-08