耦合粘虫胁迫的玉米生长可视化模拟

唐丽玉，韩 伟，林 定，陈崇成，陈晓玲，江 锋

耦合粘虫胁迫的玉米生长可视化模拟

唐丽玉，韩 伟，林 定，陈崇成，陈晓玲，江 锋

（1. 福州大学空间数据挖掘与信息共享教育部重点实验室，福州 350108；2. 福州大学地理空间信息技术国家地方联合工程研究中心，福州 350108）

针对难以定量化模拟虫害影响植物形态结构和生理过程的问题，提出将虫害影响耦合至植物功能-结构模型中的可视化模拟方法。根据粘虫啃食叶片的空间分布特征，改进细胞纹理特征点和基函数，适用于描述粘虫啃食路径，采用单叶被啃食率描述被啃食程度，并以三维可视化形式模拟虫害啃食效果；结合粘虫数量、啃食量以及分布规律，估计各单叶被啃食率，根据单叶虫洞可视化方法，定量化表达粘虫对单株玉米形态结构的影响；根据植物形态结构变化，将粘虫胁迫作用于生物量产量、生物量分配等植物生理过程，确定粘虫对植物形态发育的影响。试验结果表明，单叶虫洞可视化方法能较形象、逼真的仿真不同受灾程度下粘虫对叶片形态的影响，并将虫害影响耦合至功能-结构模型中，实现虫害胁迫下植物生长发育的模拟和仿真，为定量描述和理解灾害程度提供新思路。

作物；病害；模型；功能-结构模型；模拟；虚拟植物；可视化

0 引 言

病虫害影响植物生长发育，可造成植物死亡或作物严重减产，导致不同程度的经济损失。图像智能识别、物联网视频监控等技术可辅助识别植物叶片病虫害及动态监测病虫害发展过程[1-2]。病虫害防治除了识别和监测外，还需要从生物学、生理学、生态学等角度研究。害虫的生物防治成为重要手段[3-4]。这需要揭示天敌、害虫与寄主之间的内在关系（如食物链）。传统通过田间试验和跟踪调查，研究玉米粘虫产卵习性、不同龄期取食选择性和取食量[5]；或通过人工去叶、修剪叶片形状的方式模拟病虫采食过程[6-8]。但该类方法耗时费力、或对植物造成不可逆的损害且研究结果可视性较差。虚拟植物利用计算机模拟植物在三维空间中的生长状况[9]，通过植物功能与结构相互作用过程的模拟，以可视化方式阐释植物与环境的关系[10-11]。植物功能-结构模型是虚拟植物的重要内容之一，集成了植物形态结构、光合生产及光合产物的分配及内在联系，在器官尺度上模拟植物个体生长发育的模型[12-13]。随着植物形态建模方法和植物生理生态研究的不断深入，计算机计算能力的不断提升，使虚拟植物模型更加精准，为植物表型学研究[14-15]、理想株型设计[16-18]、产量估算[19-21]、植物冠层微环境分析[22]等方面提供更可靠、价值更高的分析手段。借助虚拟植物，模拟分析不同条件、不同灾害程度下植物生长状况，有助于制定虫害治理方案。有些学者利用计算机模拟粘虫种群的动态变化，并建立了天敌、粘虫及寄主之间的关系[4,23]，但该模型仅为数值统计模型，未考虑粘虫的运动和分布规律、叶片局部变化等形态结构差异对小麦生长的影响。后续有学者研究并模拟昆虫在植物冠层中的运动轨迹[24-26]；有学者利用细胞纹理在叶片尺度上模拟了白粉病、叶锈病的产生和扩散过程[27]，但大多忽略或简化植物形态结构与生态过程的结合，因而无法真实模拟植物的生长发育过程。

本文以粘虫（）和玉米为例，在植物功能-结构模型的基础上，耦合粘虫生长和啃食叶片的空间分布规律，定量化模拟虫害影响植物形态结构和生理过程，并以可视化形式表达模拟结果，为理解虫害对植物生长发育造成的影响提供新方法。

1 概念模型

耦合粘虫胁迫的玉米生长可视化模拟主要包括玉米的形态结构三维模型，玉米功能模型；粘虫生长规律，粘虫空间分布特征和虫洞可视化模拟，各部分之间的关系如图1所示。粘虫主要啃食玉米叶片，而且叶片是光合作用主要器官。因此，单叶虫洞模拟是本文可视化的核心，其依据单叶被啃食率和细胞纹理中描述的粘虫时空分布规律，动态模拟叶片上虫洞扩展过程。玉米的形态结构三维模型利用L-系统方法，根据玉米器官间的拓扑结构与器官三维模型，建立植株的三维形态结构模型。集成光合作用模型，考虑叶片被啃食后的叶面积，估算光合产量，根据生物量分配的源汇模型，估算各器官获得生物量，从而相应改变结构模型中各器官的形态大小。根据粘虫虫害程度以及粘虫的运动、分布规律，估算各单叶被啃食率，并以单叶虫洞可视化方法为基础，将单叶被啃食率与器官形态结合，形象模拟整株玉米被啃食程度，从而改变后续冠层光环境，通过结构与功能的迭代互反馈，从而实现粘虫胁迫下的玉米生长可视化模拟。

2 单叶虫洞动态可视化

不同虫害程度下单叶虫洞的仿真是定量化粘虫对玉米形态结构影响的基础，也是将虫害耦合至植物功能-结构模型的关键。单叶虫洞可视化步骤如图2所示，针对每一片叶，生成其特有且不变的细胞纹理，该细胞纹理存储虫洞的空间信息，并辅助单叶被啃食率计算阈值以及依据阈值处理叶片纹理，使叶片纹理生成虫洞，以实现单叶虫洞可视化。

图2 单叶虫洞可视化步骤

2.1 细胞纹理

细胞纹理的思想是将一系列特征点分散到三维空间，将以局部点与各特征点之间的距离构建的基函数任意组合，构建不同形态的纹理样式[28]。以二维空间为例，在一定范围内的二维空间上随机分布一定数量的特征点，对于空间上任意一点，定义其与最近特征点的距离为1()，与其第二近的特征点的距离为2()，与其第近的特征点的距离为F()，将基函数1()、2()至F()任意组合，如1()+2()+…+F()、1()·2()·…·F()等，根据组合后的值不同，赋予不同的颜色值。图3a为特征点随机分布，且仅采用基函数1()，并以最小值为黑色、最大值为白色的线性数值-颜色映射关系绘制的大小为1 024×1 024像素的细胞纹理，其结构与Voronoi形态相同，且当像素距离特征点越近，颜色越黑。由此可知，当采用合适的基函数与组合时，细胞纹理中某一像素的颜色可认为是其与另一特定像素之间的距离、时间或其他可表示大小、顺序的信息。将此类细胞纹理作为存储空间信息以及扩展次序的载体，可应用于实现不同病害程度下叶片病斑的可视化[27]。与病斑随机分布、四周扩散不同，玉米粘虫易从叶缘开始向主叶脉啃食，且不啃食主叶脉。图3b、3c、3d分别修改图3a绘制方式的某一项：图3b将特征点分布在半圆边，图3c采用2()+4()的基函数组合方式，图3d将基函数改为以距离为参数的正弦函数。可见，细胞纹理特征点的分布、基函数类型以及基函数组合方式决定了细胞纹理的样式，从这三方面入手，改进细胞纹理，使其可应用于单叶虫洞可视化。

图3 细胞纹理

2.2 粘虫啃食轨迹模拟

为生成可模拟粘虫啃食空间信息的细胞纹理，需确定特征点分布规律、基函数以及基函数的组合类型。

根据粘虫在叶片的分布规律，以叶片纹理为参考，在叶缘随机分布若干个特征点，即粘虫开始啃食的位置。

叶片上被粘虫啃食后剩下的虫洞无明显特征，可视为由多个大小不一但扩散方向受限（如图4虚线所示）的圆形组成，而传统的细胞纹理表达的图案多为向四周任意扩散（如图4实线所示）的圆形，为模拟该效果，需要对细胞纹理的特征点进行如下改进：按一定分布规律随机得到的坐标点视作圆心（下称起始特征点），并按一定半径大小随机分布若干个随机点（下称临界特征点）。

粘虫的啃食路径模拟如图4虚线所示，先从起始特征点开始向四周扩散，当啃食到临界特征点所在的位置时，以临界特征点为圆心再向外进行扩散，从而实现多个圆形组合的效果。为满足该需求，细胞纹理中除起始特征点所在的像素外，其他像素对应的最近特征点（最近起始特征点或最近临界特征点）应满足如下要求：非该像素自身；与该像素具有相同的最近起始特征点；与其最近起始特征点的距离必须小于该像素与其最近起始特征点的距离。

注：图中实线表示改进前的路径，虚线表示改进后的路径。

故基函数1()重新定义为像素与满足上述条件的最近特征点的距离。每个像素被啃食的先后顺序可通过重新定义的基函数1()得到，即基函数的组合方式

式中表示该像素被啃食的序列号，该值越大表明该像素越迟被啃食；INT表示向下取整；为缩放系数；O为满足上述条件的最近特征点的序列号。为模拟叶片不同区域先后被啃食的效果，需预先随机赋予起始特征点合适的序列号。

最后采用数值—颜色映射关系将各像素的序列号转换成颜色存储于细胞纹理中，生成细胞纹理。为保证每个像素均有足够的空间存储其对应的序列号信息，采用256进制的方式将十进制的序列号转换成对应的颜色，即使用红绿蓝三色通道分别存储不同位的数值（红色通道为高位，绿色通道为中位，蓝色通道为低位），并规定透明通道的值为255，即该像素不透明。

由于粘虫不会啃食叶片的主叶脉，对细胞纹理进行后处理，使其更符合粘虫实际的啃食路径。通过对最初用来确定叶片边缘的叶片纹理进行处理，生成被粘虫啃食干净且与该细胞纹理等大小的叶片纹理（下称障碍物纹理）。当细胞纹理中的像素在障碍物纹理中位于叶片内，即在障碍物纹理中相同坐标的像素为非透明像素，则表明该像素不会被啃食，故在细胞纹理中将该像素透明化。

2.3 虫洞可视化及动态模拟

虫洞的形态与粘虫啃食的路径密切相关，采用上述细胞纹理中像素的序列号作为虫洞的扩展次序，通过序列号（颜色）阈值和对应像素坐标确定已经被粘虫啃食的范围，从而模拟虫洞。步骤如图5所示，根据叶片纹理中像素的坐标信息，确定其在离屏渲染的细胞纹理中对应的像素位置；读取该像素的颜色数据，转换为序列号，并判断其是否小于计算得到的阈值：当小于阈值时，叶片纹理中对应的像素透明化，否则不进行任何处理。将由此生成的叶片纹理映射至对应模型上，即可实现虫洞可视化。为模拟粘虫不啃食叶片主叶脉这一现象，规定当细胞纹理中的像素为透明像素时，也不处理对应叶片纹理中的像素。

1.定位 2.读取颜色 3.判断大小 4.像素处理

阈值是实现单叶虫洞扩展的关键，其数值表示虫洞扩展序列号，随单叶受灾程度的变化而变化。小于等于阈值的序列号对应的像素均被透明化，即序列号小于等于阈值的个数累加和与叶片纹理透明像素数相等，故可根据叶片纹理透明像素数推之。以某一细胞纹理为例，其序列号为0、1、2、3的像素个数分别为4、5、5、2，当叶片纹理中需要透明的像素个数为9时，根据该细胞纹理各序列号累加个数值（累加个数值分别为4、9、14、16）即可知当前的序列号阈值为1。

单叶被啃食率定义为该叶片被啃食面积占总叶片面积的百分比，亦可认为叶片纹理透明像素数占叶片纹理中代表叶片的像素个数的百分比。叶片纹理不变，其代表叶片的像素个数也不变，因此确定该叶片的被啃食率，即可计算出叶片纹理透明像素个数，继而实现单叶虫洞可视化。

3 耦合虫害影响的玉米生长模拟

如图1概念模型所示，耦合虫害的玉米生长模拟主要分为3个模块：玉米生长可视化、各单叶虫洞可视化模拟和虫害程度估计。其中各单叶虫洞模拟模块采用上节的方法，使虫害程度以可视化形式表示于玉米形态结构中，实现耦合虫害的功能-结构模型。

3.1 玉米生长可视化

玉米生长可视化模块采用玉米功能-结构模型，其可细分为功能模型子模块和三维结构模型子模块。

三维结构模型子模块，模拟玉米结构动态变化与形态可视化，其包括器官建成（拓扑结构变化）和器官扩展（器官形态、大小）两部分内容。本文以积温预测玉米生长周期（公式参考文献[29]），并采用L-系统[30-31]描述玉米器官的拓扑结构变化以及各器官的空间位置，根据由功能模型推算得到的各器官累计生物量（鲜质量）计算各器官的形态大小[32]（公式与参数参考文献[32]），调用归一化三维器官模型库进行组合，并基于Unity3D引擎渲染，实现玉米形态结构三维可视化。各单叶虫洞模拟的结果直接影响该子模块，即将整株玉米模型中对应器官模型纹理替换为模拟后被啃食的叶片纹理，即可实现被粘虫啃食后整株玉米形态结构的可视化。

功能模型子模块，用于计算光合产量以及其在器官中的分配，模拟器官生长，本文基于GreenLab-Maize模型[13]实现。粘虫对叶片形态的影响使玉米冠层内的光分布发生了改变，其中包括不同时间段叶片间的遮挡变化、冠层光线透过率的变化等，GreenLab-Maize的Beer-Lambert经验公式无法准确估算，采用光线跟踪或辐射度算法较准确地模拟玉米冠层内光分布的变化。本文采用光线跟踪算法，根据结构模型中玉米的形态结构，逐日逐时模拟玉米冠层内的光分布，计算每片叶截获的光合有效辐射量，并根据直角双曲线修正模型[33]（参数参考文献[33]）计算其净光合速率，与叶面积、光合时长、光合产物与二氧化碳质量比0.681 8相乘，从而估算玉米每日光合产量。GreenLab-Maize模型基于生物量（鲜质量）模拟玉米生长，且假定各器官含水率不变[13]，故将光合产量（干质量）乘以系数4.75转换为生物量（鲜质量）便于模拟。将生物量分为地上地下生物量，采用改进的Fredlingstein模型[34-35]（公式与参数参考文献[34]）计算地上地下生物量分配比，并根据GreenLab-Maize源汇模型[36]（公式与参数参考文献[36]）实现地上各器官生物量分配，并结合结构模型实现器官至整株玉米形态、大小变化可视化。

3.2 虫害程度估计

虫害程度估计主要分三步：粘虫进食量估算、粘虫在玉米中的分布（进食量分配）以及各单叶被啃食率估计。

3.2.1 粘虫进食量估算

式中N表示第龄期年龄级数；R()表示第天第龄期粘虫的发育速率；Cu() 表示当日有效积温，℃；DD表示第龄期粘虫发育所需的有效积温，℃；SP()表示第天第龄期时个体在遭受天敌捕食后的存活率；P表示第龄期粘虫在天敌作用后的参考存活率；1龄粘虫的自然存活率[37]SN2()由公式（5）计算得到，式中RH() 表示第天平均相对湿度，其他龄期的自然存活率SN()参考文献[4]。

注：P表示天敌捕食，D表示自然死亡，i表示粘虫龄期，j表示年龄级，Gi表示高发育速率个数比率，Mi表示龄级增量，Ni表示龄期i的年龄级数。

根据上述模型逐日模拟每个龄期不同年龄级粘虫的数量变化，并结合每只粘虫的每日平均进食量，从而得出该粘虫种群每日的进食量。由于粘虫在不同阶段时的进食量有所不同，故根据龄期逐一计算。其中因粘虫幼虫在1龄时期的进食量不足其幼虫总进食量的0.5%[23]，故不考虑该时期幼虫的进食量，其他时期的日均进食量为在温度为（25±1）℃、相对湿度为60%±10%的条件下实测的数据（表1）[5]。

表1 粘虫各虫态日平均啃食玉米叶片量

3.2.2 粘虫在玉米的分布模拟

模拟粘虫在玉米的分布将估算出的总进食量分配给各个叶片器官，辅助估计各单叶被啃食率。假定粘虫在整株玉米中的啃食路径由底部叶片至顶部叶片，且不啃食已经衰老的叶片（年龄大于其光合持续时间的叶片[13]，即不再进行光合作用的叶片）。根据粘虫种群的进食需求，从下至上计算每片叶的被啃食量，直至该粘虫种群的进食需求被满足，从而实现进食量的分配。

3.2.3 单叶被啃食率估计

单叶被啃食率是实现虫洞可视化的关键参数，由被啃食面积S（cm2）和完整叶片的面积（cm2）之比决定。在粘虫种群进食量被分配后，将单叶当日被啃食面积（被啃食量，cm2）与发育后（当日虫害模拟前）的被啃食面积S累加，即可知被啃食面积S（cm2），即

因叶片发育，叶面积改变，导致已被啃食面积也发生改变。采用发育后的叶片剩余面积S与发育后的完整叶片的面积计算得到发育后的被啃食面积S，即

4 结果与分析

4.1 单叶虫洞模拟结果

以大小为256×1 536像素的叶片纹理为参考，起始特征点为30个，半径为150像素，每组100个临界特征点为参数生成的细胞纹理，将其应用于对应的叶片纹理中，模拟叶片的虫洞效果。该叶片在不同被啃食率下的模拟结果如图7a所示，其与图7b中实际拍摄的被粘虫啃食的玉米叶片[38-40]进行比较可知，该方法可以较好模拟出叶片先后被啃食的痕迹以及粘虫啃食的不规律性，并保留粘虫不啃食主叶脉的习性。

图7 玉米单叶虫洞模拟结果对比图

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

4.2 耦合虫害的玉米生长模拟结果

假定在温度为25 ℃，相对湿度为80%的环境下模拟玉米生长，并假定100颗粘虫虫卵在第15个生长周期开始出现（该环境条件下为第43天出现），其不对粘虫发育进行任何干预行为。粘虫种群每日的进食量模拟结果如图8所示。因改进的Rusink模型已由文献[4]验证，且单一粘虫进食量为实测数据，故不对进食量模拟结果进行验证。

图8 粘虫种群进食量变化模拟结果

为增强粘虫啃食的不规律性，随机赋予每片叶最高被啃食率，即低于该被啃食率粘虫将不再啃食该叶片，表观效果如图9a所示，并重复模拟了361次单株玉米在长期受粘虫影响下的生长发育状况和136次未受粘虫影响的生长发育状况，结果如图9所示。文献[13]中实测玉米生物量与无粘虫胁迫下玉米生物量模拟预测值对比，精度为88.76%。与图8结合可知，虫卵出现后的10 d内虽然进食量较小，但其啃食叶片造成叶片用于光合作用的面积减少，导致每日的光合产量减少，使玉米发育减缓，但植物各形态参数仍不低于正常发育情况下的最小值，玉米仍可视作正常发育。虫卵出现后的第11天开始，叶面积的日增长量低于粘虫的日啃食量，导致叶面积开始下降，使玉米生物量、株高小于正常发育的最小值。随后因粘虫已啃食完该株玉米，迁移至其他玉米处，故叶面积开始增加，但由于叶面积较小，且部分叶片已经衰老不再进行光合作用，导致玉米整体发育极度缓慢，最后成熟的玉米生物量相对较少。

a. 遭粘虫啃食的整株玉米表观 a. Appearance of maize responding to armyworm eatingb. 玉米生物量变化模拟结果 b. Simulation result of variation in maize biomassc. 玉米株高变化模拟结果 c. Simulation result of variation in maize heightd. 玉米叶面积变化模拟结果 d. Simulation result of variation in maize leaf area

5 结 论

本文提出不同粘虫灾害程度下玉米单叶虫洞可视化表达的方法。该方法以细胞纹理作为存储粘虫的空间分布以及粘虫啃食路径的载体，并与由单叶被啃食率计算得到的阈值结合，改变叶片纹理上的像素透明度，从而实现单叶虫洞的表观可视化。为使表观效果更符合粘虫的啃食特性，改进细胞纹理，以起始特征点和临界特征点代替传统细胞纹理中的特征点，改进其基函数，并进行适当的后处理。从视觉角度分析，模拟结果与实际拍摄的被粘虫啃食的玉米叶片形态基本吻合，说明改进后的细胞纹理可存储符合粘虫啃食规律的空间信息，叶片纹理可细致地表达粘虫啃食的空间分布以及不啃食叶脉的习性，具有较高的真实感。在此基础上，提出构建耦合粘虫胁迫的玉米功能-结构模型的思路，通过逐日模拟粘虫种群的虫态结构变化和数量变化，确定其啃食需求，并分配给各叶片，确定各单叶被啃食率，并与单叶虫洞可视化方法结合，逐时间段定量描述粘虫对单株玉米形态结构造成的影响，改变玉米冠层内的光分布，从而影响光合作用和生物量分配等功能模型。若将其应用至模拟天敌-粘虫-玉米简单的生态系统中，通过综合考虑天敌与粘虫之间数量的相互关系、粘虫数量对玉米生长的影响，估算粘虫危害玉米的经济阈值，可为田间生态系统管理以及治理粘虫提供科学依据，同时可应用于农业的科普教育或中学生物教学。

本方法采用的粘虫种群结构模拟模型将粘虫死亡因素分为自然死亡和天敌捕食，其便于分别引入并拓展不同环境因素与不同天敌数量对粘虫数量的影响。本方法亦可用于不同虫害类型和不同植物，其关键在于各单叶被啃食率的估计以及选择适用于该类虫害的细胞纹理样式。针对不同的啃食类虫害类型，改变虫害在单叶上的分布规律生成不同样式的细胞纹理，并选择合适的虫害啃食量及其分配模型估算各单叶被啃食率即可实现不同啃食类虫害胁迫下玉米的生长模拟，以此为基础改变功能-结构模型可实现不同虫害胁迫下不同植物的生长模拟。

本文方法是在农业领域专家对粘虫生长规律和啃食时空研究成果的基础上，对粘虫分布、运动规律的假设上建立的，模拟结果只从视觉角度上与实际拍摄的被粘虫啃食的玉米叶片进行比较，未与试验数据结合，今后可与虫害监测的时序数据结合，分析啃食过程模拟的精度。

[1]孙俊，谭文军，毛罕平，等. 基于改进卷积神经网络的多种植物叶片病害识别[J]. 农业工程学报，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]乔虹，冯全，张芮，等. 基于时序图像跟踪的葡萄叶片病害动态监测[J]. 农业工程学报，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]陈学新. 21世纪我国害虫生物防治研究的进展、问题与展望[J]. 昆虫知识，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]苏祥瑶，林昌善. 粘虫种群动态模拟的研究[J]. 生态学报，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，孙嵬，高月波，等. 东北地区三代粘虫玉米田为害行为研究[J]. 应用昆虫学报，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，闫明，等. 不同生境下空心莲子草响应模拟昆虫采食的生长和化学防御策略[J]. 生态学报，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]曹庆军，杨粉团，梁尧，等. 灌浆期模拟粘虫危害对春玉米产量和品质的影响[J]. 华北农学报，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，李保国. 虚拟植物的研究进展[J]. 科学通报，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]赵春江，陆声链，郭新宇，等. 数字植物及其技术体系探讨[J]. 中国农业科学，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]赵春江，陆声链，郭新宇，等. 数字植物研究进展：植物形态结构三维数字化[J]. 中国农业科学，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. 植物功能结构模型研究的回顾与展望[J]. 系统仿真学报，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]马韫韬，郭焱，展志岗，等. 玉米生长虚拟模型GREENLAB-Maize的评估[J]. 作物学报，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]郭庆华，吴芳芳，庞树鑫，等. Crop 3D—基于激光雷达技术的作物高通量三维表型测量平台[J]. 中国科学：生命科学，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]年飞翔. 籼、粳型水稻生长模拟模型及其应用研究[D]. 武汉：华中农业大学，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，黄收兵，王媛媛，等. 玉米群体生长与光截获的动态模拟及应用[J]. 中国农业科学，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]张建平，赵艳霞，王春乙，等. 不同发育期干旱对冬小麦灌浆和产量影响的模拟[J]. 中国生态农业学报，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]苏祥瑶，林昌善. 粘虫危害小麦的动态经济阈值的研究[J]. 生态学报，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]苗腾，赵春江，郭新宇，等. 病虫害状态下作物叶片表观模拟方法[J]. 农业工程学报，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]马韫韬. 玉米虚拟模型GreenLab-Maize的构建与评估[D]. 北京：中国农业大学，2006. Ma Yuntao. Construction and Evaluation of Virtual Plant Model GreenLAB-Maize[D]. Beijing: China Agricultural University, 2006. (in Chinese with English abstract)

[30]林民铨，唐丽玉，陈崇成，等. 基于L-系统规则组合机制的植物建模新方法[J]. 中国农业科技导报，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，唐丽玉，陈崇成，等. 基于组合型L-系统的单树建模工具的设计与实现[J]. 农业工程学报，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，李保国，等. 基于器官生物量构建植株形态的玉米虚拟模型[J]. 生态学报，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，武兰芳，马军花，等. 长期养分亏缺对夏玉米叶片光合特性的影响[J]. 华北农学报，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]麻雪艳，周广胜. 基于光合产物动态分配的玉米生物量模拟[J]. 应用生态学报，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，马世骏. 粘虫的发育和成活与环境湿度的关系Ⅰ. 卵和一龄幼虫[J]. 昆虫学报，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]深圳天鹰兄弟无人机创新有限公司. 植保飞防：玉米粘虫该如何防治？[EB/OL]. 2018-07-02[2018-07-02]. http://www.sohu.com/a/238903034_457627.html.

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

[40]吾谷新闻. 进入灌浆期的夏玉米，这是怎么了？[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

唐丽玉，韩 伟，林 定，陈崇成，陈晓玲，江 锋. 耦合粘虫胁迫的玉米生长可视化模拟[J]. 农业工程学报，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

国家自然科学基金项目（41971344）；国家重点研发计划项目（2018YFB1004905）

唐丽玉，博士，研究员，主要从事地理可视化与虚拟地理环境、虚拟植物研究。Email：tangly@fzu.edu.cn

10.11975/j.issn.1002-6819.2019.24.023

TP391.4

A

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