本發(fā)明涉及多花黃精品種選育，具體為一種基于冠層光合模型的多花黃精品種選育方法。

背景技術：

1、多花黃精是黃精屬多年生草本植物，入選湖南“湘九味”及懷化地區(qū)的“懷六味”中藥材品牌品種，為我國傳統(tǒng)大宗藥食同源的中藥材，其肥厚的根狀莖是主要食用和藥用部位。研究發(fā)現，多花黃精富含黃精多糖、類固醇皂苷、黃酮苷等化合物，具有降血糖、降血脂、提高免疫力的作用，在新藥研制、保健品及功能性食品開發(fā)等方面具有廣闊的前景，近年隨著大健康產業(yè)的不斷發(fā)展，市場對黃精的資源需求越來越大，價格在穩(wěn)步攀升。

2、在植物品種選育過程中，光合效率是一個關鍵的生物學指標，它直接影響作物的生長和產量，傳統(tǒng)的植物選育方法主要依賴于田間試驗和實驗室分析，這些方法通常耗時且成本高昂。特別是在評估不同郁閉度環(huán)境下的光合效率時，傳統(tǒng)方法難以精確模擬和量化光線在復雜冠層結構中的分布和吸收。

3、因此，本技術設計改進一種高效、精確的方法來模擬和優(yōu)化植物冠層的光合效率，以選育出適應不同光環(huán)境的優(yōu)良株型。

4、在所述背景技術部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。

技術實現思路

1、本發(fā)明的目的在于提供一種基于冠層光合模型的多花黃精品種選育方法，以解決上述背景技術中提出的問題。

2、為實現上述目的，本發(fā)明提供如下技術方案：

3、一種基于冠層光合模型的多花黃精品種選育方法，具體步驟包括：

4、s1.對多花黃精種莖設置四種不同的郁閉度，所述四種郁閉度分別為10％、40％、70％、100％，采集不同郁閉度下的植株葉片的形態(tài)參數、莖稈參數和光合能力參數，所述植株葉片的形態(tài)參數包括葉片基部高度、葉片長度、葉片最寬寬度、葉片彎曲弧度對應的圓心角、葉片自身的角度以及葉片與莖稈連接處的角度，所述莖稈參數包括莖稈高度、莖稈底部直徑及莖稈頂部直徑，所述光合能力參數包括光合有效輻射和凈光合速率；

5、s2.將不同郁閉度下的植株葉片的形態(tài)參數進行數據處理，生成9列參數矩陣，每一列分別為葉片基部高度、葉片長度、葉片最寬寬度、葉片彎曲弧度對應的圓心角、葉片自身的角度、葉片與莖稈連接處的角度、葉片在水平面上的x坐標、葉片在水平面上的y坐標及葉片在垂直方向上的z坐標，提取9列參數矩陣中的最后3列作為葉片的笛卡爾坐標，將笛卡爾坐標轉換為極坐標，并調整葉片的方位角和仰角，將調整后的極坐標再轉換回笛卡爾坐標，將調整后的3列笛卡爾坐標矩陣與原始數據中的前6列合并，生成新的9列參數矩陣，基于新的9列參數矩陣，獲知多花黃精葉片在三維空間中的精確位置和方向信息；

6、s3.將莖稈參數作為模型輸入值，生成莖稈的幾何形狀，計算莖稈底部半徑和莖稈頂部半徑，將圓柱坐標轉化為笛卡爾坐標，獲得每個頂點的坐標，初始化存儲所有植株頂點坐標的m矩陣，將植株的x、y坐標轉換為極坐標，確定旋轉角度，再轉換回笛卡爾坐標系，并將每個植株的頂點坐標存儲到m矩陣中，基于m矩陣，獲知多花黃精莖稈在三維空間中的位置和形態(tài)；

7、s4.基于多花黃精葉片在三維空間中的精確位置和方向信息、莖稈在三維空間中的位置和形態(tài)，生成多花黃精冠層的光合模型，使用光線追蹤設備，運行模擬光線在冠層中的分布，結合光線追蹤得到的多花黃精冠層光分布數據，利用光合儀測定的一天中三個時間段的光合速率-光量子通量密度曲線擬合參數值，獲取一天中三個時間段多花黃精的光合速率；

8、s5.比較不同郁閉度環(huán)境下，多花黃精株型的光合速率，選育出適應不同光環(huán)境的優(yōu)良株型。

9、進一步地，將不同郁閉度下的植株葉片的形態(tài)參數進行數據處理，生成9列參數矩陣，每一列分別為葉片基部高度、葉片長度、葉片最寬寬度、葉片彎曲弧度對應的圓心角、葉片自身的角度、葉片與莖稈連接處的角度、葉片在水平面上的x坐標、葉片在水平面上的y坐標及葉片在垂直方向上的z坐標，9列參數矩陣的形式如下：

10、

11、10％郁閉度：

12、a11為葉片基部高度,a12為葉片長度,a13為葉片最寬寬度，a14為葉片彎曲弧度對應的圓心角，a15為葉片自身的角度，a16為葉片與莖稈連接處的角度，x1為葉片在水平面上的x坐標，y1為葉片在水平面上的y坐標，z1為葉片在垂直方向上的z坐標；

13、40％郁閉度：

14、a21為葉片基部高度,a22為葉片長度,a23為葉片最寬寬度，a24為葉片彎曲弧度對應的圓心角，a25為葉片自身的角度，a26為葉片與莖稈連接處的角度，x2為葉片在水平面上的x坐標，y2為葉片在水平面上的y坐標，z2為葉片在垂直方向上的z坐標；

15、70％郁閉度：

16、a31為葉片基部高度,a32為葉片長度,a33為葉片最寬寬度，a34為葉片彎曲弧度對應的圓心角，a35為葉片自身的角度，a36為葉片與莖稈連接處的角度，x3為葉片在水平面上的x坐標，y3為葉片在水平面上的y坐標，z3為葉片在垂直方向上的z坐標；

17、100％郁閉度：

18、a41為葉片基部高度,a42為葉片長度,a43為葉片最寬寬度，a44為葉片彎曲弧度對應的圓心角，a45為葉片自身的角度，a46為葉片與莖稈連接處的角度，x4為葉片在水平面上的x坐標，y4為葉片在水平面上的y坐標，z4為葉片在垂直方向上的z坐標。

19、進一步地，提取9列參數矩陣中的最后3列作為葉片的笛卡爾坐標，將笛卡爾坐標轉換為極坐標的過程如下：

20、

21、葉片的極徑r1為從原點到點的距離，計算公式為

22、葉片的方位角θ為點在xy平面上的投影與x軸的夾角，計算公式為

23、葉片的仰角φ為點與z軸的夾角，計算公式為

24、進一步地，調整葉片的方位角和仰角，將調整后的極坐標再轉換回笛卡爾坐標，將調整后的3列笛卡爾坐標矩陣與原始數據中的前6列合并，生成新的9列參數矩陣，基于新的9列參數矩陣，獲知多花黃精葉片在三維空間中的精確位置和方向信息的過程如下：

25、調整葉片的方位角θ和仰角φ，增加δθ和δφ，調整后的葉片的方位角θ′和仰角φ′如下：

26、θ′＝θ+δθ

27、φ′＝φ+δφ

28、其中，θ′為調整后的葉片的方位角，φ′為調整后的葉片的仰角，δθ為增加的葉片的方位角，δφ為增加的葉片的仰角；

29、將調整后的球坐標(r1,θ′,φ′)轉換回笛卡爾坐標(x′,y′,z′)，計算x′、y′和z′：

30、x′＝rsin(φ′)cos(θ′)

31、y′＝rsin(φ′)sin(θ′)

32、z′＝rcos(φ′)

33、新的9列參數矩陣如下：

34、

35、利用新的9列參數矩陣中的葉片基部高度、葉片長度、葉片最寬寬度、葉片彎曲弧度對應的圓心角、葉片自身的角度、葉片與莖稈連接處的角度、葉片在水平面上的x坐標、葉片在水平面上的y坐標及葉片在垂直方向上的z坐標，獲知多花黃精葉片在三維空間中的精確位置和方向信息。

36、進一步地，將莖稈參數作為模型輸入值，生成莖稈的幾何形狀，計算莖稈底部半徑和莖稈頂部半徑，將圓柱坐標轉化為笛卡爾坐標，獲得每個頂點的坐標的過程如下：

37、計算莖稈底部和頂部的半徑：

38、

39、其中，rb為莖稈底部的半徑，rt為莖稈頂部的半徑，db為莖稈底部直徑，dt為莖稈頂部直徑；

40、將莖稈視為一個圓柱體，使用圓柱體的參數方程生成頂點坐標，將圓柱體分成n個等分的角度和m個等分的高度；

41、轉換為笛卡爾坐標(x,y,z)，依據的公式如下：

42、x＝r2cos(θ)

43、y＝r2sin(θ)

44、z＝z

45、其中，r2為圓柱體的半徑，即莖稈底部的半徑rb，z為點的高度；

46、使用以下公式計算每個頂點的坐標：

47、角度θ從0到2π，分成n份：

48、

49、其中，θi為第i個頂點的方位角，2π為一個完整圓的角度，i為當前頂點的索引，范圍是從0，1，...，n-1，n為角度分段數，表示將圓周分成了n等份；

50、計算每個高度，依據的公式如下：

51、

52、其中，zj為第j段莖稈的高度，h為莖稈的總高度，j為莖稈的分段索引，范圍是從0，1，...，m，m為高度分段數，表示將莖稈的高度h分成m段；

53、計算每個高度對應的半徑，依據的公式如下：

54、

55、其中，ri為第i個頂點對應的半徑；

56、對于每個θi和zj，計算相應的笛卡爾坐標(xd,yd,zd)，依據的公式如下：

57、xd＝rjcos(θi)

58、yd＝rjsin(θi)

59、zd＝zj

60、其中，xd為圓柱體表面上點的x坐標，yd為圓柱體表面上點的y坐標，zd為圓柱體表面上點的z坐標，每個頂點的坐標為(xd,yd,zd)；

61、初始化大小為(m+1)×l×3的矩陣，用于存儲每個頂點的(xd,yd,zd)坐標，其中，m+1為m矩陣的行數，即植物的數量，l為m矩陣的列數，即每個植物的頂點數量，3表示每個頂點的三個坐標值。

62、進一步地，將植株的x、y坐標轉換為極坐標，確定旋轉角度，再轉換回笛卡爾坐標系，初始化存儲所有植株頂點坐標的m矩陣，并將每個植株的頂點坐標存儲到m矩陣中，基于m矩陣，獲知多花黃精莖稈在三維空間中的位置和形態(tài)的過程如下：

63、將每個頂點的x,y坐標轉換為極坐標，然后進行旋轉，再轉換回笛卡爾坐標；

64、轉換為極坐標：

65、

66、θab＝arctan2(yab，xab)

67、其中，rab為第a個植物的第b個頂點到原點的距離，θab為從正x軸逆時針旋轉到該頂點的角度，a和b是植物和頂點的索引；

68、旋轉特定的角度δθab，獲取旋轉后的角度θab′，依據的公式如下：

69、θab′＝θab+δθab

70、轉換回笛卡爾坐標：

71、xab′＝rabcos(θab′)

72、yab′＝rabcos(θab′)

73、其中，xab′為旋轉后的笛卡爾橫坐標,yab′為旋轉后的笛卡爾縱坐標；

74、將新的坐標放回矩陣：

75、m(a×p+b)＝(xab′，yab′，zab)

76、初始化存儲所有植株頂點坐標的m矩陣：

77、m＝zeros((m+1)×p，3)

78、對于每個植物a和每個頂點b，存儲頂點坐標：

79、m(a×p+b)＝(xab，yab，zab)

80、其中，xab，yab，zab為第a個植物的第b個頂點的x,y,z坐標，p為每個植物的頂點數量，a的范圍從0到m+1，b的范圍從0到l；

81、基于m矩陣，獲知多花黃精莖稈在三維空間中的位置和形態(tài)的具體過程如下：

82、多花黃精莖稈在三維空間中的位置的獲取過程：

83、從m矩陣中提取所有頂點的z坐標，找到z坐標中的最小值，對應于莖稈的底部位置，找到所有z坐標等于最小z值的頂點，這些頂點構成了莖稈底部的圓周，通過上述的多個頂點，確定莖稈的底部位置；

84、從m矩陣中提取所有頂點的z坐標，找到z坐標中的最大值，對應于莖稈的頂部位置，找到所有z坐標等于最大z值的頂點，這些頂點構成了莖稈頂部的圓周，通過上述的多個頂點，確定莖稈的頂部位置；

85、多花黃精莖稈在三維空間中的形態(tài)的獲取過程：

86、從m矩陣中提取所有z坐標等于底部z值的頂點，得到底部的頂點坐標；

87、從m矩陣中提取所有z坐標等于頂部z值的頂點，得到頂部的頂點坐標；

88、對底部和頂部的頂點分別計算半徑，得到底部和頂部的平均半徑；

89、高度分布由m矩陣中頂點的z坐標給出，z坐標的范圍從底部z值到頂部z值；通過m矩陣中的所有頂點坐標，確定莖稈的幾何形狀，包括半徑的變化和高度分布。

90、進一步地，使用光線追蹤設備，運行模擬光線在冠層中的分布，結合光線追蹤得到的多花黃精冠層光分布數據，利用光合儀測定的一天中三個時間段光合速率-光量子通量密度曲線擬合參數值，獲取一天中三個時間段多花黃精的光合速率的過程如下：

91、使用光線追蹤設備模擬光線在多花黃精冠層中的分布，光線追蹤設備根據基地位置、如高度、冠層直徑和種植密度以及環(huán)境光條件模擬光線在冠層中的傳播和分布，生成冠層內部的光分布數據；

92、將光線追蹤設備生成的光分布數據與多花黃精冠層的結構進行結合，得到冠層內部每個位置的光強數據，這些數據表示在不同的時間段內，冠層中各個位置接收到的光量子通量密度。

93、利用光合儀測定多花黃精在不同時間段的光合速率-光量子通量密度曲線，并利用非線性回歸方法擬合光合速率-光量子通量密度曲線的參數，依據的公式如下：

94、

95、其中，v為光合速率，vmax為最大光合速率，α為光響應曲線的初始斜率，是郁閉度為βη下的光量子通量密度，βη為郁閉度，η為郁閉度的種類，η的范圍為1，2，...，4，1，2，...，4分別代表10％、40％、70％、100％；

96、利用擬合的光合速率-光量子通量密度曲線參數和光分布數據，獲取一天中三個時間段的光合速率：

97、

98、其中，vη為不同郁閉度下一天的光合速率的總和，分別為上午、中午、下午不同郁閉度下的光合速率，vmax1、vmax2、vmax3分別為上午、中午、下午的最大光合速率，α1、α2、α3分別為光響應曲線的初始斜率，為上午時郁閉度為βη的光量子通量密度，為中午時郁閉度為βη的光量子通量密度、為下午時郁閉度為βη的光量子通量密度。

99、進一步地，比較不同郁閉度環(huán)境下，多花黃精株型的光合速率，選育出適應不同光環(huán)境的優(yōu)良株型的過程如下：

100、根據記錄的6h到18h的多花黃精株型的光合速率，獲知v2>v1>v4>v3，即40％郁閉度下的多花黃精株型的光合速率均最高，10％郁閉度下的多花黃精株型的光合速率第二高，100％郁閉度下的多花黃精株型的光合速率第三高，40％郁閉度下的多花黃精株型的光合速率最低，則40％郁閉度下的多花黃精株型為最適合的培育株型。

101、與現有技術相比，本發(fā)明的有益效果是：

102、本發(fā)明通過設置不同的郁閉度條件，精確模擬了多花黃精在不同光環(huán)境下的生長情況，通過采集不同郁閉度下的多花黃精植株的詳細形態(tài)參數和光合能力參數，并對這些數據進行處理和分析，生成完整的參數矩陣，通過將莖稈和葉片的幾何形狀精確建模，并使用笛卡爾坐標和極坐標轉換技術，構建多花黃精的冠層光合模型，通過光線追蹤設備，模擬光線在多花黃精冠層中的分布情況，獲取冠層內部不同時間段的光分布數據，利用測定的光合速率-光量子通量密度曲線擬合參數值，精確計算出不同時段的光合速率，通過比較不同郁閉度環(huán)境下多花黃精株型的光合速率，選育出在不同光環(huán)境下具有最佳光合效率的優(yōu)良株型。