多尺度环境因子下烟草颜色表型响应模型构建OA

为了解决传统作物表型研究多依赖日尺度气象因子、忽略小时级环境扰动以及RGB叶色特征维度不足的问题,以烟草云烟87为材料并对其进行连续监测,利用固定摄像头采集烟草冠层RGB图像,提取图像RGB颜色均值、中位数、众数、偏度、峰度等统计特征,并结合小时尺度的温湿度记录,分析冠层颜色表型对多尺度环境因子的动态响应;同时采用反向传播神经网络(BPNN)进行消融试验,构建环境因子-颜色表型非线性响应模型。结果表明,在相同日积温(AT)条件下,叶色随小时温度(ST)与小时湿度(SH)的变化呈现近似节律性波动,不同RGB色彩指标在变化幅度与相位上存在显著差异;消融试验结果显示,以AT、ST和SH为输入的模型Y1性能最佳,训练集与测试集的拟合准确率分别为90.47%和86.02%。综合试验现象和建模结果,烟草冠层颜色表型在AT、ST和SH的共同作用下,既呈现出随生育进程演变的长期变化,也存在比较稳定的日内节律特征。相较于只使用日尺度气象因子的建模方式,引入小时温度、湿度以及颜色分布偏态参数(如偏度、峰度)后,模型对环境扰动的反映更加细致,模型Y1在单叶与整株2个尺度上均表现出较好的精度和一定的泛化能力,表明低成本RGB成像结合非线性建模能够在复杂农田环境下有效刻画叶色动态变化。上述结果为作物表型建模与智慧农业应用提供了一条可操作的技术路径。