吴盼盼 唐子宗 杨乐 彭军 张欢欢 施俊林

摘要：根系是水稻获取养分的主要器官，水稻根系三维建模及可视化有助于进一步了解其根系的形态、结构和功能。随着计算机视觉和非侵入性技術的小断发展，根系形态和功能研究已进人数字化和可视化的阶段。近年来许多研究者分别从制作出土根系于绘图、计算机断层扫描（ CT）等非侵入性技术、数学建模以及仿真模拟等方面推进水稻根系三维建模及可视化的研究。根系数据的获取是三维建模的有效前提，根据是否破坏根系原有生长环境，根系数据探测被分为破坏性探测和原位探测两类，本文对比分析了两种探测方式的方法和特点。从人工观察测量、机器视觉、光学仪器或断层扫描的三维数字化等方面对水稻根系的三维建模进行了阐述，总结了水稻根系三维建模及可视化的研究进展，并对当下主流三维重构技术进行分类和对比，总结了不同根系三维重构方法在重建效果、成本、操作水平等方面的优劣势。此外，南于根系生长在复杂多变的土壤环境中，小同时期根系的生长发育受土壤紧实度，水分、养分分布等因素的影响而存在差异，且受限于土壤的不透明和小稳定性，更多水稻根系的三维建模研究主要停留在根系基本指标与非环境因素（如土层深度、时问）的统计拟合及单环境因子对水稻根系生理生态的影响上，而根系与多环境因子动态交互方面的研究较少。在高度非结构化的根系数据处理困难的情况下，探究水稻根系与环境的动态转化过程及根系生长与多环境因子的定量关系模型将成为未来根系三维建模研究的重要方向，为构建更具真实意义的可视化模型提供基础。

关键词：水稻根系;探测方法;三维重构;环境一根系模型

中图分类号：S 511

文献标志码：A

文章编号：1008-03 84（2021）08-0972-09

Visualization of Rice Root System by 3D Modeling： A Review

WU Panpan 1， TANG Zizong 1， YANGLe 1.2*， Peng Jun 1. Zhang Huanhuan 1， Shi Junlin l

（ I. College of Computer Information and Engineering， Jiangxi Agricultural University Nanchang， Jiangxi 330045， China;2. Key Laboratory of lnformation Technology in Agriculture for Colleges and Universities in Jiangxi Province， Jiangxi AgricultureUniversity， Nanchang， Jiangxi

330045. China）

Abstract： As an organ that extracts water and nutrients from the soil. the root system is vital for a rice plant. Establishing a 3Dmodel to visualize the system structure can materially help the studies on the morphology and functional traits of the roots.Recent advancements in the computerized and non-invasive technologies make the information digitization for scientificresearch increasingly accessible and significant progresses possible. For instance， utilizing hand drawings and computertomography （CT）， mathematical models were built to vividly simulate the configuration of unearthed root system. Since dataacquisition that proceeds model building is essential for an accurate and reliable representation. this article compares andanalyzes the principles and characteristics of two classes of detection methods for information collection on the root systems.These methods can be either destructive or in-situ in applications depending upon whether or not the original growthenvironment was interrupted or destroyed. The 3D modeling and visualization of rice root system is explained in this articlefrom the aspects of manual observation and measurement， machinery vision. 3D digitization by optical instruments. andtomography， etc. The mainstream reconstruction technologies are classified， compared， and analyzed with respect to the prosand cons on the resulting effect as well as the cost and ease of operation. Since environmental conditions are ever-changing. thedevelopment of a root system is invariably complex and varied. The affecting factors include the firmness. moisture content.and nutrients distribution of the soil a plant grows on. In addition. the non-transparency and instability of soil has so farhindered the related studies and confined to the fundamental and non-enviromuental elements. such as. depth of layer and time，for statistical analysis. Consequently， few reports dealt with the dynamic interactions among the multi-environmental factorsthat effect on the root development are available. Evidently， in the foreseeable future. the newly developed modeling andvisualization technologies would usher in innovative applications and deep understanding in the field of study.

Key words： Rice root system： detection method： 3D reconstruction; root system-environment model

1绪论

水稻是重要的粮食作物之一[1]，根系作为水稻的重要器官可直接影响其水分和养分的吸收能力，并通过与土壤的相互作用影响其生产效率[2-3]。水稻的根系构型（ Root System Architecture）体现了根系的空间结构，是分析评价根系与土壤环境适应程度的重要指标。为定量化研究植物生长规律，围绕农林植物采用信息技术与农业生产相结合的方式，在计算机上以三维可视化的方法分析研究植物重要组织结构，虚拟再现其生长过程的方法逐渐得到重视，并形成“数字植物”这一研究领域[4]。根系三维建模及可视化是数字植物研究的重要分支。因根系生长在土壤中，受土壤观测阻碍影响，无法直接对水稻根系进行观察和测量，与地上部分相比根系研究相对滞后，水稻根系三维建模及可视化是了解水稻形态结构和功能的重要方法。然而，水稻根系形态结构复杂，其形态在不同的生长阶段持续变化，存在根部数据量大且局部信息整合困难、生长数据无法实时监控等问题。根系的三维认知和表达成为水稻根系深入研究的瓶颈，如何以低成本高效率的方式获取水稻根系多维度信息用于构建三维模型成为根系可视化研究中的难点[5]。目前，得益于先进传感器和计算机图形学技术，根系形态结构和生理功能研究进入数字化和可视化的阶段[6]，在根系动态生长过程、根系一环境交互关系的分析、仿真和预测方面取得了一定的研究成果。实现植物根系三维重构的主流方法有规则L-系统、LiDAR[7]和Kinect等高精度传感器适用法、结构光法[8]、三维数字化、多视角图像法以及双目立体视觉法等[9]，不同的方法采用的技术原理不同。近年来，深度学习技术在处理数字图像方面有了突破性进展，利用深度学习技术进行植物根系的表型分析成为研究热点[1O]。

本文从人工观察测量、机器视觉、借助光学仪器或断层扫描的三维数字化等方面综述了水稻根系的三维重构，并对当下主流技术及其原理进行了对比和分类，展望了在数据量缺失的情况下水稻根系三维重构可视化研究的未来发展趋势。

1.1水稻根系构型

水稻根属于须根系，由一条种子根和许多不定根（亦稱冠根、节根）组成[11]。各节位根根据其生长的位置分为上位根和下位根（图1），前一节位的下位根与下一节位的上位根同时分化，形成一个发根节点。种子根直接由胚根发育形成，垂直向下生长，不定根从稻茎底部向顶部依次发生，且不定根上可以再次生根形成各级分支侧根，一级分支根直接从不定根茎节伸出，二级分支根白一级分支根伸出，在高产条件下可依次生出六级分支根，这些根系在土壤中错综分布，形成水稻的庞大根系（图2）。

水稻根系构型参数主要分为整体层面和个体层面，整体层面是指植株根系参数，包括根冠比、根伸长方向以及分支情况等，个体层面是指单根根系的参数，包括根重、根密度、根表面积以及根半径等，他们与根系空间几何分布共同组成了描述根系构型的基本参数。

1.2水稻根系探测方法

植物根系各个阶段的物理属性、形态结构及生理生态等方面都有着不同的特征，借助科学、合理的有效手段和方法来获取根系数据是实现根系三维建模及可视化的前提，下面将介绍破坏性探测和原位探测两类根系数据探测方法的原理和优缺点。

1、破坏性探测是指在获取数据过程中破坏了根系原有的土壤生长环境，使根脱离土壤，直接对根系三维拓扑结构形态进行测量。因原生长环境被破坏，即使将根系重新种植，对以后的形态和生长发育也会造成影响，所以此类方法具有一次性的特点，适合某个特定生长时期的根系构型测量，主要包括挖掘法、保护挖掘清洗法和染色扫描图像分析法[6]。

（1）挖掘法：直接将根系从土壤中挖出，人工对局部根系进行测量;

（2）保护挖掘清洗法：种植前，在根系生长范围内安装保护装置（如PVC管、尼龙网等），一定时期后将根系与保护装置整体取出，清洁并对局部根系进行测量;

（3）染色扫描图像分析法：根系挖出后进行染色，平板扫描设备扫描后利用相关分析软件对整体或局部进行测量。

2、原位探测是指在不破坏植物根系原有土壤生长环境的基础上，通过观测设备对根系构型进行数据探测，或者改变培养方式以打破土壤不透明性带来的观测阻碍，主要的方法有土壤留置法、特殊培养环境法、穿透射线成像法以及作物图像解析法[6]。

（1）土壤留置法：预先安装内置观察设施（如微根管），定期观察植物根系生长情况并测量记录信息;

（2）特殊环境培养法：根系种植于具有视觉穿透效果的可控生长环境中，直接观察根系的生长情况（如水培法和冷凝胶培养法等）;

（3）穿透射线成像法：利用核磁共振成像（ MRI）、断层扫描成像（CT）和显微成像等先进仪器对土块中的根系数据进行采集;

（4）作物图像解析法：利用计算机图像分析算法与软件提取根系图片中的构型参数。

基于原位探测下各种根系图像处理的需要，根系图像分析的方法和软件也在不断地完善。早期的图像分析软件仅针对根系的统计参数（根表面积、根尖数量等）进行计算，典型的软件如SCAN. DigiRootrM等[12]，随着计算机图形学的发展，开发者在识别分析图像的过程中加入了人类视觉系统，提出了采用半自动化或者手动方式进行识别的archiDART[13]、MyRoot2.0[14]等软件，极大提高了数据分析的效率。

根系三维建模的主要目标是明确根系各部分的空间三维坐标，分为拓扑结构和空间分布两部分，破坏性探测可量化根系的长度及数量等信息，获得根系的拓扑结构，原位探测则在根系空间分布测量方面有一定优势。根系三维数据探测获取的方法有很多，但在一定程度上均具有局限性，表1对比分析了不同探测方式的优缺点。根系三维建模数据的获取目前仍存在以下问题：（1）数据获取的耗时长;（2）数据完整性较低，多数方法仅针对根系的局部进行观测，难以直接获得根系的立体几何构型参数;（3）全局信息获取困难，局部信息整合不易;（4）根系动态生长数据无法实时监控。

2.水稻根系三维建模与可视化

随着根系数据获取手段和方法的改进，水稻根系表型的三维可视化研究也得到了进一步发展。两种不同的根系数据探测方法（破坏性探测和原位探测）产生了两种根系数据的存在形式，一是基于破坏性探测所得数据，该数据反映的是根系在特定时期的特征，与水稻根系已有知识结合，研究者通过数据统计分析、验证，利用计算机算法模拟与实际根系具有形态相似的几何模型;二是基于原位探测所得数据对根系进行三维重构，不受原生长环境破坏而导致根系无法继续生长发育的约束，能更真实地反映出特定时期水稻根系连续生长的实际形态。也有研究者从探索鉴定控制作物根系结构基因的角度，以实现高通量和随时间推移对根系结构的准确测量[29]，这一研究热点使得快速获取植物根系三维形状的需求更为迫切。

2.1基于人工观察测量的水稻根系三维重构可视化

通过手工测量和人工观察水稻根系构型，以计算机模拟为主，利用探测数据进行统计分析，结合计算机图形学的知识进行规则和算法以实现动态模拟植物生长过程，这种方法构建的模型在形态结构上与真实根系具有一定的相似眭。早在1963年，Kutschera等[30]利用传统方法绘制了根系手绘图，手绘图与真实根系间往往存在较大差异。Pages等[31-32]提chu了描述和分析根系结构的Root Typ通用模型和ArchiSimple模型，简化根系空间分布的模拟算法，从而提高根系建模效率。用物理参数量化描述空间立体结构和几何形态的方法也适用于水稻根系研究，如徐其军等[33]从水稻根系的空间几何形态特征出发，确定描述根系拓扑结构的重要参数，将根节点的初始位置、初始伸展角度、根轴伸长过程中偏转随机角度等量化，以生长度日（ GDD）为驱动因子，建立根初始生长时间和生长速率的数学模型，实现了不同生长条件下水稻根系的三维可视化。基于模拟算法的三维建模在一定程度上能够反映水稻根系在三维空间中的分布，提供可视化的模型，推动了水稻根系三维建模软件及平台的开发，使得真正的水稻根系三维重构具备可行性。

在计算机植物仿真模拟中主要有两个方向，一是侧重表现植物外在形态，使模拟的植物具有逼真的外形，但不具有植物的生命特征;二是侧重植物的生长过程，注重考慮植物具有人工生命的特点[34]。水稻根系三维重构可视化可以分为两大类：静态重构和动态重构。动态重构的难点在于将不同时期不同形态的静态三维模型拟合成具有真实生长发育过程的连续动态模型，由于根系生长受到土壤的限制，已形成的根在土壤中的位置基本不发生变化，生长发育主要体现在旧根的伸长以及新生根的伸出，比较常用的方法有分形方法（如粒子系统、L系统以及IFS方法等）以及随机过程方法（如双尺度自动机等）。很多研究者在进行水稻根系静态重构的同时也开展了根系动态生长重构的研究，如YongGe等[35]通过利用早稻根系的结构参数，确定特定的初始位置、不定根的发根时间、径向生长速率、轴向生长速率、初始拉伸角度和空间分布等，对早稻根系动态生长进行了可视化模拟，如图3分别为30d和60 d水稻根系可视化模拟图。Leitner Daniel等[36]基于L系统开发了用于根系生长和体系结构建模的模块化方法，并在玉米根系吸收磷的模拟研究中得到验证。国内学者钟南[37]等提出基于微分L系统理论的植物根系生长模拟算法。在此基础上，YangL等[19.21]，彭英等[38]利用微分L系统方法对水稻根系的生长过程进行模拟，将根系根轴逐渐生长的连续过程和发生各级分支根的离散过程用统一的形式相结合。刘慧等[39]通过将水稻生长模拟模型，形态结构模型和虚拟显示模型及策略分析评价模型相结合，建立了基于模型的可视化水稻生长系统。

水稻根系生长建模可视化可用于预测不同栽培方式下根系的生长状况，目前这一研究更多的是通过部分根系数据分析得出拟合统计模型，结合计算机技术达到仿真模拟的效果，受数据探测获取的限制，基于原位探测数据的完整的生长可视化仍然是一项巨大挑战。

2.2基于机器视觉的水稻根系三维重构可视化

基于机器视觉的水稻根系三维重构可视化主要是利用计算机实现人体视觉系统的功能，根据光源类型分为主动视觉和被动视觉两大类[40]，前者的光源为自然光，后者的光源一般为人T投影（如结构光等）。被动视觉根据观测相机的数量分为单目视觉和立体视觉[41]，一般利用相机获取图像，通过特定算法计算目标的立体空间信息。几何建图主要利用提取场景的形状和结构描述，选择深度（2.5D）、体素（ Voxel）、点（Point）或者网络（Mesh）等用于场景表达。

单目视觉仅利用一个视觉传感器获取目标图像，通过处理二维图像获得根系数据信息，结构简单、算法成熟且计算量较小。立体视觉利用不同视点上的多幅图像恢复三维信息，通过模拟人类视觉系统，基于视差原理获取图像对应点之间的位置偏差，恢复目标三维信息。早在1997年，Loomis Jeremy等[42]以植物的静态照片作为数据输入，开发了用于测量、分析、模拟植物根和茎的虚拟系统，实现了对植物的建模。Han等[22]利用单个相机在360。范围内以100间隔旋转拍摄36张培养在固体凝胶基质中的水稻幼苗图像，利用卷积神经网络（ CNN）将根图像从拍摄背景中分割，后建立水稻幼苗根系的三维体素结构可视化。Teramoto S等[43]将基于CNN的语义分割用于在野外拍摄的水稻根沟渠剖面图像上，量化根系分布参数。吴丹等[44]在固定相机，样本旋转的拍摄模式下获取水稻多视角图像，根据相机标定参数以及水稻轮廓二值图，通过轮廓投影方法重建水稻三维可视外壳点云模型，并通过反投影方法进行点云着色构建水稻可视化模型。基于机器视觉的水稻根系三维重构具有数据获取方便、设备成本较低、使用灵活等优点，同时包含了图像彩色纹理等信息，具有较强的真实感，但是对于水稻须根系的细节处理效果不佳，适用于根系结构相对简单的幼苗阶段。

2.3基于断层扫描的水稻根系三维重构可视化

随着非侵入性技术的发展，原位探测有了更好的技术和设备支持，如XCT技术、MRI[45-46]、中子相机[47]等。借助高端仪器进行视觉评估土壤根系结构的非破坏性方法使得数据的精准度有了进一步的提高，基于断层扫描的重构方法也被相继提出，与计算机模拟算法相比，利用断层扫描方式进行三维重构的模型更加真实。Teramoto S等[25]利用X射线、CT技术建立了水稻三维根系结构可视化的高通量流程，适用于水稻根系三维根系结构的表型分析。Gerth S等[26]提出RootForce方法对基于X-CT所获数据进行半自动和鲁棒的根系分割，提高了局部细微数据获取的精准度，为不同类型植物的根系进行半自动高通量评估提供更高的效率。向子云等[27]基于多层螺旋CT技术的根系原位形态可视化方法进行研究。罗锡文等[28]设计了一种基于遗传算法的模糊多阈值CT图像分割方法，利用分割后的图像对根系三维重建，提高了模型的精准度。使用仪器针对较完整的水稻根系进行原位探测虽然数据精准真实，但成本高，不易普及，且大多数是针对根系前期数据或局部数据进行获取，信息整合难度大。改变培养方式，在保证养分供给的条件下使根系生长于透明介质的可控生长环境中，如Fang等[23]对在固体凝胶基质中生长的水稻进行三维扫描获取根系三维图像数据，并通过基于Hough变换骨架提取和球B样条网格建模方法实现了根系的三维重建。特殊培养法使得根系脱离了原土壤生长环境，虽然利于探测但数据不具普遍性。

水稻根系三维重构的方法很多，不同的方法具有不同的优势，在重建效果、成本、操作水平等方面各具特点，表2对比了几种常见的三维重构方法。

2.4环境一根系建模研究

根系的生长离不开土壤，在根系建模可视化研究的同时围绕土壤状况对根系生长的影响以及相邻根系间资源竞争情况的研究也备受关注。早在1998年Sommma等[51]建立了根系活动与土壤中水分和养分分布之间的动态关系的数学模型。但土壤环境复杂多变，影响根系生长的环境因子多且不稳定，因此目前相关研究主要停留在根系基本指标与非环境因素（如土层深度、时间）的统计拟合以及单环境因子对水稻根系生理生态的影响上。如Zappala S等[52]基于XCT图像分割出根体积，通过体积比较量化土壤水分含量对分割根系体系结构的影响。DunbabinVM等[53]分别模拟环境中根系一土壤模型、水和养分动态以及碳氮利用模型，总结了不同环境因子对根系结构、形态和养分功能转换效率等的影响及关系。Rogers ED等[24]利用XCT技术对水稻根系结构的物理特征进行详细的三维定量分析，在5种不同生长基质中分别对8个水稻品种的根系结构进行表征，确定根系结构是基因型与生长环境相互作用的结果，为研究不同生长环境中的根系结构提供了基础。张玉等[54]通过水稻根系空间分布，采用Y= a（l -bx）的数学模型分析水分管理对根系生长和分布的影响。刘永霞等[55]通过分析在施肥处理下不同品种的单株水稻总根长及根直径与生物量间的定量关系，结合立体几何原理，分别建立了基于生物量的水稻单株总根长动态模型和总根体积与总根表面积动态模型。李娟等[56]开展水培和土培盆栽试验，提出水稻不同生育期的养分吸收动态模型，确定养分吸收特征参数，分析不同品种不同施肥措施下水稻对氮、磷、钾的吸收情况。

根系生长受到多种环境因子的共同影响，模拟根系与环境的动态转化过程是根系研究的重要内容，也有研究者围绕这一过程进行模拟研究，如Tao Li等[57]提出了干旱和缺氮环境下水稻的改进模型ORYZA（ V3），将专注于预测灌溉低地环境下水稻生长和产量的生理生态模型ORYZA2000升级，开发用于量化土壤温度、碳、氮和环境压力每日变化的模块，以捕获根系生长以及水分和氮吸收的动态过程，提高模型在极端环境下的预测能力，但这一方面研究数量较少，且研究不够深入。因此，根系生长与多环境因子的定量关系模型以及根系与环境的动态转化过程模拟亟待进一步研究。

3.研究展望

综上所述，目前国内外水稻根系建模可视化的研究主要可分为两大类，单纯的水稻根系外观形态模拟可视化和真实生长过程模拟可视化，两者均取得了一定的研究成果。目前已应用于产品展示、游戏娱乐以及影视制作[58]等领域，但在选种优育、栽培措施优化等农学实际应用方面较少。在数据探测方面方法虽多，但都具有一定的局限性。根系本身生长环境的约束、高度非结构化的根系数据处理困难等问题仍然存在，因此在数据探测无法得到进一步改进的条件下，采用其他方式或者手段解决数据缺失的问题势在必行，低成本、高普适的三维探测方法和设备研制仍然是未來根系三维建模与可视化研究的重点。同时，根系生长与土壤密切相关，两者的相关性研究需要特定环境作为支撑，探索不易。此外，根系生长的碰撞检测以及模型的真实性检验也是根系三维重建研究中的难题。本节主要针对数据缺失问题下的根系分布设计与数据融合、结合深度学习的机器视觉三维重构以及环境一根系建模三方面进行展望。

（1）根系数据缺失问题可分为位置数据缺失和时间数据缺失，位置数据是指根系三维空间位置坐标无法准确完整获取，时间数据缺失是指生长数据的不连续性和不完整性。首先，位置数据包含根系的拓扑结构以及空间分布，拓扑结构利用破坏性探测的方法量化易于实现，空间分布则难度较大。尤其在大田栽培背景下，高精度探测仪器的使用能改善了局部数据的准确性，但基于仪器探测的局部数据整合困难，且成本昂贵不容易普及。学者更多的关注于土壤中某个区域内水稻根系基本情况的生长趋势而不是具体位点的三维坐标，在根系空间分布剖分的单元区域内通过对根系生长指标的统计实现三维建模，因此合理量化根系空间分布的剖分十分关键。尽管已有像微根管法[20]等针对空间分布的局部信息进行采样测量的方法，但其主要是从根系分形角度对形态特征进行描述[59]，更加量化的根系空间分布设计有待深入研究。其次，时间数据的获取费时费力，加之根系数据共享性低，且数据量少，一定程度上影响了研究进展。水稻根系的三维模拟是根部数据与计算机图形算法相结合构造根系可视化模型，有效提升数据缺失下全局数据的重构算法，在多种不同的作物根系中寻找具有相似特征数据以弥补在少量样本条件下精准估算拟合特征参数，提高信息融合的效率仍有待更深入的研究。

（2）基于机器视觉的三维重构多用于大规模场景或构型相对简单的苗期根系，在水稻根系建模方面使用较少。由于利用相机获取根系图像的深度信息成本低，操作简单，易于共享，在一定程度上解决了数据获取困难的问题。近年来，激光扫描、高光谱相机等自动化检测技术的发展极大促进了植物表型分析研究应用，通过成像技术、特征提取及三维重建等智能算法实现根系表型性状、形态结构的快速解析[60-61]，效果显著。可以预期，未来更多根系表型及生理参数的高通量获取将成为可能，为更加符合现实应用生产需求的水稻根系三维建模提供理论依据。随着深度学习在各个领域的广泛应用，基于深度学习的图像处理技术越来越成熟，通过二维图像获取根系拓扑信息的精准度越来越高。另一方面，深度学习技术在三维重建研究领域逐步深入，通过构建根系模型以弥补二维图像空间信息不足成为可能，因此，计算机视觉融合深度学习的三维重构也将是未来水稻根系建模方法的一个趋势。

（3）水稻根系的发育与生长环境息息相关，独立于环境的根系研究缺少实际意义，环境一根系系统的研究应获得更多的关注。目前，在根系基本指标与非环境因素（如土层深度、时间）的统计拟合以及单环境因子对水稻根系生理生态的影响机制上已经取得了较大的进展。在此基础上，利用深度学习综合分析多环境因子（气压、光照、湿度、温度等）和根系生理参数（水分、养分）的分布，以全面了解根系生长速率与外界环境因素的关系，根系生长与多环境因子的定量关系模型以及根系与环境的动态转化过程模拟将成为未来根系模拟研究的重要方向。另一方面，为了简化根系建模难度，一般是将水稻的根系与地上部分作为两个独立对象进行研究。然而，在实际生产中水稻根系与地上部分是一个不可分割的整体，分而治之的思想可能会导致最终模拟模型与现实脱节。为了更好投入到农业生产科研指导中，水稻根一茎一叶一体化建模是未来值得深入研究的课题。

总之，水稻根系三维建模及可视化研究仍存在极大的挑战，更准确全面地量化描述可视化模型的结构特征，真实形象地表征水稻根系的长相和长势，构建出能真正应用于农业生产的三维模型有待进一步研究。

参考文献：

[1]SAMYORD， DASAB，DEKA s c Pigmented rice 8 potential sourceof bioactive compounds：A review [J]International Journal of FoodScience&Tecbnology，2017，52（5）：1073-1081

[2]SMITH s，DE SMET I Root system architecture： Insights fromArabidopsis and cereal crops [J]. Philosophical Transactions of theRoval Society B： Biological Sciences，2012，367 （1595）：1441-1452

[3] KRESZIES T，SCHREIBER L RANATHUNGE K Suberizedtransport ban'iers in Arabidopsis. barley and rice roots： From themodel plant to crop species[J].Journal of Plant Physiology，2018，227：75-83

[4]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 C J，LU S L，GUO X Y，et al Advances in research of digitalplant： 3D digitization of plant morphological structure[J] ScientiaAgricultura Sinica，2015，48（ 17）：3415-3428 （in Chinese）

[5] 黄伟基于植物生长过程仿真的虚拟植物建模研究[D]重庆：重庆大学、2011

HUANG W Study on growth inodeling of virtual plant based onsimulation of growth process[D] Chongqing： Chongqing University.2011. （in Chinese）

[6]温维亮，郭新宇，赵春江，等作物根系构型二维探测与重建方法研究进展[J]中国农业科学，2015，48 （3）：436-448

WEN W L，GUO X Y，ZHAO C J，et al Crop roots configuration andvisualization： A review[J] Scientia Agricultura Sinica，2015，48 （3）： 436-448 （in Chinese）

[7]尤号田，邢艳秋，彭涛，等LiDAR不同强度校正法对樟子松叶面积指数估测的影响[J].测绘学报、2018.47 （2）：170-179

YOU H T，XING Y Q，PENG T， et al Effects of different LiDARintensirv n01111alization methods on Scotch pine forest leaf area indexestunation[J]Acta Geodaetica et Cartographica Sinica，2018，47 （2）： 170-179. （in Chinese）

[8]梁歡，顺庆毅一种基于结构光的运动补偿3D测量方法：CNl06595502A[P].2017-04-26

[9]周静静，郭新宇，吴升，等基于多视角图像的植物二维重建研究进展[J]中国农业科技导报，2019. 21 （2）：9-18

ZHOU J J，GUO X Y. WU S， et al Research progress on plant three-dimensional reconstmction based on multi-view images [J]. Journalof Agricultural Science and Technology. 2019. 21 （2）：9-18 （inChinese）

[IO]翁杨，曾睿，吴陈铭，等基于深度学习的农业植物表型研究综述[J]中围科学：生命科学，2019. 49 （6）：698-716

WENG Y. ZENG R， WU C M. et al A survey on deep-leaming-basedplant phenotype research in agriculture [J] Scientio Sinico （Vitae）.2019. 49 （6）： 698-716 （in Chinese）

[11] DIEVART A，COUDERT Y，GANIET P，et al.Dissecting thebiological bases of traits of interest in rice： Architecture anddevelopment of the root system [J]. Cahiers Agricultures.2013.22 （5）： 475—483

[12] STEFANELLI D，FRIDMAN Y. PERRY RL DigiRootlM=Newsoftware for root studies [J]. Europeon Journal of HorticnlturalScience. 2009. 74 （4）

[13] DELORY B M. BAUDSON c， BROSTAUX Y. et al_ archiDART： anR package for the automated computation of plant root architecturaltraits [J] Plant and Soil. 2016. 398（ 1/2） 351-365

[14] GONZALEZ A. SEVILLANO x，BETEGON-PUTZE I，et al.MvROOT 2.0： An automatic tool for high throughput and accurateprimary root length measurement [J]. Computers and Electronics inAgriculture. 2020. 168： 105125

[15] TRACHSEL s， KAPPPLER s M. BROWN K M. et al. Shovelomics：high throughput phenotyping of maize （Zea mays L.） root architecturein the field[J]. Plant and Soil. 2011. 341（ 1/2）： 7587

[16]胡琪娟，王霖嬌，盛茂银植物细根生产和周转研究进展[J].世界林业研究，2019. 32 （2）：2934

HU Q J，WANG L J，SHENG M Y Research progress of plant fineroot production and tumover [J] World Forestry Research. 2019.32（2）：29-34 （in Chinese）

[17]管建慧，郭新宇，王纪华，等玉米不同部位根系生长发育规律的研究[J]玉米科学，2007. 15（6）：82-85. 88

GUAN J H. GUO X Y. WANG J H. et al Study on growth anddevelopment mle of different parts of maize root [J]. Journal of MaizeSciences. 2007. 15（6）：82-85. 88. （in Chinese）

[18] WU J， GUO Y. An integrated method for quantifying root architectureof field-grown maize [J].Annals of Botany. 2014. 114 （4）：841-851

[19]杨乐，彭军，杨红云，等基于微分L一系统的水稻根系二维生长模型研究[J]农业机械学报，2019. 50（lO）：208-214

YANG L，PENG J， YANG H Y. et al.Three dimensional growthmodeling of rice root based on differential L-system[J].Transactionsof the Chinese Society for Agricultural Mocbinery. 2019. 50（ lO）：208-214. （in Chmese）

[20]牛学礼，南志标运用微根管技术研究草地植物细根的进展[J].草业学报，2017. 26 （11）：205-215

NIU X L，NAN Z B Review of ininirhizotron applications for study offine roots in grassland [J]. Acto Prataculturae Sinica.2017.26（ ll）： 205-215 （in Chinese）

[21] YANG L- WU P P，YANG s Y.et al Research on the constructionand visualization of a three-dimensional model of rice root growth [J]Applied Engineering，in Agriculture. 2020. 36（6） 847-857

[22] HAN T H. KUO Y F Developing a system for three-dimensionalquantification of root traits of rice seedlings [J]. Compvters andElectronics in Agriculture， 2018，1 52： 90-100

[23] FANG s Q，YAN x L，LIAO H 3D reconstruction and dynamicmodeling of root architecture in situ and its application to cropphosphorus research [J].The Plant Journal. 2009. 60 （6）：10961108

[24] ROGERS E D，MONAENKOVA D， MIJAR M. et al_ X-ray computedtoinography reveals the response of root system architecture to soiltexture [J].Plant Physiology. 2016. 171（3）：2028-2040

[25] TERAMOTO s， TAKAYASU s， KITOMI Y. et al High-throughputthree-dimensional visualization of root svstem architecture of riceusing X-ray computed tomography [J] Plant Methods. 2020. 16： 66

[26] GERTH s， CLAUBEN J， EGGERT A， et al Semiautomated 3D rootseginentation and evaluation based on X-rav CT imagerv [J]. PlantPhenomics. 2021. 2021： 1-13

[27]向子云，羅锡文，周学成，等多层螺旋CT=维成像技术观测植物根系的实验研究[J].CT理论与应用研究，2006. 15 （3）：1-5

XIANG Z Y，LUO X W. ZHOU X C，et al Experimental study onobservation of original shape of crop root system with inulti helical CTteclnology[J].Computeried Tomography Theory and Applicotions.2006. 15（3）： 1-5. （in Chinese）

[28]周学成，罗锡文，严小龙，等基于遗传算法的原位根系CT图像的模糊闽值分割[J]中国图象图形学报，2009. 14 （4）：681-687

ZHOU X C，LUO X W. YAN X L，et al A fuzzy thresholdingsegmentation for plant root CT images based on genetic algoritlun [J]JournAl of Image and Graphics， 2009. 14 （4）：681-687. （inChinese）

[29] TOPP c N. IYER-PASCUZZI A s，ANDERSON J T，et al 3Dphenotyping and quantitative trait locus inapping identify core regionsof the rice genoine controlling root architecture [J] PNAS. 2013.110 （18）：El695-El704

[30] KUTSAHERA L Wurzelatlas mitteleuropaischer ackenmkrauter undkulturpflanzen [J] Economic Botanv. 1963. 17（2）：158-159

[31] PAGES L，VERCAMBRE G，DROUET J L，et al Root Typ： Ageneric model to depict and analvse the root system architecture [J]Plant and Soil. 2004. 258（1）：103-119

[32] PAGES L MOREAU D. SARLIKIOTI V. et al ArchiSunple：Aparsimonious model of the root system architecture[C] //Plant GrowthModeling. Simulation. Visualization and Applications.：lnstitute ofElectncal and Electronlcs En91neers，2012：297-303

[33]徐其军，汤亮，顾东祥，等基于形态参数的水稻根系二维建模及可视化[J]农业工程学报，2010. 26（ 10）：188-194

xu Q J，TANG L， GU D X.et al Architectural parameter-based threedimensional modeling and visualization of rice roots [J].Transactionsof the Chinese Society of Agricultural Engineering， 2010， 26（ lO）：188-194 （in Chinese）

[34]房燕基于人工生命的骆驼刺根系的模型构建与研究[D]长春东北师范大学。2011

FANG Y. Construction and research of Alhagi roots inodel based onartificial life[D] Changchun： Northeast Normal University. 2011 （inChinese）

[35] GE Y. GE z Y. YI H F，et al Visual simulation of upland rice root asrelated to soil compaction[C]1//2011 Second Intemational Conferenceon Digital Manufacturing & Automation August 5-7. 2011.Zhangjiajie. China. IEEE. 2011： 1392-1394

[36] LEITNER D. KLEPSCH s， BODNER G. et al A dynamic root systemgrowth model based on LSystems [J] Plant and Soil. 2010.332（ 112）：177-192

[37]钟南，罗锡文，秦琴基于微分L系统理论的植物根系生长模拟的算法[J]系统仿真学报，2006. l8 （S2）：138-139. 143ZHONG N. LUO X W. QINQ Simulation aritlunetic of root systemsgrowth with differential L-systems [J].Journal of System Simulotion.2006. 18（ S2）： 138-139. 143. （in Chinese）

[38]彭英，张素兰基于L系统的水稻根系建模与可视化[J].计算机系统应用，2020. 29（6）：2228

PENG Y. ZHANG S L L-system-based modeling and visualization ofrice root system[J] Computer Systems &Applications. 2020.29（6）：22-28 （in Chinese）

[39]刘慧，汤亮，张文字，等基于模型的可视化水稻生长系统的构建与实现[J]农业工程学报，2009. 25 （9）：148-154. 362

LIU H.TANG L ZHANG W Y. et al Coiistruction andimplementation of model-based visual rice growth svstem [J]Transactions of the Chinese Society， of Agricultural Engineering， 2009.25（9） 148-154. 362 （in Chinese）

[40]初广丽，张伟，王延杰，等基于机器视觉的水果采摘机器人日标识别方法[J].中围农机化学报，2018. 39 （2）：83-88

CHU G L，ZHANG W. WANG Y J，et al A method of fruit pickingrobot target identification based on machine vision [J]. Journal ofChinese Agricultural Mechaniation. 2018. 39（2）：83-88（mChinese）

[41]徐超，李喬基于计算机视觉的二维重建技术综述[J]数字技术与应用，2017 （1）：54-56

xu C， LI Q 3D reconstruction technology based on computer vision：A Review [J]. Digital Technology and Applicotion， 2017（1）5456（ in Chinese）

[42] LOOMIS J J，LIU x W. DING z H，et al Visualization of plantgrowth[C]//Proceedings of Visualization 97 （Cat No. 97CB36155）October 24-24. 1997. Phoenix. AZ. USA IEEE. 1997： 475-478

[43] TERAMOTO s， UGA Y A deep learning-based phenotypic analysisof rice root distribution from field images [J]. Plant Phenomics（ Washington. D C）. 2020. 2020： 3 194308

[44]吴丹，叶军立，王康，等基于轮廓投影的盆栽水稻二维重建方法研究[J]中国农业科技导报、2020. 22（9）：87-95

WU D. YE J L，WANG K. et al Three-dimension reconstructionmethod based on silhouette for pot rice EJl Journal of AgriculturalScience and Technology， 2020. 22（9） 87-95（ in Chinese）

[45] SCHULZ H. POSTMA J A. VAN DUSSCHOTEN D， et al Plant rootsystem analVsis from MRI images[M]//Coinmmucanons m Computerand Information Science Berlin. Heidelberg： Springer BerlinHeidelberg， 2013： 411-425

[46] VAN DUSSCHOTEN D， METZNER R， KOCHS J， et al Quantitative3D analysis of plant roots growing in soil using magnetic resonanceimaging [J] Plant Physiology. 2016， 170（3）：1176-1188

[47] AHMED M A，ZAREBANADKOUKI M. KAESTNER A.et al.Measureinents of water uptake of maize roots： The key fumction oflateral roots [J] Plant and Soil. 2016. 398（ 1/2）： 59-77

[48]刘秀位，谷慧杰，韩沽，等基于探地雷达和电容法的作物根系原位无损测量技术研究进展[J]农业工程学报、2020. 36 （20）：226237

LIU X W. GU H J，HAN J， et al Research progress of groumdpenetrating radar and electrical capacitance for in situ non-destructivemeasurement of crop roots [J]Transactions of the Chinese Society ofAgricultural Engineering. 2020. 36 （20） 226237.（ in Chinese）

[49]王传宇，赵明，阎建河，等基于双日立体视觉技术的玉米叶片二维重建[J].农业工程学报，2010. 26 （4）：198-202

WANG C Y. ZHAO M. YAN J H et al Three-dimensionalreconstruction of maize leaves based on binocular stereovisionsvstem [J] Transactions of the Chinese Society of AgricuturalEngineering. 2010. 26（ 4）： 198-202（in Chinese）

[50]殷悦，张慧春，郑加强基于双日立体视觉的植物二维重建系统[J]中国农机化学报，2021.42 （3）：129-135

YIN Y. ZHANG H C，ZHENG J Q Three dimensional reconstructionsystein of plant based on binocular stereo vision [J]Journal ofChinese Agricultural Mechoniation. 2021. 42（3） 129- 135.（ inChinese）

[51] SOMMA F， HOPMANS J W. CLAUSNITZER V. Transient three-dimensional inodeling of soil water and solute transport withsimultaneous root growth. root water and nutrient uptake EJl Plantand Soil. 1998. 202（2）： 281-293

[52] ZAPPALA s，MAIRHOFER s，TRACY s，et al Quantifying theeffect of soil moisture content on segmenting root system architecturein X-ray computed tomography images [J]. Plant and Soil. 2013.370（ 1/2）：35-45

[53] DUNBABIN v M. POSTMA J A. SCHNEPF A， et al Modelling root-soil interactions using three-diinensional models of root growth.architecture and function [J] Plant and Soil. 2013. 372（ 1/2）：93-124

[54]張玉，秦华东，黄敏，等水稻根系空间分布特性的数学模拟及应用[J]华南农业大学学报，2013.34 （3）：304-308

ZHANG Y. QIN H D， HUANG M. et al. Mathematical simulation ofrice root spatial distribution and its application [J]Journal of SouthChina Agricultural University. 2013. 34（3）：304-308.（ inChinese）

[55]刘永霞，岳延滨，刘岩，等小同品种和氮肥条件下水稻根系主要几何参数动态量化[J]中国农业科学，2010. 43 （9）：1782-1790

LIU Y X. YUE Y B，LIU Y. et al Quantitative research of dynamicmodels of the main geoinetric paraineters of rice root system ofdifferent varieties under different nitrogen conditions [J] ScientiaAgricultura Sinico. 2010. 43（9）：1782-1790.（ in Chinese）

[56]李娟，章明清，林琼，等水稻根系氮磷钾吸收特性及其模拟模型研究[J]上壤通报，2011. 42 （1）：117-122

LI J， ZHANGMQ，LINQ， et al Studies on N.P andK absorptioncharacteristics of rice root svstem and its simulation model [J]Chinese Journal of Soil Science. 2011，42（1）117-122.（ inChinese）

[57] LI T. ANGELES o， MARCAIDA M III. et al From ORYZA2000 t。ORYZA （v3）： An improved simulation model for rice in drought andnitrogen-deficient environments [J]. Agricultural and ForestMeteorology. 2017， 237/238： 246-256

[58]蔣艳娜，肖伯祥，郭新宇，等植物建模与动画合成研究[J]系统仿真学报、2015. 27 （4）：881-892

JIANGY N. XIAOBX，GUOX Y. et al. Study in plant Modeling andaniMation [J]. JournAl of System Simulation. 2015. 27（4）：881892 （in Chinese）

[59]贾全全，杨晓杰根系分形维数及其研究进展[J].安徽农业科学，2011. 39 （2）：652-653. 656

JIA Q Q，YANG X J Fractal dimension and it's studv extension toroot systerns [J] Journal of Anhui Agricukural Sciences. 2011.39 （2）： 652-653. 656. （in Chinese）

[60] CLARK R T，MACCURDY R B，JUNG J K. et al Three-dimensionalroot phenotyping with a novel imaging and software platfonn[J]Plant Physiology. 2011，156（2） 455465

[61]ADELEKE E， MILLAS R， MCNEAL W. et al Assessing root systemarchitecture of wheat seedlings using A high-throughput rootphenotyping system [J] bioRxiv. 2019

（责任编辑：于洪杰）

收稿日期：2021-0401初稿;2021-07-23修改稿

作者简介：吴盼盼（ 1996-），女，硕士研究生，研究方向：农业信息技术（E-mail：

1376068702@qq.cm）

*通信作者：杨乐（ 1979-），男，副教授，研究方向：深度学习在农业领域的应用研究（E-mail： jxnzhyangle@163.com）

基金项目：围家自然科学基金项目（ 61862032）;江西省自然科学基金项目（20202BABL202034）;江西省研究生创新专项资金项目（YC2021-S347）