[发明专利]基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法

权利要求书

1.一种基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测模型的构建方法，其特征在于，包括下列步骤：

（1）信息采集：先按常规方法分别采集不同区域内的不同生长时期的小麦冠层高光谱信息，再采用常规的五步平滑方法对光谱曲线进行平滑处理；与光谱信息采集同步，采集小麦叶片样品并以常规分析方法测定出不同区域内冬小麦籽粒蛋白质含量实测值；

（2）确立光温积指标：根据冬小麦籽粒灌浆期间的日平均温度DAT（℃）和总日照时数TSD（h）的乘积，得到籽粒灌浆期光温积指标K：

K=DAT×TSD；

（3）构建光温氮指数：根据步骤（2）所得的光温积指标与冬小麦开花期叶片氮积累量LNA（g.m^-2）的乘积，得出籽粒灌浆期光温氮指数ITN=K×LNA，并经回归计算得到籽粒蛋白质含量定量方程Ⅰ：

Y = a× K×LNA+ b                         Ⅰ，

其中，Y为成熟期籽粒蛋白质含量%，K为籽粒灌浆期光温积指标，LNA为开花期叶片氮积累量，a为系数，b为常数项；

（4）确定最佳光谱参数：通过对不同光谱参数与叶片氮积累量间关系的回归比较分析，红边左偏峰面积LSDr与叶片氮积累量呈如下线性相关关系：

LNA= c×X + d                          Ⅱ，

其中，LNA为开花期叶片氮积累量%，X为开花期光谱监测植被指数LSDr，该LSDr为红边位置和680 nm对应波段反射率的差值，即LSDr=R_reple?R₆₈₀；c为系数，d为常数项；

（5）构建预测模型：将步骤（3）所得方程Ⅰ与步骤（4）所得方程Ⅱ联立，以成熟期籽粒蛋白质含量为因变量，开花期叶片氮积累量为自变量，构建出如下冬小麦籽粒蛋白质含量预测模型：

Y= a×c×DAT×TSD×X+ a×d×DAT×TSD + b，

其中，Y为成熟期籽粒蛋白质含量%，DAT为籽粒灌浆期间日平均温度℃，TSD为籽粒灌浆期间总日照时数h，X为开花期光谱监测植被指数LSDr，a和c为系数，b和d为常数项。

2.根据权利要求1所述的基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测模型的构建方法，其特征在于，在步骤（5）之后还包括：

步骤（6）检验模型：使用独立年份小麦试验数据测试与检验预测模型的准确性和普适性，采用复相关系数R²和相对误差RE对优选模型进行综合评价，并绘制观察值与预测值之间1：1关系图，其中RE计算公式如下：

 

其中O_i为冬小麦籽粒蛋白质含量实测值，P_i为预测模型估测的冬小麦籽粒蛋白质含量值，n为模型测试检验样本数。

3.根据权利要求1所述的基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测模型的构建方法，其特征在于，所述步骤（1）中小麦冠层的高光谱信息测量采用野外高光谱辐射仪，波段值为350~1100 nm，光谱采样间隔为1.4 nm，光谱分辨率为3 nm。

4.根据权利要求1所述的基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测模型的构建方法，其特征在于，所述步骤（1）中测定籽粒蛋白质含量实测值的方法为：与光谱信息采集同步，每小区取小麦20株，按器官分离，各器官在80℃下烘干、称重，粉碎后采用凯氏定氮法测定其全氮含量，籽粒蛋白质含量通过籽粒氮含量乘以5.825转换求得。

5.根据权利要求1所述的基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测模型的构建方法，其特征在于，适用于黄淮区域的冬小麦籽粒蛋白质含量预测模型为：

Y= 0.00004515×DAT×TSD×X? 0.00020482×DAT×TSD + 10.921，

其中，Y为成熟期籽粒蛋白质含量%，DAT为籽粒灌浆期间日平均温度℃，TSD为籽粒灌浆期间总日照时数h，X为开花期光谱预测植被指数LSDr。