[发明专利]一种籽粒蛋白质含量的预测方法及装置

权利要求书

1.一种籽粒蛋白质含量的预测方法，其特征在于，包括：

获取待测作物的植被指数和关键环境因子；

将所述待测作物的任一所述植被指数和若干个所述关键环境因子输入至籽粒蛋白质含量预测分层线性模型，输出所述待测作物的籽粒蛋白质含量；所述籽粒蛋白质含量预测分层线性模型根据任一所述植被指数和若干个所述关键环境因子获得。

2.根据权利要求1所述的一种籽粒蛋白质含量的预测方法，其特征在于，所述籽粒蛋白质含量预测分层线性模型包括第一分层线性模型和第二分层线性模型，所述第二分层模型嵌套于所述第一分层线性模型内；所述第一分层线性模型根据所述植被指数和所述待测作物的品种获得；所述第二分层线性模型根据若干个所述关键因子获得。

3.根据权利要求1所述的一种籽粒蛋白质含量的预测方法，其特征在于，所述获取待测作物的植被指数和关键环境因子，具体包括：

获取所述待测作物的遥感信息和气象数据；所述气象数据包括所述待测作物开花期前一个月的每日辐射量、每日最高温度、每日最低温度，每日最低温度和每日降水量；

根据所述待测作物的遥感信息，获取所述植被指数；

根据所述待测作物的气象数据，获取所述关键环境因子。

4.根据权利要求2所述的一种籽粒蛋白质含量的预测方法，其特征在于，所述第一分层线性模型具体为：

GPC＝β₀+β₁·VI+β₂·TY+X

其中，GPC为籽粒蛋白质的含量，VI为任一植被指数，TY为待测作物的品种，X为第一分层线性模型的残差项；β₀为第一分层线性模型的截距，β₁为VI的回归系数，β₂为TY的回归系数。

5.根据权利要求4所述的一种籽粒蛋白质含量的预测方法，其特征在于，所述第二分层线性模型具体为：

β_i＝γ_i0+γ_i1·Rad_mean+γ_i2·Tmax_mean+γ_i3·Tmin_mean+γ_i4·Pre_sum+μ_i

其中，β_i为β₀、β₁或β₂，Rad_mean为平均每日辐射量，Tmax_mean为平均最高温度，Tmin_mean为平均最低温度，Pre_sum为总降水量；γ_i0为第二分层线性模型的截距，γ_i1为Rad_mean的回归系数，γ_i2为Tmax_mean的回归系数，γ_i3为Tmin_mean的回归系数，γ_i4为Pre_sum的回归系数，μ_i为第二分层线性模型的残差项；

所述关键环境因子包括所述平均每日辐射量，所述平均最高温度，所述平均最低温度和所述总降水量。

6.根据权利要求4所述的一种籽粒蛋白质含量的预测方法，其特征在于，所述植被指数包括SPVI、MCARI/MTVI2和CI_{red edge}。

7.一种籽粒蛋白质含量的预测装置，其特征在于，包括：

选择模块，用于获取待测作物的植被指数和关键环境因子；

预测模块，用于将所述待测作物的任一所述植被指数和若干个所述关键环境因子输入至籽粒蛋白质含量预测分层线性模型；所述籽粒蛋白质含量预测分层线性模型根据任一所述植被指数和若干个所述关键环境因子获得。