[发明专利]一种小麦冻害严重程度快速监测评估方法

权利要求书

1.一种小麦冻害严重程度快速监测评估方法，其特征在于，包括：依据冠层光谱参数和叶绿素荧光参数与产量损失率之间的相关性及其遥感信息源特性，将冠层光谱参数和叶绿素荧光参数进行优化组合，以产量损失率为因变量，组合参数为自变量，分别采用偏最小二乘法、神经网络、多元线性回归运算去选取最佳参数组合，并确立模型，将每种冠层光谱参数组合数据集分别进行偏最小二乘法、神经网络、多元线性回归运算，进一步分析模型结果在训练集和测试集中的表现，建立最优化多元线性回归方程，通过最优化多元线性回归方程获取小麦冻害严重程度的快速监测；

通过光量子分析仪测定小麦顶部第1张全展叶片的叶绿素荧光参数，包括实际光化学效率Y(II)、PSⅡ最大光学效率Fv/Fm、光化淬灭系数qp、非光化学猝灭系数NPQ以及PSII非循环光合电子传递速率ETR；

利用光谱仪，在低温胁迫后第2天进行冠层光谱反射率的测定，作为冠层光谱参数，光谱仪波段范围为350～2500nm，其中350～1050nm光谱采样间隔为1.4nm，光谱分辨率为3nm；1050～2500nm光谱采样间隔为2nm，光谱分辨率为10nm；测定3次，每次测量5条光谱曲线，取其平均值作为冬小麦冠层光谱反射率值；

待小麦成熟后，测定穗粒数、穗数和千粒重，计算出单株产量Y；然后计算冻害处理的产量损失率，如下：

在公式(1)中，i为品种，Y_ic为每个品种在不同水分条件下对照CK的产量，而Y_id为与对照相同品种在相同水分条件下冻害处理的产量，YLR的单位为百分率；

采用多元线性回归算法，构建基于冠层光谱参数的冻害程度预测模型，以产量损失率作因变量，冠层光谱参数为自变量，建立最优回归方程：

YLR＝-4.389X1-1068.48X2-0.07X9+7.81 (2)

其中，X1、X2、X9分别代表NPQI、PND920、左右峰面积比；

采用多元线性回归算法，构建基于叶绿素荧光参数的冻害程度预测模型，以产量损失率作因变量，叶绿素荧光参数为自变量，建立最优化回归方程：

YLR＝1.098-0.645S1-0.672S2 (3)

其中S1、S2分别代表Qp和Fv/Fm；

最优化多元线性回归方程为：

YLR＝5.925-1.048S1-0.662S2+0.016S3-5.251X1-761.076X2-0.053X9 (4)

其中S1、S2、S3、X1、X2和X9分别代表Qp、Fv/Fm、ETR、NPQI、PND920和DIDA。

2.根据权利要求1所述的一种小麦冻害严重程度快速监测评估方法，其特征在于，在低温模拟室内培养小麦进行试验，低温模拟室的规格为长7m、宽5m、高2.6m，低温模拟室的顶部装置有两条尼龙布形成的通风管道，分别为室外的两台制冷压缩机连接；在管道两侧均匀分布着若干个直径为5cm的圆形通风口，冷风通过圆形通风口在1.9m以上的水平方向上进行冷气流动，并形成一个制冷空间；冷空气均匀的向下沉，从而形成强辐射降温。