[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

摘要

本发明公开了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方法及其预测模型的构建方法，旨在解决现有的冬小麦籽粒蛋白质含量预测模型准确性和普适性较低的技术问题。该模型的构建方法包括下列步骤：信息采集；确立光温积指标；构建光温氮指数；确定最佳光谱参数；构建预测模型；检验模型。本发明建立了精度高、普适性好的冬小麦籽粒蛋白质含量预测模型，其扩展性和稳定性得到增强；可有效预判不同栽培管理条件下小麦籽粒蛋白质含量的变化。

主权项

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+bⅠ，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+dⅡ，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680nm对应波段反射率的差值，即LSDr=R_repleR₆₈₀；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。